大腦內有 860億個神經元，但為什麼大腦的數學運算能力不如計算機快？
我看你們說大腦內有860億個神經元，現在的技術無法用計算機模擬大腦。可是為什麼在計算方面和邏輯方面我們的大腦卻不是很靈活呢？
先不論智商的問題，就是一個神經不健全的人的大腦也比幾億個計算機複雜對吧？照這麼說我們的大腦比計算機要比複雜不是一個數量級的，可為什麼我們學數學的時候卻要花很長時間，做邏輯問題的時候也要花很長時間，而相對簡單的計算機卻只需花費很少的時間？
由於學數學這些東西沒有什麼進化優勢。在許多有進化優勢的方面，人腦都比電腦要強大得多。
比如這麼一個人臉：
如果問你：這是誰？你多半可以回答上來，至少也能做出「我認識她」，「我見過她」之類的這個判斷。而且雖然他們平時見到的這個人和這張照片有很明顯不同，但認識她的人可以在一秒之內回答這個問題，甚至再變形一點也沒關係。現在就這一點，計算能力多強大的電腦也搞不定。別說這個，就連更容易計算的指紋識別也達不到一般人認臉的準確率。這是因為長期的進化為人腦預裝了「人臉識別模塊」。
比如這麼一個很二的動態系統：
二十一個大自由度，兩百多個個小自由度，六百多個執行機構，自身的穩定性超爛無比而且很多子系統之間耦合度還很強。面對這樣一個系統，你就算找世界上最頂級的控制論專家團隊，外加上幾百個節點的超算集群，也無法做到實時進行負重戰立、走路、跑步、上下坡、躲避障礙物等「簡單」功能（如果你還不能理解這個的難度，下次試試攙一個爛醉如泥的人回家，你會發現：走五十米所要消耗的能量比你控制自己的身體走五千米還要多）。而人不但能幹這些事情，而且還只用了很少一部分大腦，在干這個的同時能夠打電話，背單詞，跟路過的人打招呼，解數學題……這是因為長期的進化為人腦預裝了「穩定站立和走路」這一模塊。
比如這麼一個畫面：
如果在現場看比賽，那麼在你的眼睛裡的這個場景的解析度大約有兩億像素，大約相當於19000*11000的樣子，比藍光清晰一百倍。藍光視頻壓縮一小時大概是10GB，照這樣計算我們眼睛裡看到的世界，一小時就是1TB的數據，每天就最少是10TB的數據。一個星期的數據就能塞滿和大腦體積大小差不多的磁碟陣列，而大腦可以不間斷存儲幾十年，能自動壓縮，去重，備份重要數據，能隨機提取、按場景提取、按特徵提取……就算技術發展到今天，我們依然需要用幾十個機櫃來解決這樣的問題，而且在某些方面上性能還相差很遠——比如一個人可以在幾秒鐘之內回憶起三十年前重要事情的細節：比如三十年前第一次去現場看歐洲豪門比賽，心愛的球隊被領先兩個球的時候隊長臉上細微的表情。而要電腦幹這個事情兩個小時也不一定有結果。這是因為長期的進化為人腦預裝了「視覺壓縮和記憶」這一模塊。
比如這麼一段簡短的對話：
如果有人告訴你「it"s time for us to take a break.」，你在絕大多數情況下能馬上理解這是你的學生要求課間休息，下屬想休假，狐朋狗友告訴你他沒法再喝了，還是女朋友在暗示你她想一個人靜一靜（假定你懂英語的話）。你也可以輕鬆根據每種情況以及其它相關的信息（比如課程進度、公司規定、你自己還想不想喝酒、女朋友跟你關係怎麼樣。）組織一百種不同的回答。而且關鍵的是，每一種回答無論在語法、語義、語用、邏輯、情感等方面都毫不顯得突兀。但是反過來，就算把全世界所有的計算能力都交給最頂尖的自然語言處理學者，他們也沒法讓電腦做到這一點。這是因為人的大腦預裝了「語言」模塊。
這樣的例子還有很多。重點不是人腦有這些很牛的功能，而是人腦能輕鬆地同時完成這些功能——比如背著五千克的書包爬坡的同時認出了一個你的老朋友，然後邊走邊聊並將這個場景記憶了下來，而且普通人並不會覺得這會讓大腦由什麼負擔（其實同時大腦在此同時還在干著許多其它事情，比如不斷地調節著人的呼吸、心跳、呼吸、內分泌等一系列複雜的生化過程等）。而可怕的是人腦不但能輕鬆完成這許多工作，而且還十分節能環保，靠自帶電池只需要補充電解液就能續航好幾天。更可怕的是人還可以學習：從認識新的面孔到學習跳舞，從掌握新的語言到理解足球戰術，人都可以學得會。後面這兩點更是電腦遠遠比不上的。深藍能戰勝國際象棋高手，但是在人臉辨識方面基本上就是白痴——而且如果沒有人去修改這個程序，它將永遠都會在其它方面是這個樣子。
回到原先的問題：人腦非常很強大，但是為何就做不了複雜的數字計算呢？人腦非常很強大，但是面對複雜而多變的自然環境，就必須預裝許多模塊來應對。不這樣的話，人早就掛了（想想一下如果一個人一直認不出自己的父母，無法讀取時間稍長的記憶，或是無法跟他人用語言交流會怎麼樣？）。至於複雜一點的數學題算得多快，卻對人的生存能力的影響微乎其微。並且人腦在預裝了這些模塊用完了這些計算資源之後，剩餘的計算能力雖然稱得上小康，但卻遠遠沒有達到可以隨便任性的程度。所以人可以努力讓某些任務完成得非常好，但是全部都是經過艱苦卓絕的訓練，通過對大腦剩餘的計算能力重新「編程調試」得來的，而這些「編程調試」工作的完成者，還都只是你自己一個人而已。（實際上做數學題做得好的那些電腦，背後也是許多高水平的程序員辛苦編程調試的結果，一台沒有裝任何軟體的計算機是連1+1都做不了的。）舉一個栗子來回答題主的問題：人肉計算機。
首先感謝劉慈欣，這個思路來源於他的「三體」。
讓參與的每個人扮演一個邏輯門：與門，非門，或門。
每人左手黑色旗，右手白色旗。
每人關注和自己連接的輸入者。
當每個門的扮演者觀看到了輸入者舉起的旗子（也就是讀取到上一級的門的輸出）後，根據自己的角色來舉旗（與門：連接到自己的全部上級都舉白棋，自己才舉白棋，否則舉黑旗；非門：連接到自己的上級舉白棋則自己舉黑旗，上級舉黑旗自己則舉白旗；或門：上級全部舉黑旗則自己舉黑旗，否則自己舉白旗），連接到這個人的下一級根據這個人舉的旗再作出反應，以此類推。
當連接得當的時候，就可以實現加減乘除的四則運算了。當然加減乘除的電路設計是不同的，事實上是根據順序遞增的，加法最簡單，除法最複雜，具體可參見四則運算計算器數字電路設計。
用這個辦法動用幾十甚至上百個人做一次除法，也許你會覺得很笨，很花時間，用一個人用手在紙上算一下不就有結果了么？但是假設有足夠多的人用這種方式來組成一個計算機，這個計算機的其他部分只能讀懂這樣的旗語作為這個計算模塊的輸出，那麼無論作為計算單元的人本身計算多快，那麼這個「人肉計算模塊」計算一次都會是很慢的。
所以結論來了：你的腦細胞可以很快的計算加減法，但是你的宏觀意識無法讀取單個神經元或者一個負責計算的神經簇的精確的計算結果，腦神經的工作目的在於運行起人腦的意識，並維持和演變，意識自身的計算只能依賴於意識自己的表達，而無法精確控制某些神經元來進行計算並讀取計算結果。神經元計算和意識本身的運行在層次上完全不同的，因此無法精確互通。
因為數億年的生物進化歷程不是以完成數學運算為目標的，這1000億個神經元的目標是：在地球上生存下去。而更快地完成數學運算對這個目標顯然沒有什麼幫助。
你觀察到的現象主要是人腦和計算機的體系結構不同而造成的。
首先澄清一個誤區，你說「人腦比電腦複雜」是有問題的，也許你指的是人腦的神經元數量比電腦中的晶體管數量多，但神經元和晶體管並不是功能對等的實體，兩者數量的差異不能說明誰就比誰「複雜」。就算拿神經元和神經元、晶體管和晶體管同類相比，數量差異也不等同於結構複雜性。一個神經網路就算只有10個神經元，我看也比10000個互相不搭界的神經元要複雜，是這個道理吧？所以「人腦比幾億台電腦還要複雜」這個結論輕易是不好下的。其實「複雜度」是非常難定義的概念，還是避而不談比較明智。
回到你說的問題，為什麼人腦學習數學證明和邏輯推導的時候通常比計算機要慢得多？這個說法也有問題，首先人在學習數學和邏輯的時候可不慢，很多證明和推導都是數學家「靈光乍現」產生的結果，這些成就目前還無法用計算機程序來完成，也就是說給計算機一萬年它也做不到。雖然計算機科學近年來對於人臉識別、自然語言處理、機器自動證明的發展已經令人大為讚歎，但是一般認為離人腦的思維能力還差得遠。
不過對於四則運算這種算術題來說，計算機確實遠遠快於人腦。這是因為即使一個簡單的多位數加法也是要通過按位相加、進位、整理求和等步驟來完成的。只要是這種分步驟完成的任務，就必然需要對中間結果進行保存，然後傳遞到下一步驟繼續運算。但是人腦天生是個很爛的存儲器，因此對中間結果的保存能力很弱，不但耗時長，而且記不住。計算機天生牛逼在存儲能力上，因此電腦能把這種「計算—保存—再計算」的簡單步驟加速到極致，所以人腦的短板反倒成了電腦的特長。1000億個神經元都是用來做加減乘除的？？？
因為大腦原本設計就不是用來進行數學運算的。
就像你用收音機來進行加減乘除一樣，能算出來就已經很不錯了。
如果把人腦處理器比作通用處理單元+專用處理單元的組合，那麼相對人腦，電腦就是一個完全的專用處理器。
其實我們有個誤解，以為走個路，吃個飯，看個東西是多麼容易的事情。但是你知道走路，吃飯這倆簡單的動作其中牽扯到多少塊骨骼肌肉的協調？多少神經系統的信號傳遞？你走路（吃飯）的時候，眼睛看著目標，順便掃視下路面狀況（別的菜肴），腿腳（手指手臂）幾十個關節的傳動，再順便還能玩個手機（抖個腿），這可都是你大腦處理的結果啊。就如排第一的答案所說：
面對這樣一個系統，你就算找世界上最頂級的控制論專家團隊，外加上幾百個節點的超算集群，也無法做到實時進行負重戰立、走路、跑步、上下坡、躲避障礙物等「簡單」功能。
又比如睜眼看東西，你知道人眼有多少像素嗎？人的眼睛有多少像素，iso範圍，光圈範圍？在這個答案中（暫且不討論對不對），我們知道最大12億左右，當然由於邊緣劣化加上中心有效像素要小的多，但我們也姑且算作是個億級的數字。變形金剛這類電影，裡面逼真的視覺特效的每一幀都要花費計算陣列幾十上百小時的時間來運算，尚且還只是1080P（200萬像素），即使是4K也不過800萬像素，家用電腦用4K解析度玩遊戲至少要雙路泰坦~那並不真實的畫面還總掉幀呢~人腦可是全天候維持億級像素60+全程無掉幀運算的呀。
在人類出現的數百萬年里，我們每一代祖先都被他們的下一代教做人，才成就了現在的你你我我。數千萬年的進化，我們早已經把諸如逛街吃飯看電影這種複雜的事情變成一條條指令集固化在我們的大腦里，我們在進行這些活動的時候就像視頻硬解碼（專用處理單元）一樣，大腦遇到這些數據想都沒想就直接給結果，大腦的通用處理單元也就是我們的意識根本就沒參與運算，也就是說，你根本不知道你完成了多麼大級別的運算。
而且我們人腦的容錯率高的可怕，比如有幾億會寫字的中國人就有幾億種中文字體，就算人家寫的丑，但你特么就是能認出來，但是你把你自認為寫得不錯的字給電腦識別看看？計算機系統就不是為了高容錯率而設計的。
人腦辣么流弊，那為什麼就是搞不定數學呢？
數學才出現多少年啊？有2000多年嗎？普及也就是這兩三百年來完成的事情，而且數學一直都是少數人的玩物。也就是說，即使到現在，絕大部分人，也就玩玩最最最基礎的數學而已。幾十代天才人類的接力運算，數學才慢慢變成現在這個如此龐大精妙的體系。數學真正發展才幾百年的時間，人類根本來不及把指令集固化在大腦里啊！
於是數學這玩意只能用通用處理單元來運算了。
你，甚至許多許多許多人的祖祖輩輩一輩子就沒接觸過數學！人類進化鏈條的某一個小分支，也就是到你，或者你父母，很可能是你們這一支鏈條裡面第一次接觸到數學的人類呀~~人類數學天才數學大師可能窮極一生才能研究透數學體系里的某一條分支。你作為一個普通的，通用處理單元不夠大的常人，滿負荷運轉解決數學問題尚且不得的時候，難道就不會想：「啊！我果然就是智商不足么。」而且我們遇到陌生的弄不明白的東西會本能的抗拒好吧（想起了作為學渣考前預習的艱苦日子）。。。。
而電腦，就是我們人類為了解決日益增多且複雜的數學問題發明的，完完全全按照數學的規則設計出來的，特么就是一個用來解決數學問題的專用處理器啊！！而且裡面全都是人類精英的成果啊！！（有興趣的同學建議去看看《模仿遊戲》這部電影，講的是計算機科學之父 圖靈 的事哦~挺好看的）通用處理器怎麼跟數學專用處理器比計算數學？
好了，行文至此。
我們姑且把第一代計算機和人類的數學運算能力划上等號。
把你，或者你爸，或者你爺爺作為人類進化鏈中的某一支中第一次接觸數學的人類。那麼你可能會有1~3點數學天賦點。
而計算機，從1950年的第一代開始算起，按照摩爾定律兩年一代算起，也有30+的天賦點了。。
總之在數學運算方面計算機就是吊打人類。
先不論那群人類精英跟你屁關係都沒有，關鍵是電腦現在還沒有智能啊~~待到電腦有了智能。。。
呵呵~~人類可能就全方位被吊打了。。。
有興趣請看 @謝熊貓君的專欄：
為什麼最近有很多名人，比如比爾蓋茨，馬斯克、霍金等，讓人們警惕人工智慧？ - 謝熊貓出沒注意 - 知乎專欄
前面的許多答案已經很精彩了。 不過看到 「那麼多神經元就是用來做加減乘除的？」 這樣的疑問還是有些愕然。某個角度上說它們還真是用來做加減乘除的，不光如此，求導，積分，概率密度估計啥的估計也少不了。
上面答案提到的人臉識別，物體識別， 運動控制等等過程中，神經元們時刻都在做計算， 這些計算基本上可以用加法, 乘法，和一些非線性函數來模擬， 這和題主問題里的「計算」和「邏輯運算」 沒有本質區別。受神經元啟發誕生的人工神經網路可以逼近任何函數，何況幾位數的加減乘除。真正的生物神經網路自然也不會差。
做個開腦動的理想實驗，計算兩位數加法。 假設體外培養一群神經元中， 我們人為選中幾個神經元作為輸入， 幾個作為輸出， 用儀器鉗制這些神經元輸入電流， 使每個神經元的放電頻率代表輸入或輸出數字的某一位（方便起見，就用二進位吧）， 如此多次，用足夠量的輸入輸出樣本， 再假設培養皿里有足夠量的健康神經元，可以承受這樣的訓練，不會死也不會瘋。訓練好後，可能速度不一定比電腦快和准， 但應該會比一個普通人快很多。 這種訓練省去了編碼兩位數的過程， 也沒有用專門的可以用語言表述的規則(例如逐位相加和進位)來描述加法。 而對於人， 提取數字「38」，「44」每位數字的含義需要計算， 回憶和執行規則也需要大量的計算， 自然會慢很多。
那為啥大腦不按這個實驗里可能得到的方式編碼兩位數加法呢？ 我要開始樸素地揮手推測了，基本贊同 @曹夢迪@盧Alpha@米糯牛 各位的觀點，因為我們的神經元最主要的訓練任務確實是視聽，運動等這些進化中關乎生死存亡，而且輸入輸出時時刻刻無法避免的活動。 而數和邏輯的概念是從觀察到的實體世界裡抽象出來的， 似乎還很依賴語言和語意編碼，而且這種任務的訓練壓力不大，確實可能不是用最優手段實現的。
解數學問題也是認知研究熱點呢， 歡迎各路大神科普。因為計算機是時間線性的邏輯結構。大腦是神經元重複反饋的象形結構。
個人觀點。
人腦做數學運算用的是非常低效的方式做的，因為架構不一樣，神經元本身並不是邏輯門，人腦用了極大規模神經元才能模擬出比較可靠的邏輯和數理運算單元，並且還是有可能出錯，速度也很慢。
類似於搞數字電路模擬的，從門電路開始模擬，模擬出來的cpu計算效率可能只是真機的千分之一。要是用模擬電路虛擬軟體，從晶體管開始搭cpu，假設有人真這麼幹了，估計模擬的效率可能都只有千萬分之一了。
題主你這ID問我這問題？？我才看到，你就當我下面是在胡說吧。。。反正我也碼不過你。。。
先上乾貨，8086隻用了4萬個晶體管。就算十個神經元能模擬一個晶體管，也只要40萬個。而且用不了那麼多。
人腦純計算（就拼整數浮點數加減乘除位運算，不算識別什麼的）能力連8086萬分之一都不到(當然了突觸結構是瓶頸也得考慮進去)，而這些只需要40萬不到的神經元正確排列。注意，正確排列。
神經元多就一定好？
未必。
紅石電路一樣可以完成計算機該有的一切。人的神經元雖然多，但排列方式不行。
如果能重排出時鐘，匯流排，ram定址，加法器，各種邏輯運算器，那就和真正的晶體管計算機沒有任何區別。
只不過自然界的排列方式爛而已。
腦去計算一個數，不僅慢，而且居然能算錯，一個計算工具，居然能算錯，而且概率還不小，這還不足以表現出這套結構在串列計算方面的劣勢嗎？
雖然在自然界能產生的範圍內已經不錯了，但論運算能力還是不行。腦更像一堆控制電路，只能完成一些指定的任務，以及他們的組合，就像PLC.人腦這種硬體實現的好處是功耗低，並行度高。20瓦能做這些，其實也不差了。如果用計算機做同等規模的軟體模擬（就算一百億個中間層的三層神經網路，想想都帶感），那功耗要高的多。(路由器里的CRC冗餘校驗是硬體實現的，軟體也能做但是無法並行)
天然的神經網路啊，簡直是炸裂，硬體實現機器學習。
基本上把所有的答案都看了，發現大部分要點各位幾乎都說了，但是在關於「人腦計算和邏輯為什麼這麼慢」的問題上，很關鍵的一點卻沒有人提到。
我覺得影響人腦在這方面表現的最大瓶頸就是思維。
人腦在思考或者計算的時候，實際上是在腦海里默念/默想，而默念/默想的是有一定載體的。一般是自然語言。比如計算的時候，漢語使用者會在腦海里默念一、二、三、四……英語使用者會默念one、two、three、four……
也有其他的載體，例如圖形化。
邏輯思考和計算的每一個步驟都依賴于思維，而思維依賴於一定的載體，於是邏輯思考/計算的速度就受限了。
在頭腦中進行計算的時候，一部分是依賴於記憶，例如一位數與一位數的乘法，背過99乘法表就可以快速出結果，例如程序員對於128、1024、65535等數字的敏感。另外有一些技巧可以用來簡化計算，把原先比較複雜的算式轉換為等效的、比較簡潔的算式。普通人在腦海中的計算，和用紙筆在紙上計算是沒有什麼不同的。例如，多位數的乘法，轉換為若干個一位數與一個多位數的乘法，然後把幾次相乘的結果相加起來。這裡每一個細分後的步驟都對應於我們的思維，最終落實到腦海中自然語言的默念上。 在這種情況下，腦海中的思考與計算無法超過腦海中自然語言默念速度的瓶頸。
複雜的數學計算的速度，還要遠低於默念的速度，主要有兩個因素：
一是記憶的問題，這點其他一些答案也提到了。複雜計算有時算到一半的時候，發現前面的中間結果不記得了，結果那部分就需要重算一次。
二是「對齊」問題。以58*37為例，實際上分解為58*7+58*30，也就是58*7的結果，加上58*3並且左移一位的結果。更多位數的乘法，就需要多個計算結果移位對齊之後再相加。
所以，即使思維的速度遠比寫字快，對於普通人來說，複雜計算用紙筆的效率卻比心算快很多。
高票答案中提到的人腦遠遠優越於電腦的那些功能，例如操縱身體、圖像識別等等，仔細觀察一下，就會發現這些功能的細節對於大腦來說都是透明的。比如說，用手抓東西，大腦是如何調動諸多神經元，以達到控制多組肌肉運動，並且嚴格控制時序，以便於不同肌肉可以協調配合，這些細節我們的思維都是不知道的。更極端的情況，例如有東西在我們面前落下，大腦的思維都來不及想「抓」這個字，可能手已經抓出去了，這算是本能反應吧，就是不但細節對於思維是透明的，連抓東西的指令都不是思維發出的。
拿計算機作類比的話，大腦的一些高級功能模塊與思維之間的區別，就類似於硬體與軟體的區別。在計算機領域，一個功能如果既可以用硬體實現，又可以用軟體實現，那麼硬體實現肯定是速度更快的。因為硬體電路是人類設計的結果，設計的目的就是在有了電流輸入的情況下，電流在電路中跑一趟，輸出端直接就能出結果。知乎有個問題「計算機是如何識別0和1的」。其實計算機根本不懂0和1，計算機的邏輯控制、數學運算等等，歸根到底都被轉換為與或非等等的邏輯運算，按照邏輯代數設計好相應的由與或非門、移位器、鎖存器等等組成的電路之後，只要有輸入，電流在電路中一走，就能得出結果，計算機自己根本不知道自己在幹嘛。
人腦計算相當於用軟體，在思維中拆分計算過程，並且一般受限於自然語言默念的速度，其速度肯定是比較慢的。而一些複雜的功能，我們姑且認為大腦里有相應的「功能處理模塊」，可以高速高效地完成這些功能，其過程不需要思維控制。
但是人腦和計算機實際上是不同的。一是計算機軟體實現的話，是把一個問題拆分成若干步驟，然後以極高的速度執行這些步驟，比起人腦受限於自然語言速度的思維要快得多。另一個是計算機硬體電路基本上功能是固定的，即使可編程電路，功能也只能在有限的範圍里變動。而人腦的「功能模塊」，也許有很多不同的功能是同一個區域的神經實現的，也許各自不同但是使用上有所重疊。人腦的「功能模塊」可以實現快速的功能切換，其內在實現應該不會像電路那樣簡單，而是數量巨大的神經元刺激、反饋，大量的並行運算，來靈活地實現各種功能需求。
人腦是可以通過訓練來強化一些功能的。例如圍棋選手在對殺的時候可以迅速看出要點所在，計程車司機頭腦中有城市的平面圖，擅長投籃的籃球運動員可以在無防守、保證體力、低頻率的情況下有接近100%的中投命中率（肌肉記憶實際上是神經在控制）。我們在思考一些問題的時候，一般會把問題拆成若干步驟，然後其中一些步驟又會進一步拆分，但某些步驟我們在思考的時候並不需要拆分，而是可以直接出答案，這可以看成是天賦+訓練的結果。
上面說的是針對普通人的情況。而受評論區的指正，人腦是很有潛力的，經過長期訓練的人，在腦海中計算時可以很大程度上跳過自然語言這個載體，並且可以依賴一些技巧用遠超常人的速度來完成計算。
但是，即使通過訓練可以極大強化人腦的計算能力，但我覺得它無論如何還是比不上電腦。
1、即使人腦中出現了專用於數學計算的模塊，可以瞬間出結果，但是受限於輸入（聽/看題目）與輸出（說/寫結果）的速度，和電腦無法相比。
2、人腦無法避免出錯，即使強化訓練降低出錯幾率，仍然不能保證100%正確。從其他答案來看，人腦遠優於電腦的那些方面，其實是有一定模糊性的。例如，強調眼睛與人腦配合的高精度圖像處理能力，需要注意一個事實：基本上只有在視覺中心的圖像才是最高精度的，而周邊圖像的細節獲知遠不如視覺中心。在有一定模糊、不夠精確的情況下，即使可以瞬間計算，但對於計算結果的正確與否，也仍然需要驗算，會拖累速度。
3、就像有些答案說的，數學計算能力強，在自然競爭中並沒有什麼優勢，這部分的功能就不會被選擇/強化。正相反，因為計算機/計算器的普及，現在歐美髮達國家人民的計算能力實際上在下降，例如超市結賬的笑話。
4、雖然人腦潛力很大，經過長時間嚴格訓練可以在計算能力方面有極大提升，但對於電腦來說，作為最初就是以精確計算為目的發明出來的專用機器，數學計算只是它的基本功能。兩相比較，對於絕大多數人來說，就沒有必要再經長時間嚴格訓練來提升計算能力了，因為不必要。你：母親和女友同時落水，請選擇其中一個進行救援。
電腦：請先設定優先順序。
你：＠(￣-￣)＠
電腦是人工產物，而人類是大自然的產物；
電腦優先滿足人類需求，人類優先滿足生存需求；
自然界沒有數學的概念。
數學完全是人腦抽象的產物。所以數學計算會有且僅有一個正確結果。即使是神，按照數學定義的方式去計算，也會得到這個結果。這個結果是所有人和神共享的。這是人渴求的真理。數學是否可以解釋計算以外的絕對真理？比如世界的本源？人類一直在嘗試，好多科學家都說過數學是基本組成。這樣，數學有些走入了神秘主義。
然而真理是人類內在的追求，是理性賦予我們的能力。很可惜，我們人類還需要競爭食物，水，配偶，生存權...，我們沒有提升到應有的精神道德層次，還不能把所有能力精力放在真理追逐上，比如說數學計算。
計算機cpu的溫度可以超過80度，你能嗎？
問題的關鍵是，目前為止，我們都尚且不清楚神經元是如何完成計算的。
更何況連最普通的家用計算機，CPU的計算速度是GHz級的，神經元放電頻率最多不過幾百Hz.
所以單純看數量就是沒有意義的，類似的問題是，
中國有14億人口，為何科技還不如美國發達？
人大腦有100多億腦細胞.每個細胞有幾百個神經.並行運算.比現在最快的計算機運行速度快大約20個數量級.也就是大約快100000000000000000000倍.按摩爾定律的發展.100多年後的計算機才可以達到人腦的運算水平.不要去和電腦比純計算的快慢.你想想像一下識別一個人的運算速度.也就是你見到張三無論他穿什麼衣服.什麼髮型.你都可以一下子分別出他就是張三.他你用電腦去識別這個的話.要處理和運算多少個信息才可以得出這個結果,並且還會不夠準確.當電腦有一天可以準備完全無誤像人這樣分別出一個人就是張三的時候.你再看一下這台電腦的運算能力.你就知道人腦的運算能力有多強了.計算機只能運算所有可預見並且並且簡的的鍵盤輸入或者聲音和攝像機輸入.你想一下人的輸入方式有多少程.並且精確度和電腦相比.比如你站在人流擁擠的大街上.你看一眼也馬上可以分別出各種物體和人還有發生是什麼事情.目前的計算機還沒有這樣的運算能力.你想下你目前的一些攝像機是放上去都是幾百W像素的.人眼同樣的道理.但精確度要好上不知多少倍哦.一樣要大腦運算.各和感覺都要大腦處理.數學上的運算只是人腦的一部分而己.
大家都沒答到根上，電腦做數學運算是數學運算（或者說邏輯運算），大腦做數學運算其實並不是數學運算。
換句話說：
電腦做什麼都不過是玩0和1的遊戲，或者說"是"或"否"的遊戲，大腦無論做什麼，都是玩"像"或"不像"的遊戲。
從你讀題開始，大腦先解決紙上那些文字像什麼，像1還是2。到後來輸入完成，它還要解決1加1的結果像不像2的問題。
你也許會奇怪，1加1的結果還用懷疑？
當你決定回答2的時候其實你的大腦是抵住了很多錯誤的誘惑或干擾然後確定正確答
案的。
說到底，大腦根本沒有做運算，它只不過是在碰運氣。
樓主，修改一下問題吧。錯得離譜了。神經元只有100億個左右，數量達到1000億的是神經膠質細胞。後者不負責信號傳遞。
作為專業愛好人士，與同行進行商討，他人勿入。
大腦研究至今未有突破，別說門了，連窗戶在哪都不知道。
大腦比喻圖
類似這種層次的解讀根本沒有意義。
我認為大腦的複雜度十分高，所以以往的研究，太過粗糙，沒有價值。
下面重點：
1.我建議研究大腦，要把每一個神經元當做一個單獨的單位進行研究。像命名宇宙星系一樣，給每一個細胞命名。如此需要單獨的上億個研究小隊。
2.研究生命系統結構層次的所謂的細胞---組織---器官---系統，單位跨度太大。我認為，大腦的運轉，完全可以以2個細胞為單位進位，3個細胞一起工作，4個5個6個細胞一起協作，甚至一會兒和這個一起，一會兒和那個一夥。所以，它們的組織層次簡直是無窮多。那上億個研究小隊所要做的工作達到星系量級，非常複雜。
第谷·布拉赫（Tycho Brahe，1546年12月14日－1601年10月24日），丹麥貴族，天文學家兼占星術士和鍊金術士。
維基百科 第谷·布拉赫
3.這樣的研究持續幾年十幾年，彷彿第谷的數據積累，然後靜待一個生物學、腦科學界的牛頓誕生。
4.還有一點十分奇妙，每個人的DNA都大不相同，但卻能產生類似的大腦，擁有著幾乎完全相同的記憶思維之先天形式，讓人驚訝，嘆服。
此生研究生命科學，樂趣無窮，悲哀無限。
嗚呼哀哉!
推薦閱讀：
※動物會生氣嗎？
※在腦中植入電極用意念控制機械手臂的工作原理是怎樣的？
※從生物進化的角度講，為什麼腦袋長外面，為什麼要有脖子？
※手寫字形美觀程度與生理差異有關嗎？
※為什麼眼睛能看到的圖像內，只能同時吸收和思考處理一部分信息？