大脑是全息的，全息图中的分散信息和大脑网络中信息的表现形式有类似之处。我们也在用于计算机模式识别的自组织方法，例如神经网络、遗传算法中发现了这一点。
大脑是密切联系的。大脑从一个深层的连接网络中得到恢复力，在这个网络中的信息从一个点转到另外一点的方式有很多种。拿互联网来作类比，随着其组成节点的数量增加，网络已变得越来越稳定。节点甚至互联网整个枢纽，可以变得不起作用，而整个网络却不会因此而瘫痪。
同样我们不断丧失神经元，但这并没有影响到整个大脑的完整性。
这也就是我们和计算机最大的不同之处，也就是为什么能够解释现在人工智能要和人的大脑结合，因为我们人的大脑可以丢掉一些不用的细胞，来进行新的细胞繁殖。
但是人工智能和计算机就无法做到这一点，因为他们的每一个零件都是至关重要的，说到最简单的一点，如果我们现在不使用这些电子设备的话，完全回归到自然当中，那么人工智能对于我们来说也是束手无策的。
大脑的确有一个区域的架构。虽然区域内的连接细节最初是随机约束的，而且这些细节还是自组织的，但是仍然有一个区域架构，它使得几百个有特定连接模式的区域执行特定的功能。
一个大脑区域的设计比一个神经元的设计还要简单。在更高层次的模拟常常会更简单，而不是更复杂。类比一台计算机，如果我们要模拟一个晶体管，我们需要详细了解半导体物理学原理，而一个真正的晶体管所隐藏的方程是很复杂的。
然而，在两个数字相乘的数字电路中，虽然涉及数百个晶体管，但模拟起来却更简单，只涉及少数公式。一个由数十亿个晶体管组成的计算机可以通过其指令集和寄存器描述来模拟，而这些可以由少量的文字和数学变换来描述。
一个操作系统、语言编译器和组译器的软件程序是复杂的，但模拟特定程序，例如基础的语音识别系统，却可能用短短几页的方程就能描述。这种描述没有任何地方需要物理学的细节。
类似的观察也适用于大脑。一个特定的神经排列用来检测一个特定不变的视觉特征，例如我们的脸部，或执行一个作用于听觉信息或计算两个事件时间接近性的带通滤波，限制输入到一个特定的频率范围，这些都可以描述得远比实际物理和化学的关系。
控制神经递质和其他突触和树突在各自程序中所涉及的变量要简单。虽然在推进到下一个更高的水平模拟大脑前，这种神经的复杂性都必须仔细研究，但是一旦理解了大脑的工作原理，其中很大一部分都可以得到简化。
我们对人类大脑的研究步伐正不断加快，现在已不断接近这条曲线的拐点，这是一个呈指数增长的快速发展时期，但在这之前我们曾有过无数次的研究尝试。
反思和建立人类思维模型的能力是我们人类特有的一种属性。基于对人类外在行为的简单观察，我们建立了早期的人类思维模型，这也就是我们赋予人工智能最早的特性之一，只不过现在人工智能已经脱离了我们的掌控，这一点我可以负责任的告诉你。
所以我们现在要做的就是如何对于人类的大脑进行改造，或者是如何净化我们的大脑，否则的话总有一天人工智能会突破瓶颈，比如智人的出现，他们总有一天会挑战我们人类的地位！
喜欢末世救亡计划请大家收藏：(www.qysc.net)末世救亡计划七月书城更新速度全网最快。