理论神经信息科学的基本出发点

数学模型是神经信息学（特别是理论神经信息学）的讨论平台。对于神经信息学来说，没有数学模型就没有真正的理论。

生物学家总是质疑数学模型存在的局限性［1］，认为现有的模型太简单，而且不是一般性的简单，是太极端化的简单。真实神经系统中会有大量的因素存在，他们认为模型会忽略大多数因素，现有的绝大多数模型都是建立在很狭窄的问题上的。这种疑虑广泛存在于神经科学家之中。脑确实是复杂的，现有的不少模型很难说明生理现象。人们往往将此状态的产生归因于模型还不能把更多因素包括进去，认为只有把所有的因素都包括进去，才能真正认识到神经信息的本质，“蓝脑计划”的产生应该也是受此思想影响。问题是，马克莱姆的“大思想”包括脑中一切因素（从DNA 到整个大脑）。这样能解决问题吗？从目前的计算机技术来看，系统大、因素多并不是问题，在计算机中计算成千上万个方程也不成问题，针对几万个神经元的网络的研究报道已不止一次在文献上出现［2］，但是几万个神经元联合起来的计算研究多年来也没有新的发现。可能会有人认为，大量的方程和众多的因素组合成数不清的情况，研究目前才刚开始，人们需要时间慢慢厘清规律，到时新的概念就会呈现在我们面前。马克莱姆曾在2009年扬言十年之内一个完全仿真脑的模型会呈现在人们面前，但当几年过去之后这个口号好像听不到了。评价一个数学模型的好坏是否就是看它能包含多少因素？是否包含因素越多，模型就越完美？很显然，这种看法是错误的。要知道，包罗一切因素根本就不是科学。并非因为掌握的因素不够多，关键是未能把握问题的核心所在。神经信息学研究脑的信息过程，把与信息无关的东西都包括在内，如何能揭示神经信息的本质呢？这又回到第1 章所讨论的观点问题了。马克莱姆就是犯了这一错误。

数学模型的建立首先要考虑其建模的目的，所谓的包罗万象的模型根本毫无用处。研究神经信息学只需要建立信息学上的模型。从某种角度来看，目前的模型实在太复杂，包括了很多不该有的因素，因此人们看不到本质，对神经信息研究无从下手。(www.xing528.com)

当然我们也反对在试验系统中任意取两个量求取它们之间的函数关系，而并不仔细考虑它们内在的关联机理，也不考虑它们之间的量纲关系是否合理。这类模型的增多反而会成为研究工作的干扰。