生物感觉系统信息处理机理研究

文献［16］所指的理论神经科学似乎主要指一些数学模型，认为若能真正找到正确的数学模型，一切问题就都解决了，有了数学模型，就可以采用计算神经科学的方法解决一切，就能说明生物系统中的所有现象，就像牛顿三大定律可说明一切经典力学现象一样。可惜这在生物系统中根本做不到。

正如文献［16］所提到的那样，当前的理论研究出现了一些不尽如人意的倾向，太多的模型常常离生物神经系统太远，以至于很难使人相信。这也是实验神经科学家对理论神经科学的研究产生不同看法的重要原因之一。

能否找到一个能完全反映神经系统的数学模型？实际上到目前为止还没有找到。现在很多人把这样的结果归因于神经系统太复杂，然而真正的问题是否是这样？寻找方法是否合适？这些问题还值得研究。

“蓝脑计划”（Blue Brain Project）的鼓动者亨利·马克莱姆（Henry Markram）认为，神经科学已经并正在飞速地积累起大量的数据，但是迄今为止依然缺乏一个能跨越脑的各个层次的统一的认识。他认为，如果按照常规办法，在健康的和各种疾病的条件下，对各个年龄段的各物种逐个测量脑里面的每个基因、蛋白质、细胞、突触与回路，那么即使再过一个世纪或者更长时间，也还是解决不了问题。为克服这一困难，必须把全世界所有已知的和新研究出来的数据都整合在一起。这样就必须研发全新的信息和计算机技术，包括超级计算机，从而把这些数据整合在统一的计算机模型之中，并对脑进行仿真。研究者相信，只有这样，才能发现脑的工作模式和组织原理，找出人类知识的缺失之处，并以新的实验来填补空缺，之后就可以从已知的知识预测其他未知之处。简言之，“蓝脑计划”的研究者运用现代高速发展的计算机技术，采用大规模、多层次、更高水平的高分辨率仿真，希望能在大规模计算中出现“智能”的“涌现”［17］。

2012年1月20日，瑞士自然科学院在伯尔尼召开会议，会议主题是评述大型计算机建模在神经科学研究中的运用。这实际上是神经科学家首次正式评议马克莱姆提倡的“蓝脑计划”，这种想法被称为大思想（big idea），它被认为是自下而上的探索神经信息机理的道路。虽然他的想法招致了很多批评，但他的活动已引起Nature 杂志的注意，后者还特地为此做了大幅报道［18］。

由于自组织现象已深深印入很多人的头脑，杂乱无章的大量子系统之间遵循某些简单规律，在宏观上会出现意想不到的现象。很多生物学家都把解决神经机理的希望寄托在“涌现”两个字上。“蓝脑计划”是否能希望成真呢？根据目前分析来看，这是不可能的。因为数量多并不能反映系统复杂度，不仔细分析现有的观点与脑的本身有哪些根本区别，不解决这些差别，现有的任何理论都将是无用的。这是理论上首先要考虑的问题，如果现有的理论已经能满足神经研究，则计算机也就能真正做到像人一样智能。我们为什么这样武断地否定“蓝脑计划”？在接下来的一些章节中我们将阐述脑本身与现有观点存在根本的差别，其差别之大是很多人难以想象的。而“蓝脑计划”至少到目前为止尚没有提到这些差别，它仅仅是把现有模型综合在一台大型计算机上。(www.xing528.com)

非线性动力学在神经系统的应用已能描述神经系统的很多现象，如神经脉冲的产生，簇状脉冲序列（burst）的形成，同步、共振的形成，等等，这使得Science 的编者认为计算神经科学已经是一个成熟的研究领域［19］。事实上，从非线性动力学成功应用于神经系统到现在已经很长时间，但是这并没有使神经信息学出现突破性进展，甚至连简单的感觉神经系统的信息处理机理也一个都没有搞清。因此，Science 这种断言也许为时尚早。

我们同意霍金斯的说法，现在神经科学实验方面文章很多，其数量之大已使很多神经学家对与自己最邻近的领域都变得十分陌生。生物学家和行为学家一百多年来收集的大量研究数据，现在还在不断增加，每个月都有新的论文发表，从而又添加了新的论点。有时某些科学家的研究数据和结论会与另一科学家的相冲突。因为可以用不同的方式对所获得的数据进行解释，所以几乎凡事都存在分歧。没有一个自上而下的理论框架，对于要探寻什么、什么是首要的、怎样解释堆积如山且越来越多的信息问题，就没有一致的意见。对大脑的深入理解利用“自下而上”的方法是行不通的，而是需要“自上而下”的理论框架［2］。这是否就是纯理论神经信息学？

在采取自上而下的研究中，首先必须分析脑和目前的数学有什么不同，只有从不同点出发来发展脑的理论才是正确的道路。在数学界，常常有人提出一些数学难题，这些难题在国际上被确认后，就成为全世界数学家追求的目标，很多数学分支就是这样产生的。有些难题到现在还没有解决，仍是目前数学家在追求的目标。神经信息学的问题究竟在哪里？神经信息学的世界难题是哪几个？到目前为止，没有一个神经科学家能回答出来。这应该是神经信息学家需要思考的问题。

随便引用物理和数学上的新名字、新概念和新技术都不是很好的研究方法。如在神经系统中引入神经达尔文理论、自组织理论、自组织临界理论以及量子力学的概念（提出“微位假设”）等已有几十年历史，至少到目前为止，这些理论还没有使神经信息学出现突破。要知道，现有理论（包括量子力学和混沌在内）基本上还是以确定论思想为基础的研究结果。虽然量子力学有不确定性原理（uncertainty principle），但是它还是以统计方法为主要手段。虽然混沌是不稳定系统，但是分析方法是确定性的定性方法，只研究混沌系统中确定的分岔点、不动点和奇怪吸引子的特性，对于不稳定的不动点没有进一步研究，也不研究不可预测的混沌轨道，认为研究单条混沌轨道是毫无意义的，看来还是没有跳出确定性的线性观念。现在很多人对“涌现”寄予希望，看上去灵感的出现和自组织现象的出现很有相似之处。然而按原有的自组织理论和自组织临界理论，这些实际上是可预测的确定性过程，不能说明脑的不确定性灵感的产生过程。

如何发展纯理论神经信息学？首先要在大家公认的一些规律（现象）的基础上，分析脑和自己认识之间的差异，分析神经系统与现有理论中存在的差异，经抽象归纳，提出新的概念和假设，在此基础上建立起一个理论框架，去解释神经信息过程的各种现象，并在解释生物神经现象的过程中不断修正理论。如果你抓准了“公认的基础”，并有一个正确的观点，那么所建理论应该是较为可信的，它应该能解释所有现象；如果理论还存在一些问题，可能还会有些现象不能解释。拿某一理论去解释种种生物现象，能说明的现象越多，说明此理论越接近生物实际。这才是理论发展的较为正确的过程。