1樓：neptune super
有人拿記憶體模擬，其實不對。人的大腦是可以接受身體的養料的，神經細胞進行生長的過程本就需要吸收大量能量。所以學了東西之後體積的變化是有可能的，但由於記憶是在大腦中隨機分布的，你無法證明到底那一部分是因為儲存你學的東西而增加的。
2樓：
簡單的解釋下，知識儲存在大腦裡跟軟體儲存進硬碟/記憶體裡是乙個道理，不是增加了東西，只是儲存介質的排列改變了。就好比七巧板同樣七塊板拍出不同圖案類的。
3樓：貓尾巴被踩
你們家電腦手機記憶體硬碟塞滿後是不是更重了？
——更，有人認真的話——
同類結構的儲存器，計算速度和儲存空間和質量大小成正比，同理，神經元也是越複雜越多理論上功能越強，但是知識和資訊一樣，是看神經突觸鏈結而非看神經細胞生長，細胞生長最快是從0歲到15歲，之後就走下坡路甚至倒退，老了還腦萎縮，但是知識記憶未必，神經突觸建立神經連線耗費能量不假，但是耗費的能量沒有用來增加重量而是用來改變迴路了，就好像一張紙上用筆寫似乎是增加重量，用刀劃是減少重量，但兩種方式都能記錄資訊，神經網路是利用這些資源建立更複雜的結構，而非堆積更多神經元；記憶不是隨機分布，記憶與整個神經系統一致，手指上的神經末梢也有你彈琴打字的記憶，你學習的動作多了，神經末梢並不會更粗壯，因為現有的神經末梢遠遠能夠承載你幾輩子學習需要的手指動作記憶迴路
硬碟儲存了資料會變重嗎？
不會學新的知識了怎麼辦？
侃爺 要善於利用好工具，推薦使用roamedit，讓你以輸入帶輸入，讓已學知識產生關聯。由於Roam Research的出現，Workflowy 幕布 Dynalist瞬間變成了 傳統 的大綱筆記，感覺就是上個世紀的產物一樣。Roam Research需要科學上網和高昂月費，Obsidian不是基於...
2023年了，深度學習有哪些好用的新運算元了？
東臨碣石 軟閾值化是訊號降噪演算法的常用步驟，可能會是乙個有潛力的運算元。式中的 表示閾值，是乙個需要提前設定的正數。與ReLU啟用函式相似，它的梯度要麼是1，要麼是0，也有利於避免梯度消失問題。如果用圖形化的形式表示，就是 軟閾值化能夠用於降噪的前提是，幅值小於閾值的訊號是雜訊，幅值大於閾值的訊號...
如果讓你的孩子以遊戲學習知識，你會列出什麼遊戲清單？
不溶於水阿泰爾 首先必須要明白乙個前提，遊戲最多只能讓孩子對知識感興趣，在遊戲中能夠學到的乾貨相當少。讓我來列清單的話我想我會這樣列 任天堂系列遊戲，大富翁等親子遊戲 三國志，文明系列遊戲，刺客信條系列遊戲 使命召喚系列，戰地1，最後生還者 暫時就這麼多吧，想起來再補充。 白么弦 大魚和am的解謎遊...