大腦的另一大顯著特征也在打網(wǎng)球時發(fā)揮了重要作用：神經(jīng)元間的連接強度可隨著活動和經(jīng)驗發(fā)生改變。神經(jīng)學家普遍認為，這一變化過程是人類學習和基因的基礎。重復訓練可使神經(jīng)回路變得更適宜執(zhí)行相應任務，從而大大提高速度和精度。

近幾十年來，工程師一直在從大腦中汲取靈感、以改善計算機設計。并行處理模式與可根據(jù)用途修改的神經(jīng)連接強度已成為了現(xiàn)代計算機的基本原則。例如，增加并行處理如今已是計算機設計的一大趨勢，從多核處理器的流行便可略知一二。此外，機器學習和人工智能領域的“深度學習”近年來發(fā)展迅猛，對電腦和手機上物體與語音識別功能的飛速進步功不可沒，而這其實是受了哺乳動物視覺系統(tǒng)的啟發(fā)。就像視覺系統(tǒng)一樣，深度學習也用多層結構代表越來越抽象的特征，每層之間的連接強度權重可通過“學習”進行調整，而非由工程師預先設計好。這些進步大大拓寬了計算機可開展的任務范圍。不過，人腦的靈活性、歸納能力和學習能力仍然遠超當前最先進的計算機。隨著神經(jīng)科學家不斷揭露大腦的奧秘（計算機也在其中發(fā)揮著越來越重要的作用），工程師也能從中受到更多啟發(fā)，進一步改善計算機的架構和性能。誰在特定任務中勝出并不重要。無論是神經(jīng)科學還是計算機工程，均能從這些跨學科交叉研究中受益良多。（葉子）