摘要:至此揭開計算神經科學的大幕。這算是數學生物學,計算神經科學和人工智能的共同起點。大腦太擅長模式識別,你看了什么是因為你想要看到什么,那個什么早在你的大腦預先存在。
我想大家看到這個題目已經被嚇到了。什么? 計算神經科學? 神經科學已經夠冷門嚇人的了, 還計算神經科學?究竟是什么? 是不是除geek外并沒什么卵用? 聽鐵哥給您道來。?
先說計算神經科學是什么,簡而言之,計算神經科學是把大腦看成一個信息處理的器件,用數學物理計算機等綜合方法研究生物的大腦是怎么工作的,例如學習,記憶,情感,意識等等。它和你有什么關系?
1. 心理學的啟示
我先改變一下我們討論的題目,你需不需要心理學?
我想瞬間大家會達到共識。看看網上轉載的東西有多少和心理有關,從星座分析到心理測試題。我們日常生活里內心的迷惘實在太多。沒錢的人煩惱有錢的人依然煩惱,我們快被這個人體更為耗費能量的腦袋所制造的問題折磨瘋了,卻不知道它到底想要干什么,于是我們求助于心理學。
但是心理學是否解決了我們對自身靈魂的焦慮呢? 只要看看網上有多少人迷戀于星座分析就知道了。我們能夠登上火星,我們對自己性格的了解卻還需要靠翻越黃歷。心理學家像極了古希臘的哲學,它讓我們看到了問題,卻更加暴露了我們的迷茫和解決問題的無力,也因此給了許多披著科學外衣實際等同占星術的“流行心理學"以溫床.
網上流行過一個著名的心理測試題目,號稱旋轉舞女實驗。我們看到圖片里一個裸女在跳舞, 但是有的人看到她向逆時針轉有的人看到她順時針轉。據說看到順時針轉的人是右腦型情感發達,看到逆時針轉的是左腦型邏輯發達,而看到向兩邊轉的就是天才(為什么不說是精神分裂?)。
你會相信他嗎? 至少我身邊很多人是信以為真的,總比星座看起來合理多了。
其實這個是純屬扯談。 第一,這是個經典的視覺錯覺實驗(perception bistability),沒有證據表明它和左右腦有聯系。第二,流行心理學里籠統的左右腦分工,也缺乏足夠證據。我目前知道的是人在做大多數任務的時候都要同時用到左右腦。這個東西不僅網上火了幾年,居然被當成許多老師教育孩子的材料。
*左右腦在完成任務時候當然有分別,但是方式非常復雜。
圖:旋轉舞女,你看她是順時針還是逆時針轉的。
動畫請見:The spinning dancer http://en.wikipedia.org/wiki/Spinning_Dancer
為什么這么冠冕堂皇的謊言會能大行其道搞懵一批又一批人?因為我們對我們自己的大腦所知太少,一個說法出來,我們既沒法證實它也沒法證偽它,好比一個正確與錯誤難分界限的灰色地帶,而由于其中問題對人生活的重要性,只要騙子揮揮手就能引來一批又一批的受眾,需要的人自然可以在其中找到精神安慰。
舞女的例子其實是眾多神奇的心理學試驗中(被濫用了)的一個,它為我們揭示了大腦認知過程包含的很多不為人知的側面,雖然每天發生在我們生活中我們卻無法覺察。
那么為什么我們會看到圖中的舞女在向左轉或向右轉?單純的傳統心理學已經很難回答這個問題,因為他已經開始涉及大腦處理信息的深層機制。至此揭開計算神經科學的大幕。?
2. ?計算神經科學的序幕- ?“會思考的機器” 和 “語言之上的語言”
探索大腦信息處理的先驅-Alan Turing
阿蘭圖靈完全可以進入20世紀最偉大天才名錄, 我們今天驕傲的信息時代或是未來即將進入的人工智能時代,都離不開他的杰出貢獻。然而這個遠遠超出其時代的人,最出的動機,卻是了解人類大腦運作的機制,他天才性的意識到生命過程本身可以被一連串數學運算表達,而如果一臺機器執行相同的數學運算,則會表達同樣的性質。 這算是數學生物學,計算神經科學和人工智能的共同起點。而在這個過程里,也孕育了世界第一臺計算機。而他所設計的圖靈測試今天依然被作為檢驗機器是否真正學會人類思考方式的基準。
圖靈設計的這個通過一連串數學運算來解決一般性問題的東西被稱作圖靈機。他告訴我們,如果需要一個機器通過“思考”解決問題, 那么它需要具有一些基本的性質,比如具有輸入輸出,系統狀態(及其存儲器),和一連串基本的運算法則。 然后通過一連串把輸出記錄在系統狀態里傳遞給輸入的迭代過程生成結果。 ?
圖:圖靈機-- 簡單數學運算的巧妙組合原來可以解決如此復雜的問題- 這才是人類聰明大腦的杰作。
語言之上的語言
將認知現象歸結于大腦深層信息處理規律的另一個偉大先驅是生成語法(Generative Grammar)的提出者Noam Chomsky,他認為不同語言之間存在著相同的深層語法結構。這種結構先于語言而存在,是大腦信息處理的基礎,并且能夠利用類似計算機程序的符號化語言表達。 ?這一套“源語法”直指人類大腦處理信息的共同機理,這種機理簡單有效, 是大腦處理各種信息的共同原理。
對喬姆斯基提出的人腦基本信息處理機制的存在,成為計算神經科學的存在的合法性基礎, 為我們指出了一條探索認知規律的光明而艱難的道路。我們需要站在比生物學更高的視角,從造物者的角度思考大腦的設計原理。
圖:任何句子都包含先于內容的特有形式,而我們先天具有學習理解程序的能力,這是我們學習任何語言的基礎。我們對于一個我們從沒有見過的句子立刻能夠理解,在于我們先驗的預設了這種程序。
3.大腦像臺超級計算機
我們再回到旋轉舞女的例子。裸女無論是順時針轉還是逆時針轉,都是你的幻覺。因為真實世界的裸女的旋轉是發生在三維空間,而這張電腦圖像是個二維圖,它描繪的是一個確定的左右振動(物理書里常見的單擺)。 二維圖所包含的信息量本來就不能重構三維世界,之所以我們能夠感知到三維世界的轉動是因為大腦在做他最擅長的工作—-推斷和模式識別(inference and pattern recognition),大腦在把看到的現象歸類于它熟悉的現象的過程中添加了大量本來不存在的信息。 大腦太擅長模式識別(Pattern recognition),你看了什么是因為你想要看到什么,那個什么早在你的大腦預先存在。就想很多神經科學家指出的,我們的大腦里有個自己的世界(internal world),我們錯以為它就是真實世界本身,其實它只與真實世界相切。它試圖通過計算,模擬真實世界。
首先我們基于日常生活的大量觀測形成了物體旋轉的概念以及它所有的兩個狀態-順時針和逆時針。 什么叫概念? 概念=大腦對真實世界所做的模型(internal representation of external world)。好比剛出生的嬰兒沒有物體的概念(concept of object),他們無法理解在視覺范圍內的某個東西的移動,旋轉,變化,消失其實是一個東西在運動過程中的不同形態,他們無法理解如果閉上眼睛物體的畫面消失,它們也依然存在。 嬰兒在大量的摸索中學了物體的概念,認識到上述一切,在萬千變化中找到物體這個不變的東西。然后在大腦里做個模型把那些變化套在“物體”這個不變的概念里。
什么叫學習到一個概念? 你要是學過計算機編程,就知道這其實類似于那些object, class 一類的東西。class其實是一個變量組合加上一些作用于他們之上的函數,是對真實事物建立的一個小模型。神經系統就像一個超級計算機,把經常一起出現的一些感官,比如各種視覺,聽覺,嗅覺信號綜合成一個變量組合。比如蘋果這個概念,就是一個概念。一個紅色的圓形的硬的物體,有香氣咬一口很甜。 變量組合=顏色+形狀+味覺+觸覺,咬一口很甜就是一個函數關系,給這個物體輸入一個動作=咬一口,返回一個結果=很甜。符合這類屬性的一大類東西都被大腦放進蘋果這個籃子(class)里。
大腦的基本功能就是模式識別和分類決斷(Pattern recognition and classification ),根據已經掌握的概念推斷一個東西是不是屬于其中。比如一個圓形的東西是不是一個蘋果還是一個皮球。這個對生物的生存特別重要,因為他要做決策,是蘋果還是皮球,決定了吃還是不吃,生存還是毀滅,這是一個問題。
回到舞女,真實世界的舞女順時針還是逆時針旋轉,投影到二維平面,都可能取得動畫里的效果,你認定她的方向關鍵你大腦里當時被激活的是逆時針還是順時針的模型,具體點是看對哪只腳在前和在后的判斷,圖像里的陰影沒有這個信息,它是你大腦添加的。你大腦在你不知不覺中添加了這個本來沒有的信息,然后你就看到她是順時針轉或者逆時針轉的。
圖:旋轉舞女的前后腳,被大腦添加的信息。
以上只是想說明,人腦的根本功能是計算,無論你喜不喜歡數學,你是情感豐富還是理智豐富,本質都是計算。對大腦認知的理解脫離不開數學模型,因為大腦就是靠著它對數學模型的天賦,模擬世界把握人生的。
圖:大腦的計算機比喻
3.人腦真的是計算機嗎?-作為生命科學的神經科學
?
那么基于計算機的概念逐步的定義大腦的功能,是不是就夠了呢? 如果行的話,媲美人腦的計算機應該早實現了。恰恰是,人腦不是計算機。因為,畢竟我們都見過被剖出的大腦,那是一團血肉,是由水和蛋白質組成的,而電子管卻是沙子里打磨的。?
當然,這是一個玩笑。從數學的角度說,這種區別只要體現在大腦是由大量具有隨機性的單元組成的,這些單元通過自由的演化形成的智能組織,與人類設計的幾乎不允許隨機性存在的計算機具有天壤之別。如果給晶體管哪怕稍微一點類似的隨機性,它也就一點用沒有了。而相反,如果取消生物大腦的隨機性,它就不能工作了。 因此,生物系統這種特殊的容納隨機性的能力, 給我們提出了巨大的理論挑戰。
計算神經科學,就是這樣一門超級跨學科的新興學科,它幾乎綜合了信息科學,物理學, 數學,生物學,認知心理學等眾多領域的成果。 詳見下篇。
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/4309.html
摘要:作為生命科學的神經科學,依然以和蛋白質為基礎,橫跨分子,細胞,組織,動物行為等各個尺度,描繪神經系統的形態和行為。你埋頭在蛋白質的研究中,不代表你對神經網絡有任何有效的理解。平衡狀態的神經網絡具有較大的對外界信號較大的響應能力。 承接上文,計算神經科學是一門超級跨學科的新興學科,幾乎綜合信息科學,物理學, 數學,生物學,認知心理學等眾多領域的成果。大腦像一臺超級計算機,同時它又迥異于計算機,...
摘要:在與李世石比賽期間,谷歌天才工程師在漢城校區做了一次關于智能計算機系統的大規模深度學習的演講。而這些任務完成后,谷歌已經開始進行下一項挑戰了。谷歌深度神經網絡小歷史谷歌大腦計劃于年啟動,聚焦于真正推動神經網絡科學能達到的較先進的技術。 在AlphaGo與李世石比賽期間,谷歌天才工程師Jeff Dean在Google Campus漢城校區做了一次關于智能計算機系統的大規模深度學習(Large-...
摘要:福布斯昨日刊登專訪。生于英國,被認為是機器學習的先鋒,現在是多倫多大學教授,谷歌高級研究員。但是,正如我所說,已經跨越過了這一分水嶺。 《福布斯》昨日刊登Geoff Hinton專訪。游走在學術和產業的AI大神Hinton談到了自己研究興趣的起源、在多倫多大學和谷歌所做的研究工作以及發起的私人俱樂部 NCAP。 在采訪中,Hinton談到,現在計算能力和數據的發展讓AI獲得巨大進步,并且在很...
摘要:神經網絡是一組特定的算法,對機器學習領域發生了革命性的變化。在這篇博客文章中,我想分享我認為機器學習研究人員應該熟悉的課程中的個神經網絡架構,以推進他們的工作。卷積神經網絡機器學習研究一直以來都集中在對象檢測問題上。 摘要: 本文簡要講述了8種機器學習架構,希望可以給大家帶來幫助 showImg(https://segmentfault.com/img/bV8Hby?w=1000&h=...
閱讀 4160·2021-11-22 13:52
閱讀 2074·2021-09-22 15:12
閱讀 1121·2019-08-30 15:53
閱讀 3454·2019-08-29 17:12
閱讀 2190·2019-08-29 16:23
閱讀 1647·2019-08-26 13:56
閱讀 1772·2019-08-26 13:44
閱讀 1880·2019-08-26 11:56