大脑的学习方式和机器的学习方式一样吗?
精确定位神经活动是如何随着学习而变化的，这不是黑白分明的。最近，一些人提出，大脑中的学习，或生物学习，可以从优化的角度来考虑，这是学习在计算机或机器人等人工网络中发生的方式。卡内基梅隆大学和匹兹堡大学的研究人员共同撰写的一篇新的观点文章将机器学习与生物学习联系起来，表明这两种方法是不可互换的，但可以用来提供关于大脑如何工作的有价值的见解。
生物医学工程、电子和计算机工程教授拜伦·余(Byron Yu)说:“我们如何量化我们在学习过程中在大脑和主体行为中看到的变化。”“事实证明，在机器学习和人工智能在美国，有一个完善的框架可以让某些东西在其中学习，即优化。我们和该领域的其他人一直在思考，与这个框架相比，大脑是如何学习的，这个框架是为了训练人工智能体学习而开发的。”
优化观点认为活动在学习过程中，大脑应该以数学规定的方式变化，类似于人工神经元在训练驾驶机器人或下棋时，其活动以特定的方式变化。
“我们感兴趣的一件事是如何理解学习的过程随着时间的推移而展开，而不仅仅是观察学习发生前后的快照，”卡内基梅隆大学神经计算和机器学习专业刚毕业的博士杰伊·亨尼格解释道。“在这篇文章中，我们提供了三个主要的结论，这对人们思考为什么会这样做很重要神经活动可能会在整个学习过程中发生变化，无法用优化来解释。”
结论包括在整个学习过程中神经变异性的不灵活性，即使在简单的任务中也使用多个学习过程，以及存在较大的任务非特定活动变化。
匹兹堡大学(University of Pittsburgh)生物工程教授阿隆·巴蒂斯塔(Aaron Batista)表示:“人们很容易从人工学习代理的成功例子中吸取教训，并假设大脑必须做它们所做的任何事情。”“然而，人工学习系统和生物学习系统之间的一个具体区别是，人工系统通常只做一件事，而且做得非常好。大脑中的活动是完全不同的，许多过程同时发生。我们和其他人已经观察到，大脑中发生的一些事情，机器学习模型还无法解释。”
卡内基梅隆大学和神经科学研究所的生物医学工程教授史蒂夫·蔡斯补充说:“我们看到了一个主题建筑和未来的方向。通过注意神经科学可以为机器学习提供信息的这些领域，反之亦然，我们的目标是将它们与优化视图联系起来，最终在更深层次上理解学习是如何在人工智能中展开的大脑．"
这项工作是与匹兹堡大学生物工程研究人员艾米丽·奥比(Emily Oby)和神经计算和神经科学博士生达比·洛西(Darby Losey)合著的机器学习卡内基梅隆大学。该小组的工作正在进行中，并与认知神经基础中心合作完成。认知神经基础中心是卡内基梅隆大学和匹兹堡大学之间的跨大学研究和教育项目，利用每个机构的优势来研究产生生物智能和行为的认知和神经机制。
进一步探索
