首页 理论教育 理论神经信息学研究及新概念介入

理论神经信息学研究及新概念介入

时间:2023-11-20 理论教育 版权反馈
【摘要】:难怪文献[1]指出,现代科学是不能揭开神经信息之谜的。应该说“深度学习”的提出确实改进了原有的算法性能[16]。只有仔细分析了这些差异,才能更好地评价深度学习究竟是否有突破性的进展。如何引入新概念?非线性科学家都知道,混沌轨道是不确定的、不可预测的。看来人们对混沌的看法和对脑的看法存在相同的问题。

理论神经信息学研究及新概念介入

我们目前还不知道快乐和悲伤在神经回路中如何表现,也不知道高层次神经信息中哪些内容直接与回路有关,不清楚高层次信息内层次是如何划分的,更不能回答有关智能、意识等的问题,不能给出对智能和意识的全面的解释。可能在打好坚实的神经信息学研究基础后再来研究这些问题会更好些。

我们相信,脑的思维活动是与神经元所组成的神经回路有关的,也同意克里克的观点:从神经回路出发,分析一切。神经信息是神经回路的属性,神经回路是研究神经信息学的平台,同样,要用神经回路去研究脑的高层次信息。

到目前为止,神经信息研究确实已引入过很多理论,几乎把科学发展中出现的新概念都用过了,从量子力学、场论,到自组织、相变理论、复杂系统理论,还有包括分子神经科学等在内所有的学科理论,都被人用来解释过脑。多年经验证明,单凭套用现有的知识和现有的理论,是不能发现神经信息处理的机理的。难怪文献[1]指出,现代科学是不能揭开神经信息之谜的。我们认为这个观点是有道理的,必须引入新的概念才有希望了解神经信息机理的关键所在。

现在有了“深度学习”(deep learning),人们终于有希望让机器学会人类能做的事,并认为已经找到了人工智能研究的突破方向。应该说“深度学习”的提出确实改进了原有的算法性能[16]。关于如何看待目前的人工智能,我们还是认为不要盲目跟随,首先要分析它与原有的人工智能相比,在理论上是否有突破、突破在哪里,其次分析它与神经系统是否存在本质差异。只有仔细分析了这些差异,才能更好地评价深度学习究竟是否有突破性的进展。根据Yoshua Bengio 的分析[18],深度学习的关键是“卷积神经网络”(convolutional neural network)。按我们的观点分析,人工智能研究并没有摆脱原有的方法,学习还依靠数据库,也要利用聚类分析和最优化理论(见第12 章),还看不到有全新的思路出现。人工智能要代替脑还是很遥远的事。

如何引入新概念?这一问题谁也回答不了。但是我们认为,要从现有理论和生物实际之间的差异和矛盾中去发现和分析问题,而不要从表面现象的相似中去寻找,这应该是比较有效的方法。(www.xing528.com)

仔细分析现有的所有有关脑和神经的理论,可以发现它们主要还是线性观的理论,都强调稳定性和确定性。可是脑是不稳定和不确定的系统,理论和实际在此存在一个根本性的差异。脑的行为违背了线性观的规律,或者说脑内的过程是线性观所不能理解的,找到了这一点就有可能在理论上产生突破。

非线性科学的兴起让人们看到了希望,计算神经科学的出现就是很好的例子,人们已经用非线性动力学的方法解释了很多神经系统中的现象,Science杂志上的文章[17]还说计算神经科学是成熟的研究领域(computational neuroscience is now a mature field of research)。但是十多年过去了,神经信息究竟是什么样的、神经编码是什么样的、编码以什么形式传输等基本问题都没有得到回答。这又是为什么?

仔细分析可以发现,现代非线性动力学还是停留在定性分析的理论上,非线性科学家还是认为研究单条混沌轨道是毫无意义的(看起来非线性科学家好像在回避不确定性)。可是脑中任何回路或网络中出现的不稳定轨道都是实实在在的一条条轨道(一串串神经脉冲序列),不可能出现像非线性科学家所讨论的笼统的“流形”之类的东西。这一条条轨道就代表信息,不分析这一条条不确定的轨道又如何来认识神经信息呢?从神经信息学角度来看,我们认为这就是问题所在。

从20世纪70年代开始,非线性科学研究的热潮几乎席卷了全球,可是非线性科学却没有得到很好的应用。本来人们认为,混沌保密通信是“混沌”最有希望的应用领域,但是到现在为止,连混沌通信最起码的开端也没有看到。非线性科学家都知道,混沌轨道是不确定的、不可预测的。不可预测的轨道如何代表确定性的信息?这其中的确存在矛盾,而且是根本性的矛盾。目前,非线性科学研究没有从定性走向定量,还是因为对不稳定和不确定的不理解。对不确定的混沌轨道如何进行定量呢?这确实是个大问题。这个问题没有得到解决,因此严重影响了非线性科学的应用。从20世纪90年代到现在,非线性科学几乎没有新的突破性进展,已被“冷落”了,很多非线性科学家已转向其他领域的研究。看来人们对混沌的看法和对脑的看法存在相同的问题。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈