但是遗传信息 在生物体内 是如何存储 和通报的，存储遗传信息的是 dna 还是 蛋白质，一贯到 1940年代，才研究的比较清楚。
确定了 dna 的 化学构造 和 遗传的。
中央法则。

相对付遗传信息是 如何通报的，那我们后天学习到的信息 在 神经系统中 是如何存储的，现在 还是 一片 模糊，只知道 大脑的 特定区域 与 影象有关，至于 靠什么分子机制来 存储学习到的 信息，冗余度如何，险些一无所知。
现在 可以用基因工程 改造动植物的 遗传性状，可以 制造出 基因敲除 小鼠，来研究 人类的 类似病症，比如研究圆头精子症。
如果把 影象信息的 分子机理 搞清楚了，说不来 未来 可以给 神经 系统 植入影象 和 学习 成果。

科学家在 研究神经系统的过程中，把稳到了 神经元 通过轴突 和 树突 相互连接，猜想 学习过程 和 信息获取便是 这些连接的改变，影象 便是 通过 这些连接 编码的。
要彻底 搞清楚 影象的 机理，还有待于 未来 科学的发展。

现在 打算机科学家 的研究思路，是先不关注生物神经系统的 详细运作机制。
集中于 思考 人的 心智活动 是如何 处理信息的，比如 人脸识别时，对像素信息 做了什么样的打算，围棋高手，练习围棋时，对棋局 的 判断 是如何随着 练习的增多而改变的。
假设了 一些过程，用打算机 程序 仿照出来，运用于实际场合。
alphago 在围棋上的成功，解释这些假设的过程 对处理 实际问题是有效的。
alphago 紧张采取了 两种过程，一是 人工神经网络， 另一种是 蒙特卡洛树 搜索。
在一些宣扬资料中，紧张以及神经网络，实在蒙特卡洛树 搜索 对alphago 的成功同样 主要。

打算机用于研究人脑以前面对的问题，具有的一个主要上风是 数据存储量 和 打算速率不是 人脑 可比的，比如人要 研究过去5年 股市的 变革规律，一天能过10个股票 累的 头晕眼花，打算机几分钟内 将这些 数据过一遍 毫无压力。
古人一贯没有创造地球是圆的，便是由于站的不足高，视野小，现在航天员到了太空，一下就可以看出地球是圆的。
打算机 超大的数据处理能力，会带来与靠脑力研究不一样的视野，创造以前没有创造的规律。

现在一些人 说理论物理的进展慢了，好永劫光没有新的 基本 规律和公式的创造了。
以前的造诣，牛顿的理论，涉及到 间隔，韶光，质量，万有引力常数等几个成分，maxwell 的理论，包含电磁强度，磁场强度，间隔，韶光等。
这些理论，包括 爱因斯坦的 理论，公式中都涉及到不会超过6个成分。
如果研究的 系统，影响成分 再增加，则无论是数据处理，还是进行剖析，都超过了 人 脑力的能力范围。

学习打算机编程时，一样平常人对 条件判断，以及循环，学习起来以为很随意马虎， 学习到递归方法时，以为理解起来，明显不如 循环随意马虎。
这个的 缘故原由，就在于，同样的步数，递归方法 须要的短期存储的 变量数，远大于循环。
人脑思考时，短期存储容量有限，以是问题稍一繁芜，就须要纸和笔 赞助进行短期存储。
而短期存储对打算机来说，毫无压力。
以是在打算机涌现以前，人类没有发展用递归来办理问题的思维办法，虽然数学归纳法，思想靠近于递归，但是 数学归纳法 证明时，分情形谈论，一样平常不会太繁芜，分情形太细，分枝超过6种，嵌套下来就会超出人脑的存储能力，感到繁琐，难以理解。

打算机以及广泛运用于 存储和处理数据，现在又用于下围棋，进行人脸识别，以前有 cad 打算机赞助设计，往后会发展出 打算机赞助 研究的 功能，利用 仿照 科学家 思维 和 处理数据，总结规律的过程，一定会促进科学的 飞速发展，创造 脑力难以创造的规律。