关于神经网络模型的一些争议之讨论_一个很现实的问题是

一个很现实的问题是，神经网络模型有很多种，类脑计算机显然不可能全部支持。那么类脑计算机应该采用哪种神经网络模型呢？这就要看我们的根本目标了。我们的根本目标是智能，因此评价标准应该是很明确的：应该支持智能处理能力最强的神经网络模型。或者说，神经网络模型智能处理能力越强，我们就认为它越接近脑，类脑处理器就越应该支持它。

例如， IBM设计了一款脉冲神经网络芯片TrueNorth ，曾经引起了很大的轰动。脉冲神经网络有时域信息，每个神经元的输出是一串电脉冲。而深度学习用的人工神经网络中，每个神经元的输出则是一个数字。直观上看，脉冲输出确实比数字输出更接近生物神经元细胞。但是深度学习权威雅恩·乐昆（Yann LeCun）指出， TrueNorth所采用的脉冲神经网络“从未在任何有意思的（智能处理）任务上表现出与当前最好算法接近的精度” 。在MNST这样的基准测试集上，脉冲神经网络的精度（90%左右）甚至比不过20世纪80年代的浅层人工神经网络（95%以上）由于TrueNorth没有实用价值， IBM也开始遣散这个项目组，自己掉头去做深度学习了。