人类智能的范围非常普遍/广泛。这是不言而喻的，无论人工智能最终是什么，我们都希望它也能成为一个通用的问题解决者（参见 Simon 和 Newell）。对您的问题进行自由解释...

为什么要在计算机中使用 AI？

计算机，在我们可以将问题概括为可解决的计算问题的范围内，也是一般问题的解决者。是否真的是这样（你能计算意义或感觉吗？）有待辩论（参见计算功能主义、超计算），但它是人工智能项目的一部分，对这一说法提出要求。

为什么我们认为计算框架让我们更接近于对认知/意识的理解？

好问题，坦率地说，除了“这是我们得到的最好的东西”之外，没有好的答案。

TL;DR“计算功能主义”，许多心理学和哲学文献似乎都倾向于将认知理解为“计算”（如在信息处理中：大脑中的 V1 流处理“早期视觉信息”）和功能（目标基于“意义”，例如：“我抓痒是因为痒”，而不是“我在移动原子”）。

然而，尽管这两种理论在心智理论上取得了独立的成功，但它们并没有很好地结合在一起（参见中国房间论证，以及许多其他类似风格的论证）。为什么会出现这种情况，没人知道...

为什么不在计算机之外的东西中使用人工智能？

我不知道，但如果我们对世界的理解是基于数学的，那么无论如何它在计算机中就足够了。

也许还有其他理解世界的范式。手指交叉🙏

为什么我们要问：“我们如何模拟大脑？”

因为它是我们对“智能教师”的最佳初步理解，尽管应该注意机器学习中的各种方法似乎并不直接受到生物学实现的启发（kNN，统计方法，而不是神经网络）

进一步阅读：http ://www.scaruffi.com/nature/mach01.html

我不认为人工智能在模拟大脑功能，甚至没有接近。你知道神经系统是如何工作的吗？中子如何传递具有动作电位的信号？路径分析？拼接接头？

人工智能根本不是模拟大脑。我们不模拟生物学途径，我们不模拟可变剪接，我们的模型中没有蛋白质。

相反，人工智能是一个拥有大量数学的领域。您提供一些数据并尝试提取复杂的非线性模式。

模拟大脑可能比创建真实大脑更好的原因有很多。一个原因是计算机可以无限期地生存（有点）。大脑可能无法永生，也可能没有办法将信息从一个大脑传输到另一个大脑。计算机的主要优势之一是它可以拥有比任何大脑在其一生中所能拥有的更多的经验。另一个原因是我们对大脑有很多不了解的地方。即使我们能够复制大脑，我们也很难以我们想要的方式使用它，直到我们完全理解它。模拟大脑没有这个问题。我们确切地知道人工神经网络是如何发展的，因此我们不了解的并不多。

这些答案告诉你为什么我们可能想要一个数字大脑，但你的问题似乎也在问为什么要研究数字大脑而不是生物大脑？这似乎暗示我们不能两者都做，但实际上有许多研究小组在促进活体大脑生长的领域开展工作（马克斯普朗克分子细胞生物学和遗传研究所 (MPI-CBG)，医学研究中心在英国等）。

我认为这种思路值得延伸的是“为什么不两者兼而有之？”

我不相信有什么可以阻止双方同时解决这个问题。双方都有大量的研究（生物研究和计算研究），但两者的整合却少得多（尽管肯定有一些，例如在现代假肢的开发中允许某种程度的控制）。

考虑到人脑在调整自身结构方面的适应性，最方便的方法可能是考虑创建一种非生物介质，生物神经元可以与之充分交互以基本上以相同的方式“编程”它们需要什么用生物神经元修复自身时的方式。把辛苦的工作留给已经有了蓝图的东西。或者换句话说，忒修斯之船，但有脑细胞。

考虑到我们仍然缺乏对神经结构的了解，以及难以获得能够进行生物神经元所需的通信和调整的非生物界面，这并不是说这样的任务会接近简单或容易并且在一个可行的规模上。

我希望我能指出一些与此相关的研究，但我不知道任何具体的研究论文，尽管我知道这不是一个完全未触及的主题。