可能有用基础介绍
人类交互1 大脑视觉的处理过程
人类交互2 听觉处理和语言中枢
人类交互3 皮肤感觉与运动系统
人类交互4 感觉输入和运动输出
人类交互5 大脑信号编码与解码
相关材料分析研读
当前人工神经网络与生物神经网络在底层原理上天差地别，让我们来对比一下几个有趣的方面看看。
一. 网络整体结构
人工神经网络整体上是顺序结构，因为它基于连续可微性质下的链式求导法则（即梯度下降法）来更新参数，这注定它无论怎样在框架层面变革也无法改变整体顺序结构的限制，难以高效地引入非顺序计算的架构（因为得考虑如何高效实现BP算法）。
生物神经网络整体上是网状结构，它对网络结构的参数更新（可以当做参数这么理解）并不是基于链式求导法则下的BP算法，并不强求参与计算的函数必须具有良好的分析性质（连续可微等等），离散函数可大量参与运算，所以在灵活性上具有很大的优势。
因为神经网络模型往往最终追求的是对客观规律的建模，所以具有灵活性更高的生物神经网络有天然的优势，因为网状结构有更适合的形式去拟合客观世界的规律，而有些事物的变化可能适合顺序结构拟合，另一些事物又可能不适合。
二. 同步计算模式
人工神经网络由于是顺序层级结构，所以在计算流程上只需要按层顺序计算即可；但是生物神经网络是网状结构，如果没有同步计算机制，就会导致计算混乱，比如某部分可能因为计算太快无法做到与其他计算较慢的子结构进行协同合作。
在实际中，一般人脑对图像的处理路径都比较深，对声音的处理路径相对较浅，这往往也就意味着在相同计算速度下，声音信息的处理已经早于图像信息的处理，如果没有同步计算机制，我们就会感觉到明显的客观世界声音图像不同步，但实际上并没有发生。即使在看视频的时候，刻意将视频部分或者声音部分提前或者延迟一点点时间，我们依旧会感觉到声音与图像的信息是同步的，这得益于我们大脑内部的同步计算机制。
鉴于当前技术的落后，我们无法看到具体神经元间如何同步计算，但是可以观察到由这种同步计算机制所引起的脑电波。
大脑内主要有以下几种电波：
-
德尔塔波（Delta Waves）：频率范围大约在0.5-4赫兹。这些波通常与深度睡眠阶段相关，尤其是慢波睡眠（SWS）期间。
-
theta波（Theta Waves）：频率约为4-8赫兹。theta波在轻度睡眠、深层冥想、放松状态下以及儿童和青少年的大脑中较为常见。它们也与记忆、情绪处理和直觉思维有关。
-
阿尔法波（Alpha Waves）：频率大约在8-12赫兹。当人处于清醒但放松的状态时，如闭眼静坐或做白日梦时，会产生阿尔法波。它们与意识的放松状态、减少的感官输入处理及内在思想活动增加有关。
-
beta波（Beta Waves）：频率大约在12-30赫兹，是我们在日常清醒状态下的主要脑电波活动，特别是当我们集中注意力、进行逻辑思考、解决问题或感到焦虑时。不同频率的beta波可能与不同程度的警觉性和认知活动强度相关。
-
伽马波（Gamma Waves）：频率高于30赫兹，通常在25-100赫兹之间。伽马波与高度的认知功能、意识的整合、注意力、学习、记忆处理以及不同脑区之间的信息同步有关。它们在深度冥想、高度专注和某些类型的感知过程中较为活跃。
这些脑电波不仅反映了大脑的不同活动状态，也是研究大脑功能、睡眠周期、意识状态以及神经科学和心理学领域众多课题的重要工具。
三. 功能集群程度
大脑的神经元集群和人工神经网络的层级结构在功能上表现出一定程度的集中与分布特性，但两者之间存在本质区别，反映了自然生物系统与人工设计系统的不同组织方式。
大脑中的神经元集群展现了高度的分布式处理特性。这意味着信息处理不是集中在单一区域，而是广泛分布在多个脑区，这些区域通过复杂的连接网络相互协作。例如，视觉处理不仅发生在视觉皮层，还涉及到多个皮层和皮层下区域的协同工作。大脑的这种分布式特性使得它能够灵活地处理复杂任务，具有强大的容错能力和适应性。同时，特定功能区域（如语言、记忆处理中心）的存在，也体现了某种程度的功能集中。
人工神经网络的设计灵感来源于生物大脑，但其结构往往更加简化和规范。典型的结构包括输入层、隐藏层（可以有多层）和输出层，每一层由多个节点（或称为"神经元"）组成。信息从输入层流向输出层，中间经过一个或多个隐藏层的处理，每一层执行特定的特征提取或模式识别任务。这种分层结构允许逐步抽象和信息的逐步提炼，从而实现对复杂数据的高效处理。
在局部结构上，生物神经网络更能实现局部细节功能的规划，而人工神经网络需要对应局部结构所有参数一起计算，相对来说效率要低不少，需要更多的计算资源和能量消耗。比如对图像特征的处理，人工神经网络是局部结构一起矩阵运算才能提取特征（特征之间不能实现功能上的相对独立），而生物神经网络是某些更小的结构提取边缘，距离等特征，实现功能上相对独立的计算。
在整体结构上，生物神经网络更像是一种分布式协调处理的系统，系统内部的各模块既相对独立，又协调合作。而人工神经网络更像是一种顺序层级计算的特定算法，缺乏某种意义上的结构灵活性（比如内部结构反馈机制等等）。