生物神经元是否连续组织？
拥抱复杂的现实
要说“是”，将是过于简单化，就像数字学习由于某种简单的递归形式应用于一组一阶谓词逻辑规则而产生的效果一样，就像沿着妖精的彩虹奔向金币。
最后一组问题是适当的：“这是真的吗？人们相信它有多强烈？这是来自什么研究？” 您需要进行问卷调查才能确定人们对大脑神经元主要处于分层结构的信心。提及在层实际研究似乎并没有作出任何声称层是最如果任何情况下，连续的。皮肤具有连续的层，但是仅具有层的皮肤将缺乏毛孔，毛发，与体孔的界面以及许多其他特征。在人脑（或动物脑）中，皮肤的三维复杂性大大增加。
从AI研究人员的角度来看，如果
- 应用于专家系统的启发式或理论证明的递归方案可以产生学习或智能，或者
- 人（或鸟）脑图可以简化为成排排列的相同神经元行中的一组类似神经元。
问题中提供的图像没有说明这种简单性。它实际上说明了相反的情况，即自然很少具有如此复杂的透明性。
“由于神经元似乎经常组织在连续的层中”的特征是不准确的。下面显示的特定切片的更合理的特征表明，两个区域可能是离散不同的，最左边的网格为8％，其余的92％则为水平连接。
电气工程师或数学家可能不会将这两个部分称为层。可以假设左侧是某种形式的矩阵，而右侧的92％可以认为是复杂的处理电路。
2D结构的表征
- 轴突主要沿单位矢量（-1，0，0）描述的方向指向，否则记为从右到左。
- 对于x的情人值，轴突的密度增加，这是由于轴突的较高比例终止于较低的x值。
- 原子核密度在x的0.1到1.0比例范围内相对均匀。
- 原子核的大小和相关的枝晶复杂度大致符合梯度，主要最大值位于x比例值的0.8处，次要最大值位于x比例值的0.55处
- 在这些成比例的x位置之间至少有两个轴突分叉。
- 在x的比例值的0.0到0.08范围内，几乎等距离的公理都大致平行于z轴。
- 其他结构模式是模糊的或不存在的。
另一幅具有混沌结构的图像
数百万次的复杂性
进一步考虑，在三维神经系统结构的单个切片中，很多复杂性对观察者都是隐藏的。如果我们任意决定图像是与xz平面平行切开的切片，则可以看到该xz平面中的关系，但看不到xy和yz中的关系。大脑中其他方向或位置的任何其他切片都将像进入Mandelbrot集的任意窗口一样独特。
研究结果的错误陈述
“大脑的某些部位已绘制完毕”这一短语也具有误导性。绘制了人脑子结构之间的一般连通性，而不是信号以及单个神经元中信号传播和强度的标准。在两个大脑之间的神经元水平上，电路存在根本性的差异，它们都在体内（生物体）表现出智能。
这个比喻就像一个微生物大小的人，上面有大洲，主要城市和航运路线的地图，但没有运输系统的先验知识，没有GPS，也没有其他想要从埃菲尔铁塔到地球的详细地图。悉尼悉尼市中心。没有足够的交通系统发展或详细的路线来成功完成旅程。
如果人脑的结构和功能的细节达到足以构建电子版本的细节水平，则缺少的部分包括对
- 轴突或树突生长的长度或分叉的条件
- 根据已知的内部结构在细胞质内保存状态信息的神经元激发的条件。
- 人类基因组及其变种之间的联系以及对各种基因的结构，基因表达机制及其相关酶和蛋白质的影响
- 我的神经科学教育水平之外的其他复杂性。
- 除了每个人的神经科学教育水平以外的其他复杂性。
层和层次
寻求在教育和实践中使用的层或层次结构在科学中很常见，因为它们可以帮助理解解剖结构。这种趋势已经出现在操作系统设计，编程语言设计，应用程序设计以及现在的AI设计中的软件工程中。随着这些技术领域的发展，趋势实际上已经从纯粹的面向层或分层设计转移到了更多不受约束的互连零件网络。要求简单，但是有时需要复杂性。
模拟智能是一个苛刻的目标，而简单性在尝试设计智能数字系统的前半个世纪中失败了，很明显，工作解决方案将需要复杂性，因此需要大量的专业知识。
可以合理地假设，在以层或层次结构为主要特征的结构的方向上没有限制人类智力发展的约束。为了简化学术研究，进化过程没有注意到简单性。DNA基因表达或胎儿或以后阶段神经元的生长方式都不会在结构或功能上强制执行这种简单性规则。
导致我们认为是智力的大脑特征的DNA表达有多复杂？产生这些表达的神经系统有多复杂？有些人认为，人类必须先进化，然后人类的思想才能模仿自己。这样的猜想可能是对还是错。即使在数量级上也很难预测。
乐观预测的数值分析
已经提出了预期寿命的指数增长，德国太阳能电池板的部署能力，CPU速度（每秒执行微处理器指令），晶体管密度（摩尔定律），共产党的规模以及许多其他指标，但是，尽管自然界和人类努力的增长速度在早期通常是指数级的，但从未证明过这种可持续性。此后不久，增长率几乎是线性的，并且随着接近饱和而变得更切线。从饱和开始，指标的值趋于下降，并且在混沌拟合中会增加，并且会在很长一段时间内开始。
2005年4月，戈登·摩尔（摩尔的《法律》的作者）指出：“ [指数增长]不可能永远持续下去。指数的本质是您将其推出并最终导致灾难。” 他后来说：“就[晶体管的尺寸]而言，您可以看到我们正在接近原子的尺寸，这是一个基本的障碍。”
重要的是要了解摩尔不是发明法律。他查看了二十多年的数据，发现晶体管密度大致与e t成正比，其中t是自集成电路首次进入大众市场以来的时间长度，然后根据清晰的趋势数据预测了进一步的指数增长。
现实的预测
人类从未尝试过像创建自我模拟那样从根本上突破极限的事情。如果没有相关经验可以知道指数增长，线性增长，反正切增长或其他某种形式是最可能的模型，那么最安全的模型可能就是Occam的Razor所规定的线性预测。
要做出任何预测，必须收集一些数据点。尽管这是一个现实的预测，但它并不是一个非常勤奋的预测。也许可以做更多的工作来找到比线性模型更有可能的模型，开发一种理论和度量系统以确定在任何时间点的进度，或者收集更多的数据点以建立最小二乘拟合。出于此答案的目的，我们将仅使用两个数据点并进行线性外推。
在1660年，布莱斯·帕斯卡（Blaise Pascal）在他的Pensées（《思想》）中写道：“算术机器产生的效果比动物的所有行为更接近于思想。但是它没有做任何使我们能够将意志归因于动物的行为。动物”，因此当时就已经在寻找人类智力的机械模拟。
从那时起，计算机程序员已经开发出可实现许多人工功能的代码。
- 数值和逻辑计算（CPU）的一般化
- 办公自动化
- 模式识别（适用于写作，语音和场景）
- 功能最优化电路（神经网络）上的收敛
- 概率在决策中的应用（贝叶斯定理等）
- 能够在离散游戏中表现出色的规则系统
当前范围的数字系统智能数字仿真所缺少的功能非常重要且数量众多。
- 列举一般问题方法的直觉
- 卓越的自然语言能力
- 艺术中的情感表达
- 艺术中的政治表现力
- 打好运动（在机器人系统内）
- 做好工作（任意指示）
- 学习在工作中做新事物
- 在没有领域经验的情况下开始项目
- 综合归纳分析
- 根据要求对任意物理设备进行复杂的设计）
- 软件开发（根据要求开发软件）
- 开阔的学习领域
- 实时识别替代物
- 情感亲密
- 同情和同情
- 综合自我评估
- 开发新的数学领域以证明假设
- 去上课，了解更多
- 沿所需的学习路径挑选书籍和文章并阅读
- 这些方面的其他功能
鉴于此清单是经过删节的，并且软件中尚未实现的这些项目在机械上无法用自然语言描述为已成功编程的项目，因此，我们可以相对确定，在2017年，我们拥有仅实现了数字化系统的数字系统人们期望的完整功能的广泛程度的一小部分，而不会称呼该人为智障人士。从成就列表来看，计算机软件已经模拟了聪明人所做的事情的不超过10％。
没有任何理由相信发现的速率会下降或上升（尽管有人声称人类的进步是指数级的1），简单的线性近似将相对完整的电子大脑放在5,587年左右。
