为什么大脑容量没有单一数字
这个问题听起来像是在问一块硬盘能装多少吉字节，但大脑并不以固定大小的文件来存储知识。容量估算取决于你假定“一个单位”的知识是什么：一个类别、一段记忆、一个信息比特，还是一种全息图样。不同的论文做出不同的假设，所以它们的数字不能直接相互比较。
有一类研究把大脑视为信息处理系统，追问在物理极限下它能编码多少信息。2024 年的一项分析从时间、尺寸和能量尺度出发进行推理——本质上是在问编码一个比特的生物信息需要消耗多少能量——以此估算大脑各个尺度上具有代表性的信息处理速率 [5]。这是关于信息处理的速率和能量上限的陈述，而不是对一个人知道多少事实的计数。
另一种方法用量子电动力学和全息理论来建模记忆，并直接估算大脑新皮层的记忆容量 [2]。这是一个理论模型而非实际测量，所以它的容量数字反映的是该框架的假设。
数类别：十万这个数字
这批证据中最具体的数字来自关于“祖母细胞”的研究——这类神经元似乎会对某一个特定的、非常熟悉的概念作出反应，比如某个特定的人。研究人员考察了似乎具有这些特性的神经元数据，并定量地追问：这样的编码方案能否高效运作 [4]。
他们的答案是：可以，但前提是它要与另一群分布更广、由许多神经元共同编码信息的细胞协同工作。根据他们的样本，他们推断出两个群体——一个分布式编码群体，占细胞不到约 5%；以及一个反应稀疏得多的、推定为类祖母细胞的群体 [4]。考虑到有些细胞在记录期间处于静默状态而未被检测到，他们得出结论：这些类祖母细胞可以编码 10^5 个或更多类别 [4]。
10^5 这个数字——十万——最好理解为对这一特定细胞群体能表征多少个不同类别的下限式估算，而不是全部人类知识的总量。作者还指出，检测到这类细胞存在很强的偏差，这正是早先的测量只发现分布式编码的原因 [4]。
容量对学习和专长意味着什么
容量在实践上很重要，因为它关系到一个人能吸收多少东西。一篇论文从教育的角度提出这个问题：人们获取知识的速度跟不上可用信息的爆炸式增长，并主张教育者可以利用大脑的记忆容量，把学习者从零培养成某个领域内能胜任的专家 [3]。这是关于容量可能如何被使用的论断，而不是对其大小的测量。
建模工作给出的更宏观的一点是：存储容量与网络特性相关——神经元如何连接、反应有多稀疏——而不是与简单的体积相关 [1][4]。稀疏反应听起来浪费，但与分布式编码搭配时可以在信息上很高效，这正是祖母细胞分析认为该方案可行而非荒谬的原因 [4]。
哪些问题仍然真正悬而未决
证据的诚实状况是：容量估算来自模型和间接推断，而不是来自对活体大脑中已存储知识的清点。全息模型的新皮层容量估算 [2] 和基于能量的处理速率分析 [5] 建立在不同的物理假设之上，回答的是微妙地不同的问题，所以不应把它们平均成一个数字。
即便是最清晰的数字——来自类祖母细胞的 10^5 个或更多类别 [4]——其范围也仅限于一种特定的编码方案和一种特定的细胞群体。它告诉你那种架构能表征什么，而不是某个具体的人实际知道多少。在这批证据中，人类知识总容量的问题仍然是一组相互竞争的估算，而不是一个已有定论的量。
本文引用的文献
大脑的计算与原理；以及人工智能
讨论大脑的计算和网络特性，指出稀释连接与吸引子网络的存储容量有关。
全息大脑理论：超辐射、记忆容量与控制理论
运用量子电动力学和全息大脑理论来估算大脑新皮层的记忆容量。
人脑：探寻自然智能
主张可以在教育中利用大脑的记忆容量，把学习者从初学者培养成领域专家。
祖母细胞与人脑的存储容量
发现推定的类祖母细胞，连同占细胞不到约 5% 的分布式编码群体，可以编码 10^5 个或更多类别。
论人脑信息容量与信息处理速率的能量限制
利用时间、尺寸和能量尺度来估算大脑信息容量和处理速率所受的能量限制。