人工神经网络是近年来一个热门的研究领域，利用计算机模拟生物大脑的工作方式，是实现人工智能的技术之一。科学家认为一个个神经元细胞是构成生物大脑神经网络的基础单元，所以模拟这种方式，以人工神经元为基础单元构建出人工神经网络。
人脑神经元示意图。
最近几位研究人员进行了一项有趣的实验，想了解目前人工神经元与生物神经元之间的性能差异到底有多大。
耶路撒冷希伯来大学（Hebrew University of Jerusalem）的三位研究人员合作训练一个人工神经网络，模拟小鼠大脑皮层内单个锥体神经元的运算水平。
仅模拟这一个生物神经元，就需要好几层的人工神经网络，每一层他们设计用上了256个人工神经元。研究人员不断地增加人工神经元网络的层次，与小鼠的生物神经元处理信息的情况进行对比，直到在毫秒的单位时间内，运算水平达到生物神经元准确度的99%。
实验结果显示，他们平均需要5～8层复杂度的人工神经网络才能达到单个生物神经元的运算水平。这些人工神经网络共有大约一千个人工神经元。
研究人员表示，这项实验的结果展示是一个大概的差异，并不意味着人工神经元和生物神经元的复杂度之间有着如此简单而且绝对的一千比一的关系。很多因素都会影响这之间的差异，比如构建人工网络层次设计的不同，效能会出现差异;或者，生物大脑内有多种不同类型的神经元，它们的运算效能也不一样。
对于这项研究结果，同行有不同的看法。这份研究的作者认为，这说明目前构建人工神经元的方法不够好，应该造出自身就有好多层次的神经网络作为单个人工神经元，才能更接近于生物神经元的运作方式。
有的研究人员则认为，这个结果说明也许不得不承认，人工智能和生物神经系统根本没什么可比性。没有参与这项实验的同行、谷歌下属的人工智能研发公司DeepMind的算法设计师利利克拉普（Timothy Lillicrap）说，这份研究结果表明看来有必要思考一下，简单地把人工智能和生物大脑进行比拟的做法是否合适。“这项研究逼迫我们不得不重新更仔细地思考，人造的计算机网络究竟能模仿生物神经系统到什么程度，到底有没有可比性。”
