摘要
作者认为大多数动物的行为不是聪明的学习算法——监督或者非监督——的结果，而是编码在基因组中。具体来说，动物具有高度结构化的大脑连接，使它们能够非常迅速的学习。由于连接过于复杂无法在基因组中明确指定，通过“genomic bottleneck”进行了压缩，而genomic bottleneck为我们提供了一条能够快速学习的神经网络道路。
（是否可以认为人类和动物一开始有一套大致相同的神经结构，这套神经系统具备基本学习能力，在此基础上经后天的经验对网络结构进行改进）
一、
20世纪40年代计算机发明后，许多人相信计算机可以很快达到或超过人类的智力水平，人工自还能先驱者Herber Simon在1965年做出了著名预测：“机器将在20年内完成人类能够做的任何工作，即通用AI”。当然结果证明大错特错。
在今天的科技界，乐观的情绪再次高涨，很大程度上源于人工神经网络和机器学习（尤其是深度学习）的发展。机器视觉、语音识别、自动驾驶、机器翻译的发展如此迅速，以至于很多人预测我们正接近“技术奇点”，即人工超级智能触发失控增长并改变人类文明。在这种情况下，随着计算机功率的增加，将有可能制造出比建造者更智能的机器。而这个超级智能机器将建造更智能的机器，最终这个递归过程将加速，知道智能达到物理或计算机科学的极限。
尽管有这些进部，人工神经网络离人类智能还有很长的路要走。ANN可以在棋类游戏击败人类，但在大多数方面，如语言、推理、常识等都不及4岁儿童的认知能力，甚至离简单动物的能力还很远。许多最基本的行为，即使是对简单的动物来说毫不费力的行为，对人工智能也是遥不可及的。用人工智能先驱之一，Hans Moravec的话说：“人类大脑中高度进化的感觉和运动部分编码了10亿年关于自然世界和如何在其中生存的经验，我称之为推理的深思熟虑过程是人类思维最浅薄的一层，之所以有效是以为它是更古老且强大的无意识的感知运动知识（sensorimotor）所支持。我们都是感知和运动领域的非凡的奥林匹克运动员，我们做的太好了以至于让这些看起来非常容易。然而，抽象思维是一种新技巧，可能不到10万年的历史，我们还没有掌握它，其实并没有那么难。”
我们不能造出一个能筑巢、跟踪猎物或是装洗碗机的机器，在很多方面，人工智能远远不能达到狗、老鼠或是蜘蛛的智力水平，仅仅扩大当前的方法并不能实现这些目标。
好消息是，如果我们真的能达到老鼠的智力水平，那么人类的智力可能就离我们只有一步之遥了。我们的脊椎动物祖先大约出现在5亿年前，智力可能和鲨鱼差不多。人类智力进化的一个重大飞跃是新皮层（neocortex）的出现。大约1亿年前，当第一批胎盘类哺乳动物出现时，新皮层的基本结构已经建立，人类的大部分智力来源于对大脑皮层的精细加工。现代人类（智人）在仅几十万年前进化而来，对进化史不过眨眼功夫，这表明只要神经基础坚实，那些人类独有的特质，如语言和理性，实际上是比较容易实现的。虽然有些基因和细胞类型是人类独有的，就像其他物种一样，但没有任何证据表明人类大脑利用了老鼠或其他哺乳动物当前没有的基础神经生物学原则，所以老鼠和人类的智力差距可能比老鼠和AI之间小得多。这表明即便我们最终的目标是匹配或超越人类智能，人工智能的一个合理的近期目标是匹配老鼠的智能。
ANN的发明是为了根据神经系统的计算原理建立人工系统。作者提出，神经科学的附加原理可能加快实现人工老鼠甚至人类智能。作者认为，与人工神经系统不同，动物在很大程度上依赖于后天习得和先天机制的结合。这些
参考资料：
A critique of pure learning and what artificial neural networks can learn from animal brains
原文：https://www.cnblogs.com/xxdk/p/11928532.html