耶路撒冷希伯来大学与荷兰阿姆斯特丹自由大学联合开展的一项研究，为人类认知能力的独特性提供了全新解释。研究团队通过构建人工神经网络模拟单个神经元的信息处理模式，发现人类大脑皮层神经元的计算复杂度远超其他哺乳动物，这一发现可能颠覆传统神经科学认知。
实验中，科研人员开发了专门的人工神经网络系统，通过量化模拟任务的难度系数来评估生物神经元的计算能力。对比实验数据显示，人类神经元在处理信息时展现出更强的非线性运算特征，其信息整合效率达到其他哺乳动物神经元的三至五倍。这种差异在大脑皮层负责高级认知功能的区域尤为显著。
研究指出，人类神经元的优势源于其独特的生理结构。相较于其他物种，人类神经元的树突分支更为繁复，形成多层次的信号处理网络。配合特有的离子通道分布模式，这种结构使单个神经元就能完成传统观点认为需要神经元集群协作的复杂计算。实验验证显示，单个人类神经元的计算容量可与小型人工神经网络相提并论。
在技术应用层面，该研究为人工智能发展开辟新路径。当前主流的深度学习模型主要通过扩大网络规模提升性能，但这种模式面临算力消耗和能效比的瓶颈。研究团队提出的"生物启发式计算单元"设计理念，主张借鉴人类神经元的复杂运算机制，开发具有更高内在计算效率的新型人工神经元架构。
该成果已通过同行评审，完整研究数据发表在权威学术期刊《国家科学院学报》最新一期。论文详细阐述了跨物种神经元计算能力的量化评估方法，以及人类神经元特殊电生理特性的分子生物学基础，为后续脑科学研究和类脑智能开发提供了重要参考。
