| 主页 | 频道首页 | 本站地图 | 论坛留言 | 合作联系 | 本站消息 | |
科技动态 技术发展 文化研究 生物生态 人的研究 生命起源 基因工程 科学普及 科学探索 专题其他

为什么你需要计算神经科学

2015-02-08
计算神经科学
为什么你需要计算神经科学
作者 : 许铁

今天大大喜事,万门网站公布,从此又有好玩的东西。仅以此文献给刚刚发布的万门大学网站,弘扬万门知识创造乐趣的精神。 @童哲(41893570)

前言:本人系以色列理工学院(technion)计算神经科学博士生,前沿问题希望大家想着来推翻我,写这篇文章就是引起大家讨论的兴趣,希望能聚一批朋友语更深入的讨论。

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? 我都不知道是什么,还问我需不要要? 要么是忽悠人的吧? 作者有病吧? 我想说的是,计算神经科学,真的要的。

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,用数学物理的方法研究生物的大脑是怎么干事情的,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,当然也有人没钱快乐有钱依然快乐。我们在问,到底为什么,究竟怎么办? 心理学,当然要的。


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,没有证据支撑哪个大脑比较多逻辑哪个比较多情感的说法。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。

[photo-media]

[photo-media]

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。人工智能的伟大先驱阿兰图灵通过对这一问题的思考发明了计算机的通用原理,他告诉我们,如果一个系统想要解决复杂的问题,它最有力的工具是-计算。想要了解这个问题,就要解构大脑对信息的表达方式。

[photo-media]

图:图灵机-- 简单数学计算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。

* 将认知现象归结于大脑深层运算规律的伟大先驱是生成语法的提出者Noam Chomsky,他认为不同语言之间存在着相同的深层语法结构,为我们指出背后人类认知与大脑处理信息的深层机制深刻的对应性。


2.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,它描绘的是一个唯一确定的左右振动(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,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(classification machine),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。

[photo-media]

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喜欢,模拟世界把握人生的。

[photo-media]

图:大脑的计算机比喻


3.人脑不是计算机-作为生命科学的神经科学


那么是不是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obviousely,人脑是一团肉. 你怎么能把一团肉和你手里的ipad混为一谈呢?


这样的话不像是学科学的人说出来的。肉是什么?不是你吃的肉,而是一团活生生的细胞。有DNA,有蛋白质,每一个细胞都如同我们身体的其他细胞,是一个完美的化学反应机器,只不过它们的形态结构不同—所谓神经元。


构成一台计算机的原件是晶体管而大脑是细胞。他们属于截然相反的世界。硬邦邦的晶体管只有开和关两个状态,每个晶体管都相同而且始终不变,不变是它的本质,可靠是它的本性。细胞类似一兜水,它的状态无穷多,没有哪两个细胞相同,即使同一个细胞也没有两个时刻是相同的,变化是它的本质,辩通是它的本性(adaptation)。


从组织的角度来看,计算机先有人类设计的蓝图,他是人类大脑产生的蓝图的实现。而大脑的形成没有谁能实现设计它。你要说DNA就是蓝图,但是DNA也是生物进化出来的没有蓝图,第二,DNA只能控制如何条件下合成如何的蛋白质,这最多相当于一份细胞行为规范而远非设计蓝图。


综上,我说大脑是计算机不如说它是一片胡乱生长的原始森林,每个神经元就是一棵树,都努力的争夺水分阳光拼命生长。但是整体看一片森里却秩序井然。


4. 研究生物的方法研究神经科学够用吗?


生物学的核心任务是认识生物体作为化学反应的机器,并且准确的描述DNA和它们控制的每一种蛋白的功能。 作为生命科学的神经科学,依然以DNA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。

生物学研究神经科学的目标是,把神经系统当做一个相互连接的电路研究,看清它们每一部分的功能和每个部分之间的联系。好像在做一部记录片,把大脑这片原始森林的每一棵树的春夏秋冬记录下来。

生物学的这套方法取得了巨大的成就,给予我们对我们身体几乎全部的理解。但是为什么在对神经系统的研究上却始终没有向其它系统那样突破?

首先一个问题,海量细节,先说人脑的神经元有100亿个,全地球的人口,每个都不同,即使分成大类也无穷无尽,想抓住所有细节几乎做不到,在这样的海洋里抓住关键性的细节,犹如大海捞针。

第二个问题,神经系统元件之间相互作用复杂。神经系统的相互作用,往往是非线性的,根据各种条件变化无穷无尽,很难想研究植物的向光性那样简单得出。

第三个问题,神经系统的研究是个跨尺度问题,从蛋白质分子到细胞到网络,由于第二点提到的非线性,每个级别的跨越都不只是数量的增长,而是呈现全新的性质。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。

因此在神经系统这片原始森林里,光去拿着放大镜对着每一棵树看难以取得成效(虽然是不可或缺的)。

[photo-media]

图: 神经系统的原件--神经元及相互连接的关键-synapse。 可见这样的基本元件已经包含无穷细节。


5. 计算神经科学- 一团肉和一台超级计算机间的桥梁


那么我们该怎么了解“神经森林”? 一句话--先从上往下看,再由下往上看。

什么叫从上往下看? 生物学家往往看我有什么,我有细胞,我有网络,我看看它们怎么连接。工程师往往看我需要什么,我要做一台计算机,我需要什么元件,怎么连接? 工程师的思路就是从上往下看,我需要什么,我就设计什么。

在研究神经系统时,我们需要用工程师的想法(自上而下)。 我要是有一堆神经元组成的网络,我怎么让它做哪些事情? 比如说记忆,当信息流过一堆细胞,它如何留下之后可以认读的印记?又如何在特殊的条件下被呼唤出来?

这就是计算神经科学在做的事情,我们先主动设计这个一个系统,看看如何做到(自上而下),然后拿着这个东西回到生物的世界里去比较(由下而上)。

通过计算神经科学,我们把握的是神经电路的算法,而算法,才是这个系统的灵魂。我们都知道,实现一个算法可以用无数手段,甚至完全不同的硬件,但只要算法不变,它所做的事情就是一样的。

验证这一个结论的惊人例子是,某个特定脑区的功能不是确定不变的。科学家已经成功实现了引导小鼠大脑的听觉区产生类似视觉的功能,只要用视觉信号训练它即可。这个原理被用于给盲人安装“电子眼”的研究,给盲人加上类似蝙蝠的声纳系统,然后引导他们的听觉脑区利用类似处理视觉信号的方法看到物体。

这个例子凸显了有什么样的需求,系统就采取相应的算法与之适应。

终于可以引出计算神经科学的本质目的,研究神经系统处理信息的算法,它是如何在和外界的信息交换中调整自身的。它也关心细节,但是它关注的是细节是如何在更大的尺度上发挥它的影响的。


它关注实现大脑认知功能的”算法“,但与设计一台超级计算机的思路不同的是,它关注的是的随机无序的生物世界如何实现高效有序的计算,而且具备目前计算机不具备的灵活性。与生物学研究的不同的是,他始终关注生物原件的计算特性,生物原件是如何接受大自然的信号,编码他们(coding),表达他们(cognition) 和处理他们(behaivior)。

而他的核心任务是建立模型—模型的关键思想是网络。网络不能理解为细胞的简单加和,由于细胞之间的作用是非线性的,他们的组合可以产生各种单个体没有的性质-例如记忆,决断。


科学说到底是要能够有预知未来的能力,而计算神经科学帮助整个神经科学插上了预言的翅膀。实现的办法我称作模型与实验的循环。

自上而下。如果要实现一定的任务,需要什么样的网络。类似于把自己比喻成大脑的设计者。

自下而上。但是之前说了大脑没有设计者啊? 所以这里解决这个问题。根据生物实验结果,推测生物的神经元是如何自然的组成网络给出上述设计师的类似构架的。

综合1,2建模。以上完成了顶层设计结合实验结果设计模型的过程,犹如由地上狮子的脚印识别狮子(其实这就是我们的大脑始终在干的事情,反过来我们用它研究大脑)。

由狮子推断狮爪。 现在我们通过伟大的想象力得来了一头活生生的狮子,它可以四处活动留下无数的脚印。我们让它在计算机里活动。得到各种特点的脚印。这就是我们的预测能力的来源,我们可以知道他今天的行动,也可以得到他明天后天的行动。

回到实验检验。 让现实生活中的狮子多跑跑看看和想想中狮子的脚印有多符合。

由此可见计算神经科学的威力。我们先从一棵树木推断了整片森林,由狮子的脚印探测狮子。而最终,我们返回去看每棵树木,和更多的狮子脚印也变得更清楚。


这个学科的魅力,也在想象与真实时近时远,若即若离的关系。

一个大家可以多专注的典型案例是对海马体(hippocampus)的研究,海马体是大脑解决空间认知(spatial map)和情景记忆(时空轨迹)的超级计算器。这个原件的研究紧密的结合了细胞电生理实验,动物行为学和计算神经科学,也有非常多漂亮的计算模型。


计算神经科学,你真的需要


基础牢固的是细胞神经科学,高端洋气最能引起人们关心的是心理学,那么计算神经科学呢,计算神经科学用漂亮的数学式架通两个截然不同的尺度(虽然目前还有距离)。

基于细胞尺度的神经科学在给它提供地基,捕风捉影的心理学在给它引领方向,而他,具有潜力比两者走的更远。

未来可能从计算神经科学中获益的几类人:

1. 在实验室里辛苦做电生理的生物博士们:计算神经科学家利用它们对整个系统运行机制的把握最大可能的对实验数据进行挖掘,并且帮助设计具有突破性的实验。

2. 生物制药公司:帮助设计新药,减少一种新药的试验年限。制药的根本在于某种化学物质对整个神经网络可能产生的影响,做跨尺度的分析恰是计算神经科学的长处。

3. 人工智能:对生物大脑的理解帮助人工智能,类似仿生学。

4. 脑科及心理医生:每一个好的计算模型都可以帮助设计新的治疗方法。最典型的例子-老年痴呆症,如果能够了解人脑短期和长期记忆的机制就可以帮助人找到记忆衰退的原因并延缓它。

5.普罗大众: 没有什么比脑科学更能帮助每个人生活的更好。


有一天,我们知道的比占星术更多一点。我们会在错综复杂的心理现象之间划出一张真正清晰的联系图。并且给每个出生的婴儿这样一张他的心智地图。引导他的一生可以过的比较好一点,让每一个人的天赋都充分发挥不至埋没。

没有什么比人类对自身大脑的认识更能减轻他的痛苦,我们还能没有行动吗?

计算神经科学-你真的需要的。

请关注本系列下一集精彩内容:大脑记忆的机制


由衷感谢:

阿兰图灵: 人工智能之父。第一个物理学的动力学方程解释生物系统的pattern formaiton(图案-如斑马的花纹)。 曾经,人们不敢相信纷繁的生物现实可以产生自简单的物理方程。

Hodgkin and Huxley: 大名鼎鼎的H&H模型,用几个极为漂亮的微分方程提供了单个神经元放电的精确模型:H&H把电生理实验和统计物理紧密结合,展示了数理方程在解决这样一个复杂生物问题的威力,堪称生物物理的经典胜利。

Donald Hebb : 第一个建立起来细胞生物学和心理学的联系。提出Hebb learning rule 指出神经系统学习的机制 -经常一起方便的神经元会更强的联系在一起,从而学习记忆。

Hopefield : 第一次将统计物理的方法带入神经网络,解释了神经网络记忆和推理的可能性。

蓝色大脑计划: 一个把巨量神经元放入电脑中模拟计划,企图制造人工大脑。 类似于阿波罗登月的壮举,无论成功与否。网址:http://bluebrain.epfl.ch/

[photo-media]

图: 蓝色大脑计划想要复制的人类大脑局部。

以上为引子,更多精彩内容请见后续。

欢迎阅读我写的小站“光之迹”里其它有关神经元的文章:神经元的电振荡 解构神经元

http://zhan.renren.com/wavephotons?from=template



科学家40年研究成果:8个梦境证实你有前世
如何从梦境获取科学灵感
智能手机无需密码可读取银行卡信息
Hosts for Google快速稳定访问
照镜子为什么是左右颠倒,而不是上下颠倒?
如何挑导师
想象:创造的原理
甘阳:一流大学还是三流大学
拥有高级文明的外星人可能是智能机器人
为什么你需要计算神经科学
潮汕家族企业的地域特征―人类学视野下的家族企业研究
Lisp语言发明者“人工智能之父”John McCarthy
为何斯坦福大学能两年四获诺贝尔奖
回忆过去便能预知未来
失落的念力秘密
word打开时总出现发送错误报告问题解决汇总
科学与民粹:经济学两种势力的较量
生猛的进化心理学
从投毒案谈脑科学的价值
贾登·史密斯:奥巴马承认确实有外星人存在
事业选择:学术界与企业界科学家的区别
神秘的混沌理论视频和中文解说词
BBC《神秘的混沌理论》的解说词
分子生物学的建立和发展
动物行为学的三个段子
认知行为理论
任正非:中国没有创新土壤 不开放就是死亡
姜奇平:大数据与信息社会的意义结构
华尔街日报:世界新秩序将会怎样
美国末日计划
弦理论家
弱混沌 著名数学家弗里曼·戴森的演讲:鸟和青蛙
图灵-数学家
个性化推荐猜你心
走近量子纠缠
真实的投资银行世界
《心智、大脑与计算机——认知科学创立史导论》
脑瘫患者成为博士 已发表20余篇论文
“再牛逼的伟人,也有苦逼的青春”物理版
物理学步入禅境:缘起性空
世界著名咨询公司在华情况
马云在斯坦福大学的演讲
智猪博弈与激励机制设计与企业战略
饶毅的科学成就
屠呦呦和青蒿素
何祚庥:隻怨“谁叫你不幸生在了中国”
Nature上给做科研的四条黄金忠告
北京生命科学研究所所长王晓东谈饶毅落选院士
Foxit十年暗战反胜Adobe的故事
融合东西方智慧破解人类困境
为什么硅谷最牛的人在创业公司?
开曼谎言:中国企业的离岸秘史
Google早期的十个疯狂故事
罗斯柴尔德的中国生意
科学家与他们的上帝
被文明改变的人体
从社会网络角度看农民的生产协作,产品交换,社会资源配置
VIE会导致中国海外上市公司一文不值吗
谁对谁说了什么-Twitter研究进展
三大证据相继破灭:进化论,一个错误的信仰
霍金:天堂和来世只是害怕死亡者的童话故事
我们最该知道的10大科学定律及理论
给笔记本外接一个显示器的方法
世界著名实验室简介
伦理与政治考量过滤科学之真
人大讲座的开场白-大学生社会责任
浅析北美中国老板中的变态者 霍金和霍金辐射
李醒民专访:遨游在科学的三维世界里
人类学家提出可能引发地球崩溃的12个因素
无线WEP和WPA密码及破解原理
丘成桐:感情的培养是做大学问最重要的一部分
没有秘密——阿桑奇的理想
论抽象社会
科学与竞争:以日本物理学为例
《科学》主编:中国论文拒稿率高因投稿最多
“科学家一定需要博士帽吗”
如何培养自然科学领域的巨匠
爱因斯坦是如何获得诺贝尔奖的
美国多名退役军官曝UFO曾多次光顾该国核基地
哲学笔记I--被操纵的人性
PRL:物理定律可能并非全宇宙通用
李晓宁:形式逻辑为何产生于西方
《逻辑起源》连载
自然逻辑的产生、发展及意义
论现代逻辑
评论:被人为割裂的中国互联网
互联网大帝孙正义
城市交通网络拓扑结构复杂性研究
无线上网卡老掉线问题掉线的方法
科学家揭秘章鱼保罗预测的秘密
科学家和《阿凡达》里的科学
许成钢:经济学、经济学家与经济学教育
谢宇:漫谈定量与定性研究方法
如何在顶级科学杂志上发表论文
中国如何招聘教授:十年的变化和今后的趋势
学术资料账号密码全集汇总
混沌中的数学
幂律分布、幂律涌现与幂律谱
数学的若干发展和中国的数学
嘉路兰的螺旋历法理论
基金项目《动态评价网络的统计分析与信息挖掘》
人类文明的斐波那契演进
数学的常数美
科学创新犹如渔夫打鱼
超难的75道逻辑思维题
被禁70年的创富秘诀《硅谷禁书》
RSS文件形式
怀念路遥-贾平凹的BLOG
跨学科交流+开辟自己的领域=创新的境界
大师似苗如何栽
五大疯狂天才剖析
Windows 7下载及使用Windows 7升级
艺术与科学的“姻缘”——谈文艺复兴时期艺术与近代科学兴起的关系
Google TrustRank and Hilltop
实证研究方法
一位北大CCER研究生的经济学、金融学学习感悟
潘晓《人生的路啊怎么越走越窄》
Windows XP系统端口关闭方法
世界上最牛的论文
TXP1atform.exe中毒归来
google使用技巧
Widget发展和Widget的各种应用
身体语言密码29
现代科学研究专题其他1 现代科学研究专题其他2

本栏目主要介绍科学技术方面,包括现代科学研究成果、现代科技、现代科学技术、为什么你需要计算神经科学等。特别关注有关人与文化的价值方面的研究。

『科学频道首页』 『本栏页首』 『关闭窗口』