阅读下面的文字,完成1-3题。
在大数据基础上,深度学习和强化学习技术势如破竹,正引领着时下人工智能的热潮。一方面，相比于二十世纪八十年代的浅层神经网络,深层神经网络不仅在图像、语音及自然语言处理等方面大放异彩，而且与人类大脑神经系统的多层结构更加相似;另一方面,强化学习通过与环境互动所获得的奖惩来调节系统权重结构,使主体在最大化期望奖励诱导下不断修订从状态到动作的映射策略，从而实现快速提升系统性能的目的。前者受到认知神经科学的启发，,后者则与心理学中经典的行为主义范式如出一辙。更不必说,为了改进深度学习和强化学习技术而引入的注意力、长短时记忆等机制几乎是直接照搬了心理学术语，用心理学词汇和理论武装人工智能现已蔚然成风。
这并不奇怪,毕竟人工智能的核心目标就是研发愈加接近人类的高级的智能系统,而真正的智能也必然具有一定的心理活动。在这种情况下,公众对人工智能的期望水涨船高,人工智能“友善论"或“威胁论"的论调层出不穷,文学和影视作品则及时将其呈现到人们的眼前，仿佛类人智能机器人明天就会到来一般。
与此同时,人工智能产品也迅速地向心理学领城渗透。例如,基于面部表情的情绪识别系统,基于大数据分析技术的舆情分析或自杀预警系统,基于GIS的大规模人群跟踪调查系统,基于VR技术的心理健康干预系统,基于行为特征的测谎系统等等。遗憾的是，琳琅满目的各色项目解决的只是心理学的应用问题,而对于心理学核心的理论问题却没有什么实质性的帮助。
实际上,当前人工智能领域中主流的深度学习和强化学习与人脑和心理差距甚远。
首先,从构成单位上看,人脑的神经网络与深度神经网络非常不同,深度神经网絡最小单元一般为同类的神经元,但人脑的神经元不仅类型众多，功能各异,而且神经元也不是最底层的加工单位;从网络结构上看,深度神经网络中大部分节点是等同的，,但人脑不同的脑区甚至脑区内部,都可能存在很大的差别;从编码方式上看,人脑神经元虽然能够产生可表征为[0,1]的动作电位,却是通过动作电位的频率对信号进行编码的,而人工神经网络却不都是如此;从信息加工方向上看,深度神经网络最经典的训练方式为反向传播,但大脑中似乎不存在类似的反向传播机制。