一项由耶路撒冷希伯来大学与荷兰阿姆斯特丹自由大学联合开展的研究发现，人类大脑中单个神经元的信息处理能力显著超越其他哺乳动物。这一发现表明，人类认知能力的卓越表现不仅与神经元数量及其连接密度有关，还可能源于单个神经元本身具备更强大的运算能力。
研究团队通过构建人工神经网络模型，模拟了不同哺乳动物神经元对输入信号的响应模式。他们以模型完成模拟任务的复杂程度作为衡量标准，发现人类大脑皮层神经元在处理信息时表现出更高的效率。实验数据显示，人类神经元对输入信号的整合与运算能力远超实验对比的其他物种。
科学家指出，这种差异主要归因于人类神经元独特的生理结构。人类神经元的树突分支更为复杂，且电信号传导特性具有特殊性，使其能够执行更精细的信息处理。传统观点认为神经元仅作为简单的信号开关，但新研究表明，单个神经元实际上相当于一个微型计算中心，其功能复杂度可与现代人工智能中的深度神经网络层相提并论。
这项研究对神经科学领域长期存在的认知起源理论提出了挑战。过往研究普遍认为，智力水平主要取决于神经元总数和神经网络连接规模，而新发现强调了神经元个体计算能力的重要性。研究团队建立的物理结构-计算功能关联模型，为理解大脑如何产生高级认知功能提供了全新分析框架。
在人工智能应用层面，该成果为开发新一代神经形态计算系统提供了生物灵感。当前AI技术主要依赖扩大模型规模来提升性能，而新研究提示，通过模拟生物神经元的复杂运算机制，可能设计出更高效的人工神经元单元。这种技术路径有望突破现有AI发展对算力和数据量的过度依赖。
完整研究论文已发表于国际权威学术期刊《国家科学院学报》，其构建的神经元计算能力评估体系为后续脑科学研究奠定了重要方法论基础。
