神经信息系统的特点及研究成果

脑与计算机的本质差异有很多，不知道这些差异，就不能理解脑。我们从信息角度出发，先考虑稳定性和不确定问题。

S 空间理论解释了脑的状态不稳定性和不确定性，但是这还不够，仍需要解释脑在结构上的不确定性问题。

重新回顾一下埃德尔曼对脑的描述，他在文献［1］中指出：我们已经反复强调，每一个脑的最突出的特点之一是它的独特性和多变性。在脑的所有组织层次上都有多变性，这种多变性是如此之大，以至于在寻求一种脑活动的物理理论时，不能把它仅仅当作噪声忽略掉，或是不予考虑。我们可以将其理解为：不能随便用统计方法来处理这一多变性，必须逐一分析每一细胞、每一突触中信号变化和传输的情况，最后才能综合得出整体的信息变换规律。(www.xing528.com)

每一神经元的树突和轴突形状像树根一样各不相同，这样的神经元所组成的回路也各不相同，这使脑的所有组织层次上的网络结构各不相同，从而使每一个脑都成为世界上独一无二的［1］。埃德尔曼对脑的多变性描述应该说是完全正确的，他能正面揭露事实，并在此基础上给予讨论，这是很了不起的突破。

如何来分析这样独一无二的系统？如何处理系统的多变性？如果采用统计平均的方法去抹平这些差异，就基本否定了神经回路的理论。如果承认神经信息回路是神经信息学的基础，就应该看到，不管脑的回路结构如何变化，神经信息都是在这样结构变异的回路中流动的，我们应该在这样的系统中把握神经信息。埃德尔曼看到了这一点，他也在这方面做了努力，所以他在《神经达尔文主义——神经元的群体选择理论》［2］一书中揭示了神经系统中存在的“简并性”现象，这是脑与计算机的根本区别。我们并不完全同意“神经达尔文主义”，但是认为简并性这一概念的提出确实是一重大突破，应该充分认识到简并性是脑的信息回路结构的最基本的特点。如果忽略脑内的简并性，便不可能认识神经信息网络结构。