短答案：关键区别是 机器的使命是解决一个问题，答案可以有无数个，只要做到最好、最快、最省就好；而大脑的使命是，在未出生之前，就用一个答案去面对无数未知的问题。 这也是 生物与非生物 之间的最后界限。
启示是 教育人类后代的过程中，关键不是在于 教会其完成一个已知的工作，而应是培养他们适应未来未知工作的能力。
下面展开来说。
先做个直观的比较，直接上表格：
*备注：flops 是一个用来估算电脑效能的单位，指的是每秒所执行的浮点运算次数。megaflops =每秒一百万次的浮点运算。
从硬件上来看 人类和机器之间 有两个非常令人注意在意的区别： 能耗 和 信息处理速度 。
第一，能耗。如果大脑的处理速度可以叠加，那只需要四个灯泡的耗能，就达到超级计算机的处理速度。这是现在的人类科技想都没法想的。
这一点，之前 @Summer Clover 的答案就很好了，在此不重复了（https://www. zhihu.com/question/4998 5162/answer/152099091 ）。
除此之外， @傅渥成 在这个答案（https://www. zhihu.com/question/4998 5162/answer/152123806 ）中还提到了另外的三点：
（1）人类似乎可以很好的解决小样本的学习问题。（2）从错误中学习和从别人的错误中学习。
（3）对复杂计算问题的直观感受能力。
第二，信息处理速度。其实大脑的处理速度到底多少，这个数据是很不准确的，我这里引用的是最常见的一个数据。大脑真实的信息处理速度应该比现在的估算更高。因为现在越来越多地发现，无论你在做什么、注意力在哪儿，大脑也会一直自动地分析来自四面八方（各种感官）的信息。这些信息不仅不吸引注意力，甚至都不会到达你的意识。但大脑会自动将声、光、温度、触感这些感知信息处理成我们一直习以为常的「真实世界」。这个感知过程发生地毫无痕迹、无知无觉、无时无刻。
如果要把这些创造「现实」的信息流也算进去，那肯定会超过22亿 megaflops 这个数字。
之前针对这个问题，和刘看山一起做了个动画视频： 「脑补」是如何产生的？| 好奇的北极狐 ；或是看之前的一篇专栏： 大脑无时无刻不在「预测」世界 。
但，这么比肯定是不公平的，毕竟我们不可能让大脑都放在一个足球场一般大的房间里，用 22亿 megaflops 的速度做高速运算——地球上所有人一起计算都达不到这个速度。
那机器有哪些方面有绝对优势呢？有三点。
其实这三点都来源于大脑的同一个缺陷：它同时要做的事情太多了，而且我们对大脑并没有完整的控制权。无论我现在在做什么，无论是工作、游戏还是睡觉，我的大脑大多数的能量其实都用在了其他任务上面，包括维持对身边环境的警觉性。
在给病例做诊断的这个几分钟的任务中，如果突然发生了地震，人会立马做出合理反应，背弃正在做的任务，立马逃跑，但做疾病诊断的机器，却不可能产生逃跑的念头。
说到这里，我们还没有给智能下一个定义。
咱们形容一个事物有智能，无非是说它/他在面对一个或者多个问题时 能够及时做出合理的反应，给出一个答案。所以，从本质上来讲，智能就是面对问题给出答案。
而在这一点上，机器和大脑有根本性的区别： 机器的使命是解决一个问题，答案可以有无数个，只要做到最好、最快、最省就好；而大脑的使命是，在未出生之前，就用一个答案去面对无数未知的问题。
这就是关键，也是 生物与非生物 之间的最后界限。
这对我们思考自己的人生，或是培养后代都有很重要的启示。我们在培养机器的时候，就是以「如何完成一份已知的工作」为目标的，那是不是应该用同样的目标来培养人呢？
相比于这个快速变化的世界，我们的大脑相当古老。这过去的几万年，我们的大脑就没怎么变过。那是什么让我们能够胜任几万年前的人想都想不到的工作呢？
我在申请大学的时候 那是8,9年前了，看到一个数据让我对选择专业有了个新的认识。
我们这一代的工作岗位，百分之八十都是在我们读书时候 父母和老师没有想象不到的。同理，我们也无法预知下一代人会做怎样的工作。
这让我意识到 教育的本质 不应该是告诉一个人如何完成一份已知的工作，而是应该培养 TA 有能力去胜任 甚至创造出教育者本身都不知道是怎样的一份工作。
那应该怎样才能办到这一点呢？
人天生总是会「想要」什么，机器再能干，也没有「想要」。这「想」就是好奇心，「要」就是动机。
给 好奇心 提高权重。不只给做出正确答案的人以肯定，更应该激励那些提出新问题的人。
通过激励，激发人产生内在的驱动力，使之能够自主地朝着目标前进。更重要的是，培养能够维持追求这一单一目标的行为（坚持）还要维持心理上对这个目标的渴望（热情）。
我想要吃上肉，但我拳头不够硬，那就找个石头扔，诶，绑个绳子再扔，就不用担心扔出去就找不到了。诶？先甩一下，扔出去会更有杀伤力诶。
我想要跑的更快，但人的肌肉就这样了，那就发明轮子、发现燃料，创造车这一工具。
我想要舒舒服服地躺着也把钱挣了，那就发明不知疲倦、没有自由意志、而且工作做得快又准的机器来帮我完成。
这就是人与机器的不同，这就是为什么人与机器之间的关系并不是「先有鸡还是先有蛋」那样的关系，而是简单明了的，肯定是先有人才有机。
最令人好奇的是好奇本身。人之所以为人，就是因为我们有好奇心。我们对火的好奇，让我们吃上了熟食；我们对天空的好奇，让我们在发明飞行器后仅用了半个世纪就登上了月球；我们对大脑的好奇，让我们对千百年来的「灵魂」的理解有了更加靠近真相的机会。
最后，还是说回「智能」。在「智能」这个问题上，大脑是一个已知的高分答案。对于已有的AI技术，如果我们能在大脑中找到类似的结构、算法，那么便能够认可这个技术在修建「通用人工智能系统」（强AI）中的一席之位。
在离 强AI 的完成还有一定距离的当下，学界需要一个长期研究计划，如何筛选研究方向则是一个复杂的问题。现在有很多算法和结构，它们都有可能是强AI雏形的零件。
如果一个算法，虽然它在现阶段并不是最优的，但如果我们发现在大脑这个寸土寸金的地方它都有核心位置，那么说明它至少本质上有适合强AI的地方（这么说有点怪怪的），优先优化它、深入了解它，会是个减少绕弯路的策略。
当然，强AI并不一定需要拥有和生物体一样的智能系统。条条大路通罗马。但，大脑是一个很好的向导。
