理论神经信息学初探：S空间理论及研究成果

理论神经信息学与实验神经科学的研究有很大不同。实验神经科学是以实验和模型为基础的，能找出规律就好，较少用理性思考。理论神经信息学必须脱离实验，完全以理性思考来解决问题。

按理说，脑研究应该以认知问题为根本，本书抓住“不稳定性问题”合适吗？因为这是脑的特性，对脑的不稳定性和不确定性的认识将直接影响到对脑的理解。而目前的各种理论基本上都建立在稳定和确定性的思想上。正如普里戈金所说，我们应该从确定性转向不确定性。在脑研究中，我们已深深体会到这样做的重要性。

很多人以为，脑的神经细胞如此之多，才使得脑如此复杂，因此目前的任何数学模型都显得过于简单。其实如此庞大的系统在工程系统中已经存在，因特网的规模足以与脑相比拟。要用计算机网络仿真脑，在规模上完全能做到，马克莱姆也确实在这样做，但是到现在为止还没有新的苗头出现，因此受到很多质疑。再者，低等动物体内只有有限个神经元，但其功能可能还无法用一台复杂的计算机代替，这又说明什么？应该说，脑的复杂性并不在于它的细胞多少，而在于它的不稳定性和不确定性。

对高灵敏的感觉器官的神经回路进行分析，最能帮助我们加深对不稳定性和不确定性的认识和理解。搞清感觉器官的输出信号，就是搞清进入大脑的信号的形式和特点，这是了解大脑最基础的一个环节。因此，本书的重点是分析感觉器官的信号处理，并提出了S 空间理论。

S 空间理论研究与现有的研究在方法和理论上都有很大的不同。首先，S 空间理论已经跳出了统计范畴，从而抛弃了统计的方法和观点。其次，S空间理论使我们看到不稳定性和不确定性所特有的优点。再进一步分析，也许它是认识脑的高层次信息必不可少的一环。为此，我们不但要学会在不稳定和不确定条件下思考问题，更应该欢迎不稳定性和不确定性。(www.xing528.com)

本书仅仅提出了一个理论框架，是以单个神经元输入输出规律为基础的，在此基础上来推演神经回路信号处理过程。全书尽可能考虑系统性和严密性。为了与现有的种种人工神经网络有所区别，本书特指生物神经网络为神经回路。书中未做特别说明的各种网络也是指神经回路。

本书所提出的理论中，得到实验证明的还不多。而且随着理论发展，我们还会提出更多的假设和结论。这样的情况不能等待实验的验证，而应该依靠上述讨论的思想来判定自己的工作方向是否正确和有意义，这样才能使理论独立于实验得以发展。要研究如此复杂的神经系统，往往需要理论先走一步，而不是实验先行。

本书并不是想给读者一个标准答案，而是希望让读者看到神经信息学研究的最基本问题和努力方向。本书还没有一套完整的理论，但已经给出了新的起点和大概框架。根据这一起点，神经信息学已经在很多方面有了全新的解释。由于我们研究的主要是脑中的低层次信息，因此它的成果可以直接用于信息科学。本书所得出的某些新概念已经受到某些信息科学家的热情支持，相信在此基础上会有很大的发展余地。