资讯专栏INFORMATION COLUMN

为什么你需要计算神经科学(上)

qianfeng / 3290人阅读

摘要:至此揭开计算神经科学的大幕。这算是数学生物学,计算神经科学和人工智能的共同起点。大脑太擅长模式识别,你看了什么是因为你想要看到什么,那个什么早在你的大脑预先存在。

我想大家看到这个题目已经被吓到了。什么? 计算神经科学? 神经科学已经够冷门吓人的了, 还计算神经科学?究竟是什么? 是不是除geek外并没什么卵用? 听铁哥给您道来。 

先说计算神经科学是什么,简而言之,计算神经科学是把大脑看成一个信息处理的器件,用数学物理计算机等综合方法研究生物的大脑是怎么工作的,例如学习,记忆,情感,意识等等。它和你有什么关系?

1. 心理学的启示

我先改变一下我们讨论的题目,你需不需要心理学?

我想瞬间大家会达到共识。看看网上转载的东西有多少和心理有关,从星座分析到心理测试题。我们日常生活里内心的迷惘实在太多。没钱的人烦恼有钱的人依然烦恼,我们快被这个人体更为耗费能量的脑袋所制造的问题折磨疯了,却不知道它到底想要干什么,于是我们求助于心理学。

但是心理学是否解决了我们对自身灵魂的焦虑呢? 只要看看网上有多少人迷恋于星座分析就知道了。我们能够登上火星,我们对自己性格的了解却还需要靠翻越黄历。心理学家像极了古希腊的哲学,它让我们看到了问题,却更加暴露了我们的迷茫和解决问题的无力,也因此给了许多披着科学外衣实际等同占星术的“流行心理学"以温床.

网上流行过一个著名的心理测试题目,号称旋转舞女实验。我们看到图片里一个裸女在跳舞, 但是有的人看到她向逆时针转有的人看到她顺时针转。据说看到顺时针转的人是右脑型情感发达,看到逆时针转的是左脑型逻辑发达,而看到向两边转的就是天才(为什么不说是精神分裂?)。

你会相信他吗? 至少我身边很多人是信以为真的,总比星座看起来合理多了。

其实这个是纯属扯谈。 第一,这是个经典的视觉错觉实验(perception bistability),没有证据表明它和左右脑有联系。第二,流行心理学里笼统的左右脑分工,也缺乏足够证据。我目前知道的是人在做大多数任务的时候都要同时用到左右脑。这个东西不仅网上火了几年,居然被当成许多老师教育孩子的材料。

*左右脑在完成任务时候当然有分别,但是方式非常复杂。

图:旋转舞女,你看她是顺时针还是逆时针转的。

动画请见:The spinning dancer http://en.wikipedia.org/wiki/Spinning_Dancer

为什么这么冠冕堂皇的谎言会能大行其道搞懵一批又一批人?因为我们对我们自己的大脑所知太少,一个说法出来,我们既没法证实它也没法证伪它,好比一个正确与错误难分界限的灰色地带,而由于其中问题对人生活的重要性,只要骗子挥挥手就能引来一批又一批的受众,需要的人自然可以在其中找到精神安慰。

舞女的例子其实是众多神奇的心理学试验中(被滥用了)的一个,它为我们揭示了大脑认知过程包含的很多不为人知的侧面,虽然每天发生在我们生活中我们却无法觉察。

那么为什么我们会看到图中的舞女在向左转或向右转?单纯的传统心理学已经很难回答这个问题,因为他已经开始涉及大脑处理信息的深层机制。至此揭开计算神经科学的大幕。 

2.  计算神经科学的序幕-  “会思考的机器” 和 “语言之上的语言”

探索大脑信息处理的先驱-Alan Turing

阿兰图灵完全可以进入20世纪最伟大天才名录, 我们今天骄傲的信息时代或是未来即将进入的人工智能时代,都离不开他的杰出贡献。然而这个远远超出其时代的人,最出的动机,却是了解人类大脑运作的机制,他天才性的意识到生命过程本身可以被一连串数学运算表达,而如果一台机器执行相同的数学运算,则会表达同样的性质。 这算是数学生物学,计算神经科学和人工智能的共同起点。而在这个过程里,也孕育了世界第一台计算机。而他所设计的图灵测试今天依然被作为检验机器是否真正学会人类思考方式的基准。

图灵设计的这个通过一连串数学运算来解决一般性问题的东西被称作图灵机。他告诉我们,如果需要一个机器通过“思考”解决问题, 那么它需要具有一些基本的性质,比如具有输入输出,系统状态(及其存储器),和一连串基本的运算法则。 然后通过一连串把输出记录在系统状态里传递给输入的迭代过程生成结果。  

图:图灵机-- 简单数学运算的巧妙组合原来可以解决如此复杂的问题- 这才是人类聪明大脑的杰作。

语言之上的语言

将认知现象归结于大脑深层信息处理规律的另一个伟大先驱是生成语法(Generative Grammar)的提出者Noam Chomsky,他认为不同语言之间存在着相同的深层语法结构。这种结构先于语言而存在,是大脑信息处理的基础,并且能够利用类似计算机程序的符号化语言表达。  这一套“源语法”直指人类大脑处理信息的共同机理,这种机理简单有效, 是大脑处理各种信息的共同原理。

对乔姆斯基提出的人脑基本信息处理机制的存在,成为计算神经科学的存在的合法性基础, 为我们指出了一条探索认知规律的光明而艰难的道路。我们需要站在比生物学更高的视角,从造物者的角度思考大脑的设计原理。

图:任何句子都包含先于内容的特有形式,而我们先天具有学习理解程序的能力,这是我们学习任何语言的基础。我们对于一个我们从没有见过的句子立刻能够理解,在于我们先验的预设了这种程序。

3.大脑像台超级计算机

我们再回到旋转舞女的例子。裸女无论是顺时针转还是逆时针转,都是你的幻觉。因为真实世界的裸女的旋转是发生在三维空间,而这张电脑图像是个二维图,它描绘的是一个确定的左右振动(物理书里常见的单摆)。 二维图所包含的信息量本来就不能重构三维世界,之所以我们能够感知到三维世界的转动是因为大脑在做他最擅长的工作—-推断和模式识别(inference and pattern recognition),大脑在把看到的现象归类于它熟悉的现象的过程中添加了大量本来不存在的信息。 大脑太擅长模式识别(Pattern recognition),你看了什么是因为你想要看到什么,那个什么早在你的大脑预先存在。就想很多神经科学家指出的,我们的大脑里有个自己的世界(internal world),我们错以为它就是真实世界本身,其实它只与真实世界相切。它试图通过计算,模拟真实世界。

首先我们基于日常生活的大量观测形成了物体旋转的概念以及它所有的两个状态-顺时针和逆时针。 什么叫概念? 概念=大脑对真实世界所做的模型(internal representation of external world)。好比刚出生的婴儿没有物体的概念(concept of object),他们无法理解在视觉范围内的某个东西的移动,旋转,变化,消失其实是一个东西在运动过程中的不同形态,他们无法理解如果闭上眼睛物体的画面消失,它们也依然存在。 婴儿在大量的摸索中学了物体的概念,认识到上述一切,在万千变化中找到物体这个不变的东西。然后在大脑里做个模型把那些变化套在“物体”这个不变的概念里。

什么叫学习到一个概念? 你要是学过计算机编程,就知道这其实类似于那些object, class 一类的东西。class其实是一个变量组合加上一些作用于他们之上的函数,是对真实事物建立的一个小模型。神经系统就像一个超级计算机,把经常一起出现的一些感官,比如各种视觉,听觉,嗅觉信号综合成一个变量组合。比如苹果这个概念,就是一个概念。一个红色的圆形的硬的物体,有香气咬一口很甜。 变量组合=颜色+形状+味觉+触觉,咬一口很甜就是一个函数关系,给这个物体输入一个动作=咬一口,返回一个结果=很甜。符合这类属性的一大类东西都被大脑放进苹果这个篮子(class)里。

大脑的基本功能就是模式识别和分类决断(Pattern recognition and classification ),根据已经掌握的概念推断一个东西是不是属于其中。比如一个圆形的东西是不是一个苹果还是一个皮球。这个对生物的生存特别重要,因为他要做决策,是苹果还是皮球,决定了吃还是不吃,生存还是毁灭,这是一个问题。

回到舞女,真实世界的舞女顺时针还是逆时针旋转,投影到二维平面,都可能取得动画里的效果,你认定她的方向关键你大脑里当时被激活的是逆时针还是顺时针的模型,具体点是看对哪只脚在前和在后的判断,图像里的阴影没有这个信息,它是你大脑添加的。你大脑在你不知不觉中添加了这个本来没有的信息,然后你就看到她是顺时针转或者逆时针转的。

图:旋转舞女的前后脚,被大脑添加的信息。

以上只是想说明,人脑的根本功能是计算,无论你喜不喜欢数学,你是情感丰富还是理智丰富,本质都是计算。对大脑认知的理解脱离不开数学模型,因为大脑就是靠着它对数学模型的天赋,模拟世界把握人生的。

图:大脑的计算机比喻

3.人脑真的是计算机吗?-作为生命科学的神经科学

 

那么基于计算机的概念逐步的定义大脑的功能,是不是就够了呢? 如果行的话,媲美人脑的计算机应该早实现了。恰恰是,人脑不是计算机。因为,毕竟我们都见过被剖出的大脑,那是一团血肉,是由水和蛋白质组成的,而电子管却是沙子里打磨的。 

当然,这是一个玩笑。从数学的角度说,这种区别只要体现在大脑是由大量具有随机性的单元组成的,这些单元通过自由的演化形成的智能组织,与人类设计的几乎不允许随机性存在的计算机具有天壤之别。如果给晶体管哪怕稍微一点类似的随机性,它也就一点用没有了。而相反,如果取消生物大脑的随机性,它就不能工作了。 因此,生物系统这种特殊的容纳随机性的能力, 给我们提出了巨大的理论挑战。

计算神经科学,就是这样一门超级跨学科的新兴学科,它几乎综合了信息科学,物理学, 数学,生物学,认知心理学等众多领域的成果。 详见下篇。

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/4309.html

相关文章

  • 什么需要计算神经科学(下)

    摘要:作为生命科学的神经科学,依然以和蛋白质为基础,横跨分子,细胞,组织,动物行为等各个尺度,描绘神经系统的形态和行为。你埋头在蛋白质的研究中,不代表你对神经网络有任何有效的理解。平衡状态的神经网络具有较大的对外界信号较大的响应能力。 承接上文,计算神经科学是一门超级跨学科的新兴学科,几乎综合信息科学,物理学, 数学,生物学,认知心理学等众多领域的成果。大脑像一台超级计算机,同时它又迥异于计算机,...

    fanux 评论0 收藏0
  • 谷歌大神Jeff Dean:大规模深度学习最新进展

    摘要:在与李世石比赛期间,谷歌天才工程师在汉城校区做了一次关于智能计算机系统的大规模深度学习的演讲。而这些任务完成后,谷歌已经开始进行下一项挑战了。谷歌深度神经网络小历史谷歌大脑计划于年启动,聚焦于真正推动神经网络科学能达到的较先进的技术。 在AlphaGo与李世石比赛期间,谷歌天才工程师Jeff Dean在Google Campus汉城校区做了一次关于智能计算机系统的大规模深度学习(Large-...

    legendaryedu 评论0 收藏0
  • 深度学习教父Hinton专访,AI已跨越重要分水岭

    摘要:福布斯昨日刊登专访。生于英国,被认为是机器学习的先锋,现在是多伦多大学教授,谷歌高级研究员。但是,正如我所说,已经跨越过了这一分水岭。 《福布斯》昨日刊登Geoff Hinton专访。游走在学术和产业的AI大神Hinton谈到了自己研究兴趣的起源、在多伦多大学和谷歌所做的研究工作以及发起的私人俱乐部 NCAP。 在采访中,Hinton谈到,现在计算能力和数据的发展让AI获得巨大进步,并且在很...

    wayneli 评论0 收藏0
  • 机器学习研究人员需要了解的8个神经网络架构(

    摘要:神经网络是一组特定的算法,对机器学习领域发生了革命性的变化。在这篇博客文章中,我想分享我认为机器学习研究人员应该熟悉的课程中的个神经网络架构,以推进他们的工作。卷积神经网络机器学习研究一直以来都集中在对象检测问题上。 摘要: 本文简要讲述了8种机器学习架构,希望可以给大家带来帮助 showImg(https://segmentfault.com/img/bV8Hby?w=1000&h=...

    DevTalking 评论0 收藏0

发表评论

0条评论

qianfeng

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<