同时，人们发现大脑具有不同的功能区域，每个区域专门负责同一类的任务，例如视觉图像识别， 语音信号处理和文字处理等等。并且在不同的个体上，这些功能中枢在大脑皮层上的位置大致相同。在这一阶段，计算机科学家为不同的任务发展出不同的算法。例如，为了语音识别，人们发展了隐马尔科夫链模型；为了人脸识别，发展了Gaber滤波器，SIFT滤波，马尔科夫随机场的图模型。因此，在这个阶段，人们倾向于发展专用算法。

　　脑神经科学的几个突破性进展使人们彻底改变了看法。2000年左右，Jitendra Sharma在《自然》上撰文[2]，汇报了开奖直播们的一个令人耳目一新的实验。Sharma把幼年鼬鼠的视觉神经和听觉神经剪断，交换后接合，眼睛接到了听觉中枢，耳朵接到了视觉中枢。鼬鼠长大后，依然发展出了视觉和听觉。这意味着大脑中视觉和听觉的计算方法是通用的。

　　2009年，Vuillerme和 Cuisinier为盲人发明了一套装置[3]，将摄像机的输出表示成二维微电极矩阵，放在舌头表面。盲人经过一段时间的学习训练，可以用舌头“看到”障碍物。在2011年，人们发现许多盲人独自发展出一套“声纳”技术，开奖直播们可以通过回声来探测并规避大的障碍物。Thaler等研究表明，开奖直播们“声纳”技术采用的并不是听觉中枢，而是原来被废置的视觉中枢。

　　种种研究表明，大脑实际上是一台“万用学习机器”（universal learning machine），同样的学习机制可以用于完全不同的的应用（图5）。人类的DNA并不提供各种用途的算法，而只提供基本的普适的学习机制，人的思维功能主要是依赖于学习所得。后天的文化和环境决定了一个人的思想和能力。换句话而言，学习的机制人人相同，但是学习的内容决定了人的mind。

　　图5 大脑皮层的不同功能区域

　　可塑性（Plasticity）

　　人的大脑具有极强的可塑性，许多功能取决于后天的训练。例如，不同民族语言具有不同的元音和辅音，阿拉伯语最为复杂，日语相对简单。出生不久的婴儿可以辨别听出人类能够发出的所有元音和辅音。但是在五岁左右，日本幼儿已经听不出很多阿拉伯语中的音素了。同样，欧洲人可以非常容易地辨认本民族面孔，但是非常容易混淆亚洲人面孔。人们发现，如果大脑某个半球的一个区域受损，产生功能障碍。依随时间流逝，另一半球的对称区域会“接替”受损区域，掌管相应功能。这些都表明大脑神经网具有强烈的可塑性。

　　长期以来，人们倾向于认为大脑神经元网络依随学习和训练，其联结复杂度逐渐增加，愈来愈多的联结建立起来。近期，一些神经科学家提出了相反的看法。开奖直播们观察到，婴儿睡觉时，如果有剪刀掉到地上，婴儿的应激反应是全身的，而相对成熟的儿童的应激反应只集中在局部肌肉上面。开奖直播们找到一些证据表明，婴儿的某些神经网络是全联通图，依随年龄的增长和学习训练的积累，许多神经联结会自行断开，从而形成简化的网络。

　　梦的解析（Dream）

　　大脑学习算法的普适性和可塑性一直激励着计算机科学家不懈地努力探索。历史性的突破发生在2006年左右。三位计算机科学家，Geoffrey Hinton，Yann LeCun 和 Yoshua Bengio突破了深度学习的技术瓶颈，引领了深度学习的浪潮。相比于以前的状况，主要的技术突破在于以下几点：优化方法的改进，更加简单的优化方法，特别是随机梯度下降方法的应用；使用非监督数据来训练模型以达到特征自动提取；使用越来越大的数据集；深度神经网络和大数据训练需要巨大的计算能力，GPU 的普遍使用解决了这一迫切要求；等。现在，深度学习方法突飞猛进，在图像识别（image registration），文本处理（text），语音处理（speech）等领域的基本问题上，都已经超过了传统方法。在图像识别领域，2015年深度学习方法的识别准确率已经达到人类的水平[4]。

　　同时，对于深度学习神经网络的理解加深了人 类对于自身智力活动的理解。长期以来，人们对于梦境一直没有很好的理解。一直解释观点如下，如图7所示，大脑中有一对海马体（Hipocampus,，图6），它们和人类的长期记忆有关。如果把大脑比喻成一个数据库，那么海马体就像是索引。如果海马体有问题，那么许多存入的记忆无法被取出，同时也无法形成新的记忆。每天晚上，海马体将当天形成短暂记忆加工成长期记忆，在这一过程中，就形成了梦。海马体和其开奖直播神经中枢相连，处理其它中枢已经处理好的数据，形成新的编码。海马体和视觉和听觉中枢直接相连，因此，在梦中能够看到并且听到；但是，海马体和嗅觉中枢并不相连，因此，在梦中无法闻到气味。本港台直播们在梦中经常能够看到平时看不到的奇诡景象，可以用深度学习的方法加以模拟解释。

　　图6 大脑的海马体（Hipocampus）