人类某些神经元的树突，可以执行之前认为需要整个神经网络才能完成的逻辑运算。
目前对于计算机科学家来讲，人工神经网络构建，往往基于这样一个概念：神经元是一个简单的、非智能的开关，神经网络的信息处理来源于数万（数万亿）个神经元之间的连接。
然后神经科学家对于人脑的研究发现却并不是如此。在神经科学的诸多研究中已经发现，人脑在信息计算上并不只有神经元连接在起作用，单个的神经元也同样承担着比以前人们想象中要重要得多的计算任务。
最近《Science》上发表了一篇论文 “Dendritic action potentials and computation in human layer 2/3 cortical neurons”。在这篇论文中，研究人员发现，皮质神经元树突上的微小区室（tiny compartments in the dendritic arms of cortical neurons）可以执行特定的计算-“异或”。这个发现之所以重要，在于，一直以来数学理论家们都认为单个神经元是无法进行“异或”计算的；现在则不仅是单个神经元，甚至神经元的树突上的部分都可以进行“异或”运算。
神经元并不单纯只是为了连接，它们同样能够执行复杂运算，神经元本身可能也是一个多层网络。这个发现对于构建人工神经网络的计算机科学家们来讲，或许会是一个非常重要的启发。
哑神经元的局限性
在上世纪40年代和50年代，这样一幅图片开始在神经科学领域占主导地位：
-
哑神经元（“dumb” neuron），一个简单的积分器，整个网络中对输入进行求和的点；
-
从神经元延伸出来的分支（称为树突）能够从邻近神经元接收成千上万的信号，有些是兴奋性信号，有些是抑制性信号；
-
在神经元细胞体上，所有的信号在这里进行加权和计数，如果总和超过某个阈值，则神经元会发出一系列的电脉冲（动作电位），这些电脉冲会直接刺激邻近的神经元。
大约在同一时间，研究人员意识到，单个神经元可以起到逻辑门的作用，类似于数字电路中的逻辑门（尽管截止目前我们还不清楚大脑在处理信息，在多大程度上是这样的）。例如，如果神经元仅在收到足够数量的输入后才触发，实际上就是一个“与”门。因此理论上，神经元网络可以执行任何计算。但显然这种模型是存在局限性的。在这种模型中，神经元将坍缩为空间中的一个点，它没有任何内部结构。另一方面这个模型也忽略了一个事实：流入给定神经元的数千个输入是沿着不同的树突进入神经元细胞体的，而这些树突本身所起到的功能可能差异巨大，或者更为具体来说，这些树突内部本身可能存在一些计算功能。这种模型在80年代开始改变。
神经科学家Christof Koch等人通过建模（后来也得到了实验的支持）表明，单个神经元内部不能表达为单个或统一的电压信号；取而代之的是，电压信号沿着树突进入神经元胞体内时会降低，并且通常对细胞的最终输出没有任何贡献。
信号的不一致性，意味着单个的树突可能在彼此独立地处理信息。这与先前的神经元假说是有矛盾的；在先前的神经元假说中，神经元只是简单将所有东西加在一起。
这项工作促使了Koch以及耶鲁大学医学院的Gordon Shepherd等人开始对树突结构进行建模。基本的思路就是，神经元不再只是充当一个简单的逻辑门，而是一个复杂的多单元处理系统。
后来 Mel 等人进行了更加细致的研究，他们发现：1）树突能够产生局部尖峰；2）树突具有自己的非线性输入-输出曲线；3）树突有自己的激活阈值（这个阈值与神经元整体阈值不同）；4）树突本身可以充当 AND 门或其他单元。
