AI與BI，腦機之間，人工智慧如何理解生物大腦？：感知編碼×持續學習×腦網路建模……從感知、情緒、語言到數位孿生腦，解析生物智慧與機器智慧的雙向啟發
活動訊息
閱讀漫遊錄-2026上半年暢銷榜
飢餓遊戲前傳贈早優券
高功能倖存者：如果不「有用」，我還值得被愛嗎？（限量作者親簽版）
內容簡介
從生物腦到數位腦，
人腦如何啟發人工智慧，人工智慧又如何推動神經科學研究？
從人腦功能、神經表徵到深度學習與生成模型的跨領域解析
【從人腦到機器，重新追問智慧本質】
人類對智慧的探索，歷經萬物有靈、機械自動裝置、神經科學與人工智慧等不同階段。隨著大型語言模型在推理、語言與創作上的能力快速提升，智慧是否只是參數規模與運算能力的累積，成為當代科學的重要問題。本書指出，人類智慧並非單純取決於神經元數量，更涉及神經元之間的連結方式、訊息流動、功能分工與系統運作。人腦經過漫長演化形成高效、靈活且具有適應性的運作機制，至今仍能為人工智慧的架構設計、持續學習、記憶整合、穩健性、可解釋性與創造力提供重要啟發。
【以工程視角解析人腦功能系統】
全書第一部分從智慧的定義與人工智慧基礎出發，引介資料集、機器學習、神經網路、最佳化演算法、Transformer及各類生成模型，建立理解人工智慧的基本架構。接著依據David Marr提出的目標、演算法與實現三個分析層面，逐一探討視覺、聽覺、嗅覺、體感、運動、情緒、語言、睡眠與夢境等人腦功能系統。書中不僅說明感覺受器、神經通路、大腦皮質與認知功能的運作原理，也比較生物智慧與人工智慧在訊息編碼、表徵學習、控制與決策上的異同，並介紹卷積神經網路、自然語言處理、電子皮膚、機器人、情緒辨識及夢境解碼等相關應用。
【人工智慧如何推進腦科學研究】
第二部分將視角轉向人工智慧在神經科學中的實際運用，涵蓋多模態神經訊號處理、神經資料預訓練模型、潛在表徵學習、生成模型與腦網路建模等主題。書中說明如何處理fMRI、EEG與iEEG等神經資料，並透過深度學習擷取特徵、融合多模態訊息、解碼神經活動及分析行為。針對高維且複雜的腦科學資料，人工智慧可協助建立神經動力學模型，探索大腦結構、功能與行為之間的關係，也能應用於癲癇、阿茲海默症、帕金森氏症、精神障礙與腦老化等研究，為理解腦部疾病及個別差異提供新的計算方法。
【走向人腦智慧與人工智慧的融合】
本書進一步介紹數位孿生腦與基於模型的神經調控，探討如何結合大腦結構、神經訊號、動力學模型與人工智慧，建構可模擬個人大腦運作的虛擬模型，並應用於腦功能研究、疾病治療與類腦智慧發展。書末從自然演化與工程設計兩條路徑，回顧人腦智慧與人工智慧的起源、差異及共同方向。未來，腦機介面、類腦計算與人機協同系統可能進一步擴展記憶、計算與創造能力，但同時也須審慎面對隱私、安全與倫理問題。本書搭建腦科學與人工智慧之間的知識橋梁，適合作為人工智慧研究者認識神經科學的入門讀物，也可為腦科學工作者提供計算建模與資料分析的系統性參考。
【本書特色】：
本書以人腦智慧與人工智慧的雙向啟發為主軸，結合神經科學、認知科學與計算方法，從視覺、聽覺、嗅覺、運動、情緒、語言到睡眠與夢境，解析大腦功能及其人工智慧實現；並介紹神經訊號處理、生成模型、腦網路建模、數位孿生腦與神經調控等最新應用，兼具理論架構、技術方法與跨領域視野，適合作為研究與學習的系統性參考。
人腦如何啟發人工智慧，人工智慧又如何推動神經科學研究？
從人腦功能、神經表徵到深度學習與生成模型的跨領域解析
【從人腦到機器，重新追問智慧本質】
人類對智慧的探索，歷經萬物有靈、機械自動裝置、神經科學與人工智慧等不同階段。隨著大型語言模型在推理、語言與創作上的能力快速提升，智慧是否只是參數規模與運算能力的累積，成為當代科學的重要問題。本書指出，人類智慧並非單純取決於神經元數量，更涉及神經元之間的連結方式、訊息流動、功能分工與系統運作。人腦經過漫長演化形成高效、靈活且具有適應性的運作機制，至今仍能為人工智慧的架構設計、持續學習、記憶整合、穩健性、可解釋性與創造力提供重要啟發。
【以工程視角解析人腦功能系統】
全書第一部分從智慧的定義與人工智慧基礎出發，引介資料集、機器學習、神經網路、最佳化演算法、Transformer及各類生成模型，建立理解人工智慧的基本架構。接著依據David Marr提出的目標、演算法與實現三個分析層面，逐一探討視覺、聽覺、嗅覺、體感、運動、情緒、語言、睡眠與夢境等人腦功能系統。書中不僅說明感覺受器、神經通路、大腦皮質與認知功能的運作原理，也比較生物智慧與人工智慧在訊息編碼、表徵學習、控制與決策上的異同，並介紹卷積神經網路、自然語言處理、電子皮膚、機器人、情緒辨識及夢境解碼等相關應用。
【人工智慧如何推進腦科學研究】
第二部分將視角轉向人工智慧在神經科學中的實際運用，涵蓋多模態神經訊號處理、神經資料預訓練模型、潛在表徵學習、生成模型與腦網路建模等主題。書中說明如何處理fMRI、EEG與iEEG等神經資料，並透過深度學習擷取特徵、融合多模態訊息、解碼神經活動及分析行為。針對高維且複雜的腦科學資料，人工智慧可協助建立神經動力學模型，探索大腦結構、功能與行為之間的關係，也能應用於癲癇、阿茲海默症、帕金森氏症、精神障礙與腦老化等研究，為理解腦部疾病及個別差異提供新的計算方法。
【走向人腦智慧與人工智慧的融合】
本書進一步介紹數位孿生腦與基於模型的神經調控，探討如何結合大腦結構、神經訊號、動力學模型與人工智慧，建構可模擬個人大腦運作的虛擬模型，並應用於腦功能研究、疾病治療與類腦智慧發展。書末從自然演化與工程設計兩條路徑，回顧人腦智慧與人工智慧的起源、差異及共同方向。未來，腦機介面、類腦計算與人機協同系統可能進一步擴展記憶、計算與創造能力，但同時也須審慎面對隱私、安全與倫理問題。本書搭建腦科學與人工智慧之間的知識橋梁，適合作為人工智慧研究者認識神經科學的入門讀物，也可為腦科學工作者提供計算建模與資料分析的系統性參考。
【本書特色】：
本書以人腦智慧與人工智慧的雙向啟發為主軸，結合神經科學、認知科學與計算方法，從視覺、聽覺、嗅覺、運動、情緒、語言到睡眠與夢境，解析大腦功能及其人工智慧實現；並介紹神經訊號處理、生成模型、腦網路建模、數位孿生腦與神經調控等最新應用，兼具理論架構、技術方法與跨領域視野，適合作為研究與學習的系統性參考。
目錄
序一
序二
前言
第一部分 人腦功能與人工智慧基礎
第1章 智慧科學導論
第2章 人工智慧基礎原理
第3章 視覺感知與智慧運算
第4章 聽覺感知與訊息處理
第5章 嗅覺感知與氣味編碼
第6章 體感系統與觸覺技術
第7章 運動控制與智慧應用
第8章 情緒機制與情感智慧
第9章 語言系統與人工智慧
第10章 睡眠、夢境與智慧啟發
第二部分 人工智慧與腦科學應用
第11章 多模態神經訊號的處理與分析
第12章 神經資料的預訓練模型
第13章 大腦潛在表徵與神經編碼
第14章 生成模型與神經科學研究
第15章 人工智慧驅動的神經科學
第16章 腦網路的建模與應用
第17章 腦結構、腦功能與行為關聯
第18章 數位孿生腦的建構與應用
第19章 模型導向的神經調控
第20章 智慧融合之路：人腦與人工智慧
參考文獻
序二
前言
第一部分 人腦功能與人工智慧基礎
第1章 智慧科學導論
第2章 人工智慧基礎原理
第3章 視覺感知與智慧運算
第4章 聽覺感知與訊息處理
第5章 嗅覺感知與氣味編碼
第6章 體感系統與觸覺技術
第7章 運動控制與智慧應用
第8章 情緒機制與情感智慧
第9章 語言系統與人工智慧
第10章 睡眠、夢境與智慧啟發
第二部分 人工智慧與腦科學應用
第11章 多模態神經訊號的處理與分析
第12章 神經資料的預訓練模型
第13章 大腦潛在表徵與神經編碼
第14章 生成模型與神經科學研究
第15章 人工智慧驅動的神經科學
第16章 腦網路的建模與應用
第17章 腦結構、腦功能與行為關聯
第18章 數位孿生腦的建構與應用
第19章 模型導向的神經調控
第20章 智慧融合之路：人腦與人工智慧
參考文獻
試閱
第1章 智慧科學導論
1.1 智慧的本質與多樣性
1.1.1 智慧的定義
「什麼是智慧？」這是一個深刻且引人深思的問題，涉及神經科學與人工智慧（artificial intelligence，AI）的交會點。在本書中，我們將深入探討這一問題，並嘗試為讀者提供更全面的理解。
智慧是一個多層次、複雜的概念，涵蓋了思維、學習、適應和決策等一系列高階認知能力。雖然已有諸多研究，但智慧在生物學層面的實現機制仍不完全清楚。
神經科學的研究旨在揭示智慧的生物學基礎，探索大腦中神經元如何相互作用，以及神經網路如何處理資訊、儲存記憶、產生意識等複雜功能。透過不同的系統，我們能夠完成各類複雜任務：感知覺系統讓我們感知世界的「色、聲、香、味、觸」；語言系統賦予我們聽、說、讀、寫的能力，從而實現資訊的傳遞與交流；運動系統使我們能夠與外界環境進行有效互動；而決策與推理系統則支持目標導向的規劃與選擇。透過深入研究大腦的執行機制，我們能夠更全面地理解智慧的本質。
與之相對，人工智慧關注於建構具備智慧行為的機器系統。其核心技術支援電腦能夠執行包括圖像辨識、語音理解、推理決策等複雜任務。近年來，基於基於大規模預訓練模型（如GPT系列、DeepSeek等）的發展，人工智慧已經在許多領域取得了超越人類的表現。例如，在自然語言處理領域，GPT系列模型透過海量文本資料的訓練，能夠產生高品質的文本，完成複雜的語言理解任務，甚至在一些標準化的語言推理和文本生成競賽中超越了人類專家。在電腦視覺領域，DALL-E模型展示了人工智慧在圖像生成方面的突破性進展，能夠根據自然語言描述生成高度逼真的圖片，創作出超出傳統視覺素材的創意作品。大規模預訓練模型透過利用大量資料和複雜網路結構，展現出卓越的自適應性和泛化能力。在視覺、語音及語言理解等多模態任務中，大型模型能夠融合多源資訊，進行深度推理，實現更為精細和全面的智慧表現。
大型模型的成功不僅推動了人工智慧技術的快速發展，也為我們提供了更深層次理解智慧機制的視角。透過模擬大腦的神經網路結構和資訊處理機制，人工智慧的進展有助於揭示大腦智慧的工作原理，並為神經科學提供了新的研究方法。與此同時，神經科學對大腦的深入理解也為人工智慧的發展提供了啟發，推動了神經網路模型及其學習機制的創新。
在本書中，我們將從人腦智慧（brain intelligence，BI）和人工智慧兩個角度出發，幫助讀者全面理解智慧的本質，以及介紹神經科學和人工智慧領域在智慧相關研究中的最新進展。我們將回顧智慧的歷史，探索其未來的發展可能性，並思考智慧對社會和文化的深遠影響。最終，我們的目標是為讀者提供一個思考和討論智慧的深刻平臺，以便更容易理解並塑造智慧的未來。
1.1 智慧的本質與多樣性
1.1.1 智慧的定義
「什麼是智慧？」這是一個深刻且引人深思的問題，涉及神經科學與人工智慧（artificial intelligence，AI）的交會點。在本書中，我們將深入探討這一問題，並嘗試為讀者提供更全面的理解。
智慧是一個多層次、複雜的概念，涵蓋了思維、學習、適應和決策等一系列高階認知能力。雖然已有諸多研究，但智慧在生物學層面的實現機制仍不完全清楚。
神經科學的研究旨在揭示智慧的生物學基礎，探索大腦中神經元如何相互作用，以及神經網路如何處理資訊、儲存記憶、產生意識等複雜功能。透過不同的系統，我們能夠完成各類複雜任務：感知覺系統讓我們感知世界的「色、聲、香、味、觸」；語言系統賦予我們聽、說、讀、寫的能力，從而實現資訊的傳遞與交流；運動系統使我們能夠與外界環境進行有效互動；而決策與推理系統則支持目標導向的規劃與選擇。透過深入研究大腦的執行機制，我們能夠更全面地理解智慧的本質。
與之相對，人工智慧關注於建構具備智慧行為的機器系統。其核心技術支援電腦能夠執行包括圖像辨識、語音理解、推理決策等複雜任務。近年來，基於基於大規模預訓練模型（如GPT系列、DeepSeek等）的發展，人工智慧已經在許多領域取得了超越人類的表現。例如，在自然語言處理領域，GPT系列模型透過海量文本資料的訓練，能夠產生高品質的文本，完成複雜的語言理解任務，甚至在一些標準化的語言推理和文本生成競賽中超越了人類專家。在電腦視覺領域，DALL-E模型展示了人工智慧在圖像生成方面的突破性進展，能夠根據自然語言描述生成高度逼真的圖片，創作出超出傳統視覺素材的創意作品。大規模預訓練模型透過利用大量資料和複雜網路結構，展現出卓越的自適應性和泛化能力。在視覺、語音及語言理解等多模態任務中，大型模型能夠融合多源資訊，進行深度推理，實現更為精細和全面的智慧表現。
大型模型的成功不僅推動了人工智慧技術的快速發展，也為我們提供了更深層次理解智慧機制的視角。透過模擬大腦的神經網路結構和資訊處理機制，人工智慧的進展有助於揭示大腦智慧的工作原理，並為神經科學提供了新的研究方法。與此同時，神經科學對大腦的深入理解也為人工智慧的發展提供了啟發，推動了神經網路模型及其學習機制的創新。
在本書中，我們將從人腦智慧（brain intelligence，BI）和人工智慧兩個角度出發，幫助讀者全面理解智慧的本質，以及介紹神經科學和人工智慧領域在智慧相關研究中的最新進展。我們將回顧智慧的歷史，探索其未來的發展可能性，並思考智慧對社會和文化的深遠影響。最終，我們的目標是為讀者提供一個思考和討論智慧的深刻平臺，以便更容易理解並塑造智慧的未來。
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價