神经网络与行为进化的奥秘
神经网络的容错性与进化特性
网络模型在容错性方面与神经系统相似，无论是面对损伤本身，还是通过学习来补偿损伤的能力。以计算机程序为例，一个小故障，如 1 位的改变或意外输入，就可能使其完全失效。而网络通常可以通过平滑的变化进行进化，不过这种进化能力也可能存在一定的限制。
应对新情况的能力
正确应对新刺激对动物的生存至关重要。新情况包括与以往经历相似的刺激和截然不同的刺激。大多数神经网络模型能够自发地进行泛化，在新情况下尝试类似熟悉情况下的合适反应。这种能力在非常简单的网络中就已存在，源于记忆和输入处理的分布式特性。此外，动物还进化出了应对新情况的通用方法，如探索行为和回避行为。但神经系统究竟如何检测和处理新情况，目前还没有令人满意的解释。
行为进化的物质基础
神经系统的进化
研究行为进化，了解基因突变或基因新组合能对行为机制产生何种改变十分重要。基因并不直接编码行为，而是控制神经系统（包括感受器和效应器）的个体发生，进而控制行为。神经系统的进化体现在多个方面：
-结构和数量变化：基于高度保守的胚胎发育分子机制，神经系统通过其部分的数量和结构变化而进化，如复制和后续分化。
-连接模式变化：各部分之间的连接模式也会发生进化，如轴突从一部分“侵入”另一部分或连接的丢失。
-神经元变化：神经元的大小和数量会改变，神经回路的精细细节也会进化。
-生理特性变化：神经细胞通过生理变化进化，如离子
