单个的人类神经元可能远比我们之前所理解的，是更为强大的计算单元。

在人类大脑皮层内部，一个独立的神经元所执行的功能可能远不止简单地决定是否发送信号。一项最新研究表明，单个脑细胞能够完成的计算复杂性，足以与一个深度人工神经网络的工作相媲美。

这一可能性改变了科学家们探索人类语言、数学、想象力和创造力等高级能力起源的视角。智能的产生可能不仅依赖于大脑的巨大规模，更在于其每个独立细胞所能完成的工作。

几十年来，研究人员主要通过大脑的尺寸和连接性来解释其强大的功能。人脑包含近1000亿个神经元，它们通过一个庞大的网络相互连接。然而，这项发表在《美国国家科学院院刊》（PNAS）上的研究指出，人脑的卓越能力也可能源于单个神经元内部执行的异常复杂的信息处理。

来自人脑皮层（大脑外层，参与高级思维活动）的神经元，似乎作为异常复杂的信息处理单元（“微芯片”）在运作。它们不仅仅是简单地收集信号并产生一个简单的响应，而是能够通过复杂的内部过程来组合传入的信息。

这种可能性有助于解释为什么人脑皮层能够支持超越其他哺乳动物的认知能力。如果每个细胞都能执行更多的计算，那么在大脑信息通过其更广泛的网络传播之前，大脑就已经获得了额外的处理能力。

这项研究由希伯来大学的伊丹·塞格夫（Idan Segev）教授和米奇·伦敦（Mickey London）教授，以及埃德蒙和莉莉·萨夫拉脑科学中心（ELSC）的博士生伊多·艾森布德（Ido Aizenbud）和丹妮拉·约埃利（Daniela Yoeli）共同领导。阿姆斯特丹自由大学的克里斯·德·科克（Chris de Kock）教授也参与了这项工作。

塞格夫教授表示：“人们通常认为神经元是一个简单的开关，要么开启，要么关闭。我们展示的是，单个的人类神经元本身就是一个极其复杂的计算设备。”

研究人员首先需要一个一致的方法来比较不同哺乳动物神经元的计算能力。仅仅检查细胞的大小或形状并不能揭示它能处理多少信息。

他们通过为每个神经元构建一个数字模拟器来解决这个问题。利用计算机建模和人工智能技术，他们测试了一个人工神经网络（ANN）学习生物神经元输入信号与输出响应之间关系的难度。

一个相对简单的神经元可以通过一个小型的人工模型来复制。而一个能力更强的生物细胞则需要一个更深、更精细的网络，才能使人工版本准确地再现其行为。

这种模仿测试为研究人员提供了一个衡量神经元复杂性的实用标准。神经元越难被复制，其表观计算能力就越强。

人类皮层神经元始终需要比其他哺乳动物神经元更复杂的人工网络来模仿其行为。它们的优势似乎部分来源于其分支丰富的树突树（接收来自相邻细胞信号的结构），以及其独特的电学特性。

这些特征使神经元能够分析传入信号的组合，而不是简单地将它们相加。原则上，这可以支持对感官信息进行更精细的区分（例如，区分猫和狗的图像）。

研究结果描绘了人类皮层神经元远不止一个“开-关”组件。一个细胞可以作为一个分层计算系统运行，其能力可与深度神经网络相媲美。

这一结论挑战了长期以来认为人类智能主要依赖于神经元数量和细胞间连接数量的假设。单个神经元内部固有的复杂性可能也促进了人类认知的演化。

研究人员还提出了一个将神经元的物理特征与其可执行计算联系起来的通用框架。这种方法可以帮助科学家研究细胞结构如何促进学习、思维和其他形式的认知。

这些发现也可能影响脑启发式人工智能的设计。目前大多数系统都是由高度简化的单元组装而成，即使由此产生的网络包含许多层。

未来的模型可以转而使用每个单元内部具有更强处理能力的人工组件。这样的系统将更接近生物神经元，并可能为开发最先进的机器学习技术提供一条不同的路径。