原标题：神经行为学：AI 之外的另一条路

　　从人类的大脑和智慧中，抽取提炼某种技术，是一件源远流长的工作。能不能让机械像人类一样识别、判断和思考，最终发展出了今天的 AI。

　　而在另一项 " 兄弟研究 " 里，却一步步发展出了今天的类脑芯片——换言之，类脑芯片的起点某种程度上来说跟 AI 没啥关系。因为它类的是青蛙的脑。

　　早在 16 世纪，达芬奇就在手稿中分析过无头青蛙也能活的现象，某种程度上来说他发现了生物电和中枢神经系统的秘密。但是我们知道达芬奇手稿近世才被披露，所以这个发现就像他很多惊天发明一样变成了 " 达芬奇的秘密 "。

　　1786 年，伽格尼发现了青蛙挂在金属栅栏上腿会抽动的现象，继而一步步建立了早期生物电学。沿着青蛙们以高贵牺牲精神开拓的道路，人类逐渐发现了生物电和神经系统的奥秘。即生物的神经运转，是依靠生物电刺激神经元节点，最终实现了大脑控制机体的网状神经结构。

　　由这个结构开始，神经学界很自然就会思考另一个问题：既然动物是依靠神经元来传递信息、进行控制的，那么这种控制是如何发生的呢？

　　围绕这个问题，人类在 20 世纪开始漫长的，对神经传递、神经动力的研究，并在 1963 年完成了神经行为学的术语概念确认。这个学科中，研究者从生物、解剖、神经反射等多个角度提出了关于神经元的行为学模型。其中很多关于神经元计算的讨论，甚至早于 AI 概念的提出。

　　我们知道，今天人工神经网络是 AI 的基石，但人工神经网络的提出，其实只是上世纪 70 年代，AI 和计算机学界对神经元研究的一次借鉴，主要是模仿了神经元分层处理的特征。它的基础还是坐落在统计学和控制论的概念上。

　　但随着 AI 和现代计算的不断发展，作为 " 兄弟学科 " 的神经行为学自身也在进步。于是就有人联想到了，能不能直接整体移植神经元系统，在现实世界里，把类似动物大脑中神经元行为的动力机制变成一种运算机制？

　　之所以要这么干，主要还是临近 21 世纪，人类发现冯诺依曼架构不断抵近极限。一种从根儿上不同于经典计算的计算架构，或许是最一劳永逸的解决办法。量子计算是一种解决方式，而全仿生神经元行为学的解决方案则是另一种——这一种在大部分时候就被简称为类脑计算。

　　事实上，类脑计算中除了神经元行为学的仿生计算，也还要其他计算方式。但今天，毫无疑问模仿神经元行为是最成功的一种，于是我们今天看到的二者大体是可以划等号的。

　　毕竟人脑肯定是最好的计算机，加上想发展 AI，那么类似人脑结构的计算方式显然极具魅惑。于是类脑计算在众多新计算形式中天然占据着加分项，而又过了几十年，摩尔定律的极限愈发明显的今天，类脑计算也确实拿出了一些成绩。