事先声明：

以下是猜想！以下是猜想！以下是猜想！

1，由于神经元的种类很多，而且各自有独特的功能，比如说有些神经元能实现兴奋功能，有些能实现抑制功能，有些能释放激素等等，也就是说，神经元是不通用的。但是如果分类详细描述的话，一则，难以表述，二则，难于理解。且限于篇幅及精力，我把不同种类的神经元看成是通用的神经元来展开描述，旨在借此把神经元如何处理信息的机理（智能原理）搞揭示出来，而不在乎具体的神经元生物学特性。因此，有些地方描述并不精确，和实际的神经元及其组成的网络有所出入。例如，有时候，我所描述的神经元网络种的某些神经元既能实现兴奋功能也能实现抑制功能，这和现实是不符，但是细心的读者会发现，如果把这个多功能神经元看成是实际的多个不同类型神经元群组成的单元的话，那么问题就不存在了。

2，尽管和实际情况会有所出入，这是在所难免的，但是大多数地方是正确的，并且是基于事实做出的合理猜测，另外无需纠结真正的神经元如何运作，应该把注意力放在信息如何处理这方面。

3，为了读者阅读理解的方便，有些地方牺牲了描述的严谨性。

4，尽管和实际情况会有所出入，但是我的理论偏重于信息的机理（智能原理），大多数地方可以做到一环紧扣一环，自成体系，在细节地方虽有不足，胜在勉强能自圆其说。总之，还是请谨慎阅读。

5，以下内容是我多年的研究，原创，全网首发，转载请联系本人。

神经元有很多种类，下图就是其中的一种，锥体神经元。它由三部分组成，分别是树突，胞体和轴突。树突是接受输入，轴突是用于输出的。神经元的树突在接收到特定的输入刺激后，其胞体就会被激活，并通过轴突向其它神经元或神经元群输出兴奋，从而导致更多的神经元被激活，形成此起彼伏的神经元网络激活现象，而神经元间的有序激活就是产生我们的思维和行为的根本原因。

神经元有两种状态，分别是静息态（非激活状态）和发放动作电位状态（激活状态）。神经元由静息态切换为发放动作电位状态，是因为其接受了来自其它神经元或神经元群或其它情况的输入，并达到或超过了必须达到的临界膜电位水平（阈值），使得神经元去极化产生动作电位最终通过树突输出神经冲动。简单来说，神经元产生输出的条件就是输入达到或超过了阈值。

阈值是神经元的重要属性。神经元是大脑的基础，而阈值就是这个基础的基础，大脑的所有功能都是由阈值来实现的。如果把神经元比作灯泡的话，阈值就是这个灯泡的开关。神经元的阈值有如下特点：

• 一般情况下，大多数神经元都有众多的输入，而每个输入都有独立的阈值；
• 它们决定着神经元是否被输入激活或何时被激活，换言之，阈值就是神经元对输入产生响应的灵敏值；
• 这些阈值并不是固定不变的，它们可以随着使用的频率而改变，或者单次使用的剧烈程度而改变，简单来说就是，要么用进废退，要么异常重要；
• 连接的阈值是与输入的电特性是一一对应的，同一连接不同的电特性会表现出不同的阈值；
• 阈值虽然会变化，但也会有保持相对稳定的时候。一旦某个神经元链路的输入的阈值变得稳定，那么代表这个神经元链路已经成熟，不再轻易改变，这相当于程序的固化；

而正因为这些特点才赋予神经元或神经元群强大的 “运算能力”。

神经元的输出有两种类型，分别是输出兴奋和输出抑制。输出兴奋的作用是在于试图激活其所连接的神经元，简单来说就是向其输出正能量；而输出抑制则与之相反，是用于传播负能量的。无论是输出兴奋还是输出抑制，都统称为输出神经冲动或曰发放动作电位。

无论是输出兴奋还是输出抑制，只要令到被输出对象的状态发生改变，这个输出通道就会得到强化，形成记忆痕迹，这个时候这个连接通道的阈值会发生改变。如果这个连接通道是经常使用，最终会导致这种连接非常稳定和被再次激活的优先级得到提高，通常我们会把这种情况称之为习惯。因此，从某种意义上来说，阈值可以理解为某段信息通道的被遗忘值。

由于神经元有不同的形态和连接方式，大多数神经元有不同的电特性（输出有多种形式，如下图），有些以稳定频率输出，有些以衰减频率输出，甚至有些以周期性爆发的形式输出兴奋。总之神经元的电特性是多样的，正是由于这种多样性配合阈值的多样性，可以使得神经元或神经元群能组成各种各样的电路，并实现非常复杂形式的输入与输出。

无论神经元的输出样式如何，神经元输出兴奋的作用大致有三类：驱动外设，通信和调节特定神经回路。

1. 驱动外设大多数就是指控制肌肉运动或释放激素等；
2. 通信是指通过传递兴奋给其所连接的神经元因而实现运算的功能；
3. 神经元也可以通过传递兴奋或抑制来控制其所连接的神经元网络的运作，如同控制肌肉一样。

神经元对输入的响应有两个特点，一是预热特性，一是疲劳特性。

神经元的预热特性事实上是神经元阈值这个属性的另一种表现，是指最近被激活过的神经元，它对输入做出反应的灵敏性会更高，这使得它可以在与其它神经元竞争时表现出更高的优先级，简单来说就是更易被再次激活。但随着时间的流逝，如果没有再次被激活，这个被预热的神经元会逐渐变“冷”。以下有个实验可以很好的解释神经元预热的特性：

做个实验，

我们先把“蛋糕”念十遍，

蛋糕，蛋糕，蛋糕，蛋糕，蛋糕，

蛋糕，蛋糕，蛋糕，蛋糕，蛋糕，

我们过生日的时候吃什么？？？

好的，我们再念“太阳” 念十遍

太阳，太阳，太阳，太阳，太阳，

太阳，太阳，太阳，太阳，太阳，

请问围绕地球转的是???

我们继续再念“才怪” 念十遍

才怪，才怪，才怪，才怪，才怪，

才怪，才怪，才怪，才怪，才怪

他不是猪吗？？？？

这就是神经元预热情况。这个特性在学习方法中有很多应用，为了不跑题，在此处就不展开讨论。

原创不易烦请点赞

疲劳特性是指，某些神经元对于那些“意料之内”的信号或者那些没有变化的信号或者哪些没有意义的重复输入信号产生 适应表现，使得原来的阀上刺激变为阀下刺激，即不会轻易被这些相同的输入再次激活。(注意这里说的神经元疲劳特性，和我们说因用脑过度而感觉大脑疲劳是有区别的，前者是指神经元对输入的响应特性，是微观的；后者是指人类意识对特定信息的识别和解释，是宏观的)相反地，这些神经元对“意料之外”信号反应灵敏，响应及时。例如，我们看到一张平常的脸的时候，我们一般对此没什么关注，但是如果这张脸多了一个眼的话，我们肯定第一时间发现，并吓一跳。

神经元疲劳特性非常有用，简直就是一举多得，它可以起到的作用是：减少能量的浪费，及时发现异常，实现默认功能，实现常闭功能，避免过载，避免循环，对输入信号进行运算等等。

在电脑编程的时候，如果我想知道某个输入是否有数据更新，我会在程序设定为每隔一段时间询问这个输入，把数据读出来然后判断是否有数据更新，这是常用的编程方式。例如操作系统提供一项服务就是监听服务，就是通过每个时间间隔读取键盘或鼠标的输入信息来判断用户是否有敲击键盘或鼠标的行为。但是这种方式会消耗计算机的执行时间（占用计算机的运算资源）。如果只有一两个输入需要如此监测，对整个计算机应用程序来说没什么，但是如果有非常多个输入需要这样询问，那么计算机的运算资源会被耗光，因而干不了其它事情。而神经元的疲劳特性很好地避免了这种浪费资源的情况，神经元通过对前一时刻的输入与后一时刻的输入自动作对比分析，如果是一样的，那么神经元表现出对信号疲劳特性，不再对输入信号作出任何反应，即不向外输出兴奋，但是如果信号不一致，神经元马上发放兴奋输出到别的神经元，即向上汇报“数据有更新”，这样就可以减少整个大脑的能量消耗。

如果神经元在很短的时间内，被多次相同的信号重复激活，那么它也会表现出疲劳特性，一方面为了避免因激活迅速消耗完其细胞体内能量储备而造成不可逆转的细胞损伤；另一方面激活频率太高对细胞的使用寿命也是一种挑战。

计算机会出现死循环。我们的大脑也有循环，正是因为有神经元疲劳这个特性才使我们可以跳出死循环。例如，当人类失恋的时候，就会表现出一种循环，即经常想起失恋，然后伤心，伤心加强记忆，强烈的记忆增加想起失恋这件事的机率。。。。。。

幸好神经元会因为被使用得太频繁而表现出疲劳，所以才会失恋的人最终走出此伤疼的记忆。这个因人而异，短则1个月，长则大约3年。

最后神经元疲劳特性还有一个伟大的贡献，就是可以对输入信号进行“比较”运算，并对不同的输入按照某种规则映射输出不同的结果。神经元会对前一时刻与后一时刻的输入进行比较会产生多种表现，如果比较结果为相同信号，神经元表现出疲劳的特性，输出为零；如果比较信号为线性的增减关系，则以某一约定频率（电特性）向下一层神经元或神经元群发放兴奋；如果比较结果是某一非线性关系，则会以另一约定频率发放兴奋。通过这样这些神经元构成一个能对输入信号产生识别的神经网络，这种网络在大脑里非常常见。

以上是介绍单个神经元的属性及特点，有了这些基础，下面开始讨论一下，多个神经元组合后的特性。

虽然单个神经元所能实现的功能是有限的，但是众多神经元组合成神经元网络是可以实现难以想象的复杂的功能。至于人类大脑的神经元网络的结构如何？以及这些神经网络的工作原理是什么？至今人类还未曾搞明白，此处不做讨论。尽管如此，大的方面无法弄明白，小的方面还是可以探讨一下。根据神经元上述的特性，以及计算机和认知学方面的知识，我们还是可以推测出神经元之间构成神经元链路的类型和其特点。

神经元链路的类型有多种，但是比较典型的有如下这几种：

第一，序列链路。也即一个神经元或者是一个神经元群组成的单元按序列的形式连接下一个。这样的链路可以完成有如流水线作业般的工作，如计算程序的执行。

第二，多对一输入链路。这种链路是指多个神经元的轴突分别连接到一个神经元的树突上的链路。就是下图这种形式，

这种连接方式在大脑的神经网络随处可见，它的意义在于，当这些输入的电压叠加后达到或超过神经元的阈值时，这个神经元才会产生动作电位向其它神经元输出兴奋。这种连接方式在很多介绍神经网络的书籍中都可以见到，但是其主要的作用却从未提及。其主要作用在于“竞争”。如美国总统究竟是希拉里还是特朗普来当呢？这当然有选民所投的票数来决定的。所以这种链路的作用主要用于“投票决定” 。为什么这样说呢？先留个尾巴，在后续的文章中我会详细说明这种结构。

第三，一对多输出链路。这种链路和上述链路刚好相反，在大脑的神经网络中也是随处可见。它的作用有两个，分别是：a)输出控制信号或把相同的信息传递给多个神经元或外设（如四肢），b)向被输出兴奋的多个神经元发送广播通知，寻找目标神经元。

如下图就是输出控制信号，有左侧前厅神经核出发，兵分三路分别是6，7，2用于调控双眼的运动。这种由一个输出点向多个终端发送指令的方法，经常用于驱使多个终端配合完成某件事的情况。

一对多输出链路的第二个作用，广播通知作用，是大脑非常重要的功能。神经元的这个自动应答的广播通知功能，是当代计算机梦寐以求的功能，至今也未能实现的功能。在现代计算机技术的编程条件下，如果要在某堆文件夹中查找某个文件，就需要一个一个文件夹查询，一个一个文件进行对比才能找到目标文件，如果这些文件的数量比较小的情况下，计算机是可以很轻松就实现这个功能，但是如果数量非常大的话，那么就需要耗费很长的计算机执行时间，甚至出现死机也完成不了任务。在编程中这种查找情况就是经常出现，并且很消耗计算机计算资源。而神经元一对多的输出链路的广播通知功能，并不需要一个个查询对比这么麻烦，只需要一个神经元或神经元群组成的单元对其所连接的多个神经元或神经元群组成的单元同时持续输出相同电特性的兴奋，如果存在匹配的神经元或神经元群组成的单元时，这个神经元或神经元群组成的单元就会响应这个输入，并因最先达到阈值而去极化，向下一层神经网络发放神经冲动。这种情况类似于，上学时老师点名查看哪个学生逃课，点到名字的就会应答。这个能力是并行运算的关键技术，不可等闲视之。

如下图，当一个神经元被激活后，它把兴奋同时传给下一层神经网络，在这层被传递兴奋的神经网络当中，由于会有一个神经元的权值是最高的（权值越高即阈值与低），所以它会被首先激活。例如，当我想，“我喜欢吃的水果是什么？”的时候，即下图最顶端的神经元被激活，跟着我想到是“榴莲”即权值为1的神经元被激活（代表此刻这个神经元阈值最低，最容易被激活）

第四，关联链路。这种链路是指，一个神经元或神经元群组成单元与另外一个或多个神经元或神经元群组成单元相互关联所组成的链路。这种关联链路又分两种形式，分别是：A）互锁关系；B）函数关系。

互锁关系是指 若A被激活，B必须被抑制，反之亦然。这种关系形式在电力拖动的电路种非常常见，在大脑神经网络的回路种同样存在着这种链路。

函数关系很好理解，即A与B成函数关系时可以使得C保持不变。例如，保持眼睛盯着某个视点不变，转动颈部的量与转动眼睛的量刚好成反比。例如在控制手的末端走直线运动时，臂部关节的控制量与肘部关节的控制量成某一函数关系才能实现。

下图是序列链路，一对多，多对一和关联链路的组合链路。

第五，闭环链路。这种链路是指，为了达到某种目的而形成反馈控制的链路。从另一个角度去理解这个链路的意义就是，对现实情况进行自动化调整，使得现实与预测或计划情况偏差最少。它由输入，输出，反馈，比较，调节输入几个部分组成的。

（如下图）为了实现眼睛对某一对象的稳定观察，大脑启动了这个链路，在头部转动时，导致左侧水平半视管旋转运动，即产生反馈信号，这个信号直接输入到左侧前庭神经核，神经核经过“比较”输出调节输入的信号，并经6，7，2三路分别向3个执行件输出控制信号，从而达到调节输入来保持眼睛的凝视。

闭环链路在大脑中不单是常用来运动控制的，也是大脑实现更个功能模块自动化的基础，也是一种非常常见且有用的链路。我会在以后的文章里会详细介绍这种链路的神奇之处。

原创不易烦请点赞

参考文献：

[1]Mar F. Bear , Barry W. Connors , Michael A. Paradiso. [Neuroscience: exploring the brain. 2nd ed.] ISBN 0-683-30596-4.