1948年，美国贝尔实验室青年科学家香农（Shannon C）发表了《通讯的数学理论》的著名论文。他把热力学中描述系统无序性的重要概念“熵”（entropy）引入信息论。把熵作为信息不确定度的一个测度。他同时定义了数字化信息的基本单位：比特。
香农的这篇论文被认为是现代信息论的奠基之作。同年，美国麻省理工学院教授维纳（N.Wiener）出版了《控制论：关于在动物和机器中控制和通讯的科学》。由此，控制论成为一门独立的专门的学科。维纳博士在这本书中指出：在科学发展上可以得到最大收获的领域是各种已经建立起来的部门之间的被忽视的无人区。
这里所说的“无人区”，就是我们今天所说的边缘学科。
近50年来，随着信息论、控制论、生命科学、微电子学、计算机科学的发展，人们越来越惊异于人类大脑的奇妙。至少到目前为止，人类大脑信号处理的机制对人类自身来说，仍是一个黑盒子。也就是说，科学家们除了对大脑的一些物理参数有所了解之外，对于人类大脑如何处理外界信号，如何把人类感官所接收的信息进行融合、处理并进行存储、传输和加工，几乎一无所知。
现代电子计算机技术的发展，似乎使人越来越相信：我们在信号处理理论和技术方面的进展都已陆续地在大脑信号处理中得到了印证。计算机需要有听觉、视觉，要能学习，能理解：这些我们人类大脑早就具有了；人的机体会受到病毒感染，不料在计算机领域也出现了病毒：计算机的运行需要有一个操作系统，那么我们人类大脑中也存在操作系统吗？
计算机、人工智能的下一步怎么发展呢？让我们去探索一下人类大脑的信号处理机制吧！如果把人类大脑信号处理机制研究清楚，那么毫无疑问，新的信号处理理论就会应运而生。换句话说，有两条看来完全不同的进化道路，它们走向同一目标并得出完全相同的结果。
一条是人类大脑的信号处理系统，经过几百万年的自然选择，在“适者生存”铁的规则的约束下，正不断地沿着某种最佳的方向，缓慢地，但是有效地前进着；另一条是人类自身，根据对科学知识的积累，经过在各领域内的艰苦探索，不断完善对客观世界的认识，并得出一个又一个新的发现。
现代信号处理领域一个最引人注目的成就就是信号的数字化处理，它空前迅速发展的动力来自于微电子技术、计算机技术、人工智能方面的推动。但是，到目前为止我们还没有证据可以证明，人类大脑在进行信号处理时也存在着某种类型的数字化处理，这就使得我们有理由对信息的数字化进程进行冷静的思考。
1995年，美国麻省理工学院教授、媒体实验室的负责人尼葛洛庞帝（Negroponte N）出版了《数字化生存》一书，引起了美国和世界各地读者的兴趣。他把近20年来信息领域的数字化革命的丰硕成果，以及将要引起的对人类生活的巨大冲击展现在世人面前。1998年1月31日，美国前任副总统戈尔（Gore S）在加利福尼亚科学中心作了题为“数字地球——认识我们这颗星球”的讲演，提出充分利用数字信息促进社会进步和发展。
根据粗略的估计，人类获得信息的主要来源是听觉（约占5%）与视觉（约占90%），其他还有味觉、触觉及嗅觉等。在60年代初期之前，对信息的处理方式主要限于模拟方式。它的特点是这种信号在时间上是不分间隔的，在幅度上是不分层的。从60年代开始，由于计算机技术的迅猛发展，特别是70年代以来微电子技术的惊人进步，使得信号的数字化处理以空前未有的速度向前发展。
1946年当冯·诺伊曼等计算机专家研制成功第一台电子计算机ENIA（时，它的总重量为30吨，占地面积相当于一个小的体育馆，平均每7分钟就有一个电子管失效。它的耗电也十分惊人，当它工作时，整个费城灯光暗淡。1971年Intel公司推出的第一个微处理器芯片4001.其功能大体上和ENIA（相当，而它的体积只有后者的万分之一。微处理芯片的发展速度异常迅速，它基本上遵从所谓摩尔（Moore G）定律，这就是微处理器芯片每隔18个月性能提高一倍，价格降到原来的1/2。摩尔博士是Intel公司的创始人之一，他在1973年提出这一观察结果。但是据他自己说，早在1964年他还在仙童公司工作时，就注意到半导体工业发展的这一事实了。1998年1月在美国Proc.lEEE上重新公布了摩尔这一断言的手稿（见附图），摩尔声称这一结论无需作任何改变。我们现在还很难预测，这一定律能够有效的时间究竟还有多长，有的科学家认为，至少在2010年前是正确的。也有的科学家认为，从固体物理学的基本理论来看，芯片的线宽是有限制的，从而微处理器芯片的性能就受到限制。
英国科学家福莱斯特（Frester T）在总结了微电子技术的这种惊人发展速度之后，在他所著的《高技术社会》中发出了感叹，他说：“如果汽车或飞机行业也像计算机行业这样发展，那么今天一辆罗尔斯·罗伊斯汽车的成本只有2.75美元；跑300万英里（482.8万km）只用1加仑汽油。而一架波音767飞机的价格只需500美元，用5加仑汽油在20分钟内便可环绕地球一周”。
数字化浪潮正在席卷全球，数字化信息处理技术正在使人类生活质量提到空前高的水平。
但是信息的数字化处理绝不是信息处理的完美无缺的方式，它只是信息处理理论与发展过程中的一个阶段，下一阶段是如何的呢？最直接的方法是去探求人类大脑信号处理方式，且然，目前对我们来说，仍是一个黑盒子。
据测算，人类大脑的平均重量约为1.6kg，占成年人体重的2%~3%，大脑的基本组成部分为神经元，总数约为100~140亿个，大脑工作时要消耗人体氧气摄入量的20%~30%，人脑的记忆容量大约是10^15比特，如果一个人活100岁，自出生后，每秒存储103比特信息，那么，仍只用去这个容量的1%。科学家目前对人类大脑的知识，特别是大脑对外界信号处理系统的奥秘必将会大大扩展我们现有信号处理理论和技术的研究范围，大大推动人工智能科学（包括人工语音合成、自然语言识别、图像识别等领域）的发展，同时会为研制体积更小、速度更快、功耗更小、可靠性更高的智能计算机提供依据。
要探索大脑信号处理机制，要遵循由易到难、由表及里的途径，因为人类大脑的信号处理系统对我们人类本身来说，仍是一个黑盒子。用传统的研究输入/输出关系的方法，或者用人工神经网络理论中的建模方法不能达到揭示这种系统秘密的目的。我们要解决的问题实际上也迫使我们采用一种逐步逼近的方法，这些问题归结起来是：
·人类大脑对听觉、视觉和其他感宫所接收到的信号是先进行数据融合还是先进行处理，也就是存在于人类大脑中的数据融合系统是属于哪一个层次的？（根据现代信息论的研究，数据融合可以分为三个层次，即数据级、特征级和决策级〉。
·自然界作用于人类大脑的信号，无论是声音、光波或其他信号都是模拟信号，大脑在接收这种信号之后进行数字化处理吗？即进行时间采样和幅度量化吗？
如果是进行了数字化处理，是哪一种数字化处理呢？在时间上是等间隔采样吗？存在信息论中的奈奎斯特（Nyguist）采样率吗？在空间上进行分层吗？是等间隔分层吗？还是采用某种压扩（即A-律，μ-律压扩方法）？
进一步还要探索，如果进行了数字化处理，是几比特的数字化？信息的单位是比特吗？
·人类大脑作为一个超级信号处理系统是否具有“操作系统”，如果没有，大脑的运行是如何进行的？如果有，这是一种什么样式的操作系统？不同个体之间有什么差异？
人类对异体器宫移植的排斥是否受操作系统的影响？
信息在人类大脑中是如何传输、存储和加工的？记忆、联想、判断是如何产生或形成的？
·人类对自然语言理解是如何实现的？图像识别的机制是什么？目标分类识别的概念是如何存储于大脑之中的？
人类大脑的存储系统的输入显然是按时间顺序的，但是在应用时却能不受存入顺序的影响，这种顺序输入是如何变为记忆并重新被读出的？
·大脑记忆中顺序读出是如何实现的，是不是存在某种引导系统？实践证明，要不出任何错误按一定速率背诵一首诗歌是十分困难的，但是如果唱一首同样长度的歌曲几乎不会有任何问题。这里，乐曲是不是起着引导地址的作用？
·某些特别的信息和刺激会引起思维的混乱、记忆的丧失或错乱。那么，特别的信号会引起电脑或其他信息处理系统的失效吗？我们有可能给声纳或雷达发送某种信号使得它们失去功效吗？
等等，等等。
随着我们对人类大脑信号处理机制研究的深入，还会出现更多的新问题，这些问题的解决会使我们现代计算机的功能更强大，真正地像人一样会听、会谈、会思考、会学习、会理解。
要揭示人类大脑的奥秘需要从事数学、电子学、控制论、生命科学、信息论、计算机科学的专家共同努力，也许还要有哲学家的参与。不同领域专家的联合有利于问题的清晰化和寻求最好的解决途径，如果某一个问题是一个生物学方面的问题，那么10个不懂生物学的信患论专家不见得会比一个生物学家更有效。
除了死亡之外，没有任何正常的方法可以将人类大脑中的记忆全部清除，这有一点类似于现代微机中的“复位”操作。除非把计算机彻底失效，否则它的程序、数据总还存在于存储系统中。
李启虎，1939年7月出生于浙江省温州市。1963年毕业于北京大学数学力学系。中国科学院声学研究所研究员，所长。1997年当选为中国科学院院士。长期从事信号处理理论和声纳设计、研制工作。结合我国浅海声传播的特点，应用信息论、数字信号处理、水声工程等理论，解决了一系列水声信号处理中的问题。研究了自适应波未成形的稳态特性，给出了用频率域最优传输函数求解波未指向性的表达式。给出在海洋噪声背景下检测微弱信号的增益计算方法。解决了在时间上非平稳、在空间上不均匀的噪声场对经典理论应做的修正的问题。提出了指导声纳设计均重要依据——声纳方程的一种新的表达方式。在水下目标的被动检测中提出利用声信号的相位信息估计目标方位的新方法，以及用自适应阵处理方法完全分离在空间上不重叠的多个点源信号的新算法。在数字声纳设计中首次提出动态波未成形、可编程数字滤波、变采样率运算、类卡尔曼滤波和灰皮变换技术。提出用聚类分析方法设计用于水下目标识别的简易专家系统。