我们之所以能够感知世界、在其中导航、获取新知识、学习新概念、狩猎猎物或逃避天敌、从事科学或艺术活动、建立人际关系，都是因为我们大脑中的神经元网络在发挥作用。这些神经元——或至少在表面上非常相似的神经元——不仅存在于人类大脑中，也广泛存在于蠕虫、果蝇、老鼠、猴子中，甚至出现在现代人工智能系统的
人工神经网络
中。
然而，这些在个体上看似简单的单元，当它们以复杂的方式相互连接时，如何能够产生如此精细而多样的行为？
这些神经电路所依赖的计算原理，在果蝇、老鼠和人类之间是否存在某种共通性？
如果存在，那么人工神经网络又是否共享这些原则？在大脑神经网络的结构中，有多少是由进化“硬编码”而成的先天机制？又有多少是在个体与环境交互中通过学习过程逐步习得的？
本论文所呈现的工作，建立在神经科学家、物理学家和计算机科学家数十年来提出的诸多洞见与理论框架之上，用于理解大脑中的计算过程。本章将介绍这些关键思想，首先框定理解神经电路中计算机制所面临的挑战，并探讨这一理解可能达到的层级。
在后续章节中，我们将从多个领域汲取案例——从啮齿动物的导航系统，到灵长类的概念学习，再到人工智能系统在视觉与语言任务中的表现——以研究这些神经电路中如何进行计算，并深入探讨学习过程在不同物种之间，以及在人类与人工神经网络之间的共性与差异。
专知便捷查看，访问下面网址或
点击最底端“阅读原文”
https://www.zhuanzhi.ai/vip/066d3e07b61e2c79432d3ab585ee7ab6
点击“
阅读原文
”，查看下载本文
