冯-诺依曼计算结构与类脑（受脑启发的）计算的主要区别

冯 诺依曼计算结构与类脑（受脑启发的）计算的主要区别 major differences between Von Neumann architecture and brain-inspired computing

冯˙诺依曼计算结构示意图见下。

图  冯 诺依曼计算结构示意图

冯˙诺依曼架构的计算机可以实现任何可用形式化方法描述的计算任务。未来，这种架构的计算机依然会在人类社会中发挥不可替代的作用，并为我们解决更多、更复杂的计算任务提供强大的工具。如四色定理构造性证明，没有冯˙诺依曼计算架构无论如何都是不可能的。发展具有更高计算能力的冯˙诺依曼架构的计算机，并在这种架构下应用形式化理论，实现大数据处理和跨领域的知识学习，依然是计算机科学与人工智能领域重要的科学目标。但我们面临的计算任务并不都是可用形式化方法来描述的。从人类认知信息加工机制的角度看，图灵计算及简单的并行分布处理架构，没有紧密的结合生物学实际，虽然目前的计算机可以高效的执行预定指令、完成精确的数值计算，然而其分离的运算和存储结构、以及有限的并行度（指令级、数据级、线程和任务级）、有限的容错和鲁棒性，特别是功耗问题制约了冯˙诺依曼计算架构的进一步发展。表1给出了基于冯˙诺依曼结构的计算与类脑（受脑启发的）计算的主要区别。
表  冯-诺依曼计算结构与类脑（受脑启发的）计算的主要区别