关于 Theoretical Neuroscience

On Intelligence的作者现在已经转行了，因为他在计算神经科学和智能模拟上也没搞出什么名堂来，而且这本书中主要是想开发人工智能商用产品，在数学的使用上没有什么突出特点。《皇帝新脑》中关于数学的运用和大脑本质的关系，及智力的起源和数学的本质的关系的分析上，也没给出真正有突破性的结论。

楼上对人脑系统与数学系统之间关系的见解颇有见地，顶一下。

我想提醒的是，数学系统不是哪一个人脑系统创造的，而是庞大的人脑系统群共同创造的，这是数学系统的优势所在。

当然，从逻辑上还是回答不了数学系统是否能再现人脑系统功能的问题。

[em06]

QUOTE:

以下是引用zzwzzwzzw666在2008-7-28 12:29:00的发言：
On Intelligence的作者现在已经转行了，因为他在计算神经科学和智能模拟上也没搞出什么名堂来，而且这本书中主要是想开发人工智能商用产品，在数学的使用上没有什么突出特点。《皇帝新脑》中关于数学的运用和大脑本质的关系，及智力的起源和数学的本质的关系的分析上，也没给出真正有突破性的结论。

作者转行了？我前几个月还见到他，给我们介绍其研究进展。首先，作者本身转行与否，目前研究怎样，和那本书的内容没有必然的逻辑联系。牛顿搞出那几个定律之后，不照样去研究神学，不搞科学了？其次，在作者的报告中，我感觉他是注意到了人的认知几个关键的方面（从人工智能的角度来看），而且这也是我目前研究的灵感来源之一。再者，本书问世之后，是引起了不小的轰动的。就连T.Sejnowski这样的牛人，也专门组织过group讨论。

至于《皇帝新脑》，显然不可能给出什么结论。而且目前还没有任何一本书，任何一个人能够给出什么结论。智能是可计算，还是不可计算，仁者见仁，智者见智，都是不同的哲学观点，没有一方的观点说服另一方。这个问题仍旧是上百年科学界研究的问题之一。但科学上任何事情都有可能发生。科学史上99％的事物事先被很多人断定不可能，但最终还是获得了成功。关于智能可计算性，我建议还不要急着下结论。我举一个例子。 Blue brain Project，其中一个目标是用计算机模拟皮层的活动。几年之前，很多牛人都持否定态度。但最近这些人的态度发生了转变。

anyway，我推荐这两本书的用意是，是让大家获得一个粗浅的introduction（见我原帖）。

[此贴子已经被作者于2008-7-29 17:19:47编辑过]

QUOTE:

以下是引用thinker_jeff在2008-7-29 0:27:00的发言：

楼上对人脑系统与数学系统之间关系的见解颇有见地，顶一下。
   

我想提醒的是，数学系统不是哪一个人脑系统创造的，而是庞大的人脑系统群共同创造的，这是数学系统的优势所在。
   

当然，从逻辑上还是回答不了数学系统是否能再现人脑系统功能的问题。
   

[em06]

正如我上个帖子说的，目前没有任何人、任何书对这个问题给出一个回答。正如诺贝尔奖得主克拉克所说，”纠缠在这个问题上无异于浪费时间。还不如集中精力专注到目前阶段有可能解决的问题上“。就目前来看，争论这个问题是没有多少意义的。因为目前的研究成就，还无法对”计算是可计算的，还是不可计算的“作出一个判断。

然而计算神经科学和生物的神经科学相互交织，相辅相成。我分别举两个例子。

例子1，关于计算神经科学benefit from 生物的神经科学。这样的例子处处皆是。比如说，模拟人脑的认知过程（当然是非常粗浅的模拟）而产生的deep belief net，在特征识别上产生了重大的突破，比如可以识别出很多难以分辨的手写字体，而这些手写字体用其它的机器学习、神经计算方法是很难达到如此高的准确度的。见2006年science文章。附带说一下的是，近年获得最大的一个成功是，根据模拟生物智能的信息最大化原则，提出的ICA方法，已经比较成功的运用到了分离多个人的语音（日本今年推出的可分离8个说话人的语音的机器人，就是基于该技术）、EEG的研究、图片的处理上。

例子2，关于生物的神经科学 benefit from计算神经科学。这样的例子比较少，但不是没有。比如关于人的认知中，对于视觉信息的处理，究竟是怎么处理的，基于什么原则。之前很多人通过刺探神经细胞，获得其对刺激的相应，给出了“对刺激信息去冗余”的假说。但是假说毕竟是假说。之后当人们用基于去冗余的sparse coding技术处理自然图片，发现获得的basis function 与神经细胞的相应一致，从而有力支持了这一假说。当然，科学上始终存在着“错误－正确－再错误－在正确”的循环。对刺激信息去冗余，究竟是否是人对视觉刺激/听觉刺激的信息处理机制，有待进一步的研究（目前仍旧是研究的热点之一）。文章见1996年的science （或nature，记不住是到底是哪个了）。

之所以举这几个例子是想说明，计算神经科学一方面用数学的手段来模拟智能，企图用数学语言解释生物的神经科学现象（比如上面所说的验证信息去冗余的假说），但并不完全拘泥于智能。其实更多的领域内的科学家，认为机器具有自身的智能模式，也即“机器智能”。我本人很赞同这个观点。毕竟，我们看到鸟飞，从‘而制造出的飞机，并不是扇动两个翅膀把我们载上天的。一五一十的模拟生物智能，可能是错误的。

另一方面，计算神经科学从人的认知机制获得启发，产生新的人工智能模型，从而用于工业工程（比如On Intelligence的作者，其实就是走这条路）。

所以说，计算神经科学将生物智能与人工智能联系起来，并无论在生物的神经科学领域还是工业界，都产生了巨大的影响。这也许就是它的生命力所在。

最后引薛定’鄂的话来结尾：“生物领域亟待新的定律的发现，而这些定律并不同于物理学定律、化学定律、数学定律，它是另外一种形式的定律”。但用数学的语言来描述智能、解释智能、模拟智能，是我们目前唯一能使用的武器，而且也是一件非常有潜力的武器。

[此贴子已经被作者于2008-7-29 18:03:44编辑过]

楼上的，对你所举例子的具体，来源明确中所体现的求实精神表示敬意。

但你最后的结论“用数学的语言来描述智能、解释智能、模拟智能，是我们目前唯一能使用的武器”，这个我不能苟同，按你的逻辑，你说到“数学的语言”，那就应该有“非数学的语言”，未来解释大脑总的工作模型时，也许用的就是“非数学的语言”------这个你如何否定？总之我的意思是不能断定描述智能的唯一武器就是数学，我虽然现在还不能确定将来描述智能的总体工作模型的语言是什么，可我在直觉上觉得那种语言不是数学的语言。

另外，我说On Intelligence的作者现在已经转行了，指的是他已经不在继续搞他那个人工智能产品的商业化公开操作了，因为根本不具备商业化实用化条件，但他必定还在惦记着他的理论，并一直想取得大的突破。不过对他的理论方法我不看好。

我再罗嗦一下，mitberkeley你所举的例子有两个特点：1）都是对智能局部现象，局部问题的模拟研究，2）都是长时间地处于实验室验证发展状态，鲜有市场化商品化的重大突破性成果，未来前途都很不确定。

说到智能的整体工作模型，假如计算神经科学能给出蚯蚓神经系统的总体上的数学模型，并且依据此数学模型可利用物理器件制造出仿蚯蚓神经系统的机器人，而且依此下去再搞出苍蝇的整体模型。。。。。。如果能做到这样，那我就要祝贺咱计算神经科学家们，俺们成功了！

但是，这可能吗？不能取得了若干局部进展，就十分地乐观起来，反正对此我不报多大希望。注意我决不是对计算神经科学家们不尊重，毕竟，在黑暗中摸路，摸索的方向不是关键，关键是进取的精神和求实的精神。

请注意我的结论“用数学的语言来描述智能、解释智能、模拟智能，是我们目前唯一能使用的武器” 中， 我强调了“目前”两个字。无可否认，今后也许人们会找到另外一种更加适合研究智能的工具（而且我也认为应该如此）。近年来，意识到Shannon的信息论并不能完全适用到神经科学的研究，就是“黑暗中的一丝曙光”。

我的电脑打中文字很不方便，举出的例子比较简洁，未作过多的扩展。事实上，关于ICA的例子，其实已经用于工业界，关于ICA的芯片都已经生产出来。

我想，对科学研究保持乐观总比保持悲观要好。实验室的很多研究工作往往几十年之后便用于工业界，虽然从实验室走向工业界，本身是一个很艰难的过程。

从科学方法论上来讲，任何一个科学领域都是先从局部开始，从小的（但并不是琐碎的）问题开始。我们不可能指望一个新兴的领域短时间内就可以把一个艰难的问题解决。天文学发展了上千年，现在对宇宙的认识尤其是宇宙的本源的认识，仍旧是很肤浅的，假说林立，没有一个统一的公认的理论。同样的，我们不可能去指望计算神经科学就凭它自身这10、20年的发展，便能够给出一个较高等的动物的总体神经系统的计算模型并从而造出机器生物。事实上，即使是生物的神经科学，目前也还处在collection of evidence，创立假说的阶段。比如人脑是如何对一副自然图景怎么处理的，虽然人们在V1,V2,...等视觉区域上收集了细胞的响应模式，但作为这种认知过程的研究，所搜集的evidence仍旧远远缺乏。可喜的是，我们仍旧可以从计算神经科学的研究中看到未来的“曙光”，比如“机器鱼”模拟了鱼类的较简单的智能行为；前几年GIT研制的“机器昆虫”，模拟了甲虫的较为高等的智能，都是很有意思的工作。随着更先进的技术的发展，现在这类机器生物的智能越来越强，有兴趣大家不妨跟踪下这方面的国际动态。




，

楼上的，你所讲的我完全同意，事实上，在认知及大脑的研究中存在着一系列应该引起人们警惕的问题，比如：

1）仙农的信息论，维纳的控制论及计算机比拟说的毫无顾忌的使用，这一点尤其在当代认知心理学理论中比较严重。在许多理论中，信息，控制，程序等等词汇好象是公理的支点一样可以不加分析地使用，这可有点不正常啊。

2）对数学的不加怀疑的崇拜，导致许多即使是大师级（至少是名气上的）的人物也在梦想着像爱因斯坦那样找到大脑的终极数学描述，但许多大人物们都倒在这条路上了，不过还有大批小人物们正在这条线路上跋涉，以期摸到哪个传说中的圣杯。

3）“脑内—脑外”的问题，为什么只关注脑内信号变换的规律的获得，而从不关心脑所属机体的外显的行为发生过程呢？------这涉及到一个研究者先入为主的潜意识问题，这个潜意识就是：对待动物机体运动，就是对其“先把肢体部位质点化，再类似牛顿那样的质点运动轨迹化，”比如现金的机器人理论基础中无一例外都是这种思路，没有几个人怀疑它，可是机体随意运动的对象可是整体啊，怎么能是一个抽象的可以无穷小的质点呢？？？脑内运动皮层细胞处理的对象怎么能是抽象的质点呢？------这个问题的关键就是外现机体的运动能否用质点化的方法来处理，可是当今学术界几乎就是不假思索地使用质点化方法，这正常吗？换句话说，纯粹的分析方法适用于大脑总体工作模型的研究吗？

     另外，如果不能用质点方法分析机体运动行为，那我们该用什么？

总之，把现实的物体对象先质点化，再进行分析---是西方科学的精髓，但问题是，当我们分析人体运动（行为）的时候，对机体质点化合适吗？质点概念也可以不加思索地使用吗？

     而我的意见是：先把脑外问题解决了，再去解决目前大家都在关心的脑内信号问题。毕竟脑内信号处理的根本是为了外现机体的生存。否则，只关注脑内信号而不关注总体外现现象，那就是盲人摸象般的研究了。

4）把眼看外界事物时比拟成相机，虽有人提出不能把眼看作是相机，但也说不出个所以然，这其实不是个小问题，可理论家们基本上都绕过此问题，或明或暗地还是把眼看作相机了，这其实是一朵真正的乌云，但多数人却说那里是晴朗的，这可不正常啊。

5）视觉与触觉的问题，大家都在研究视觉，触觉没多少人研究，而且研究者多为生理指标测量，原理方面的几乎没什么成果，触觉在动物的进化过程中要比视觉原始和基础的多，尤其关键的是动物仅靠触觉也生活的不错，且其神经系统并无特异。可是为什么大家都去视觉这座山丘上去寻宝，为什么不去触觉那座山上看看呢？

6）所谓交叉学科及哲学的使用等问题，认知与脑的研究最忌讳的就是研究者没有对脑的生理，解剖，病理进行深入了解，缺乏强有力的数学基础，物理学基础，尤其是极其朴素的求实精神的欠缺是最致命的。看到很多理论，长篇大论，无实质，动不动就什么哲学名词的，在现在脑理论探索阶段，对谁来说都有些许成功的机会，所以为了各位自己，请一定要思想朴素，尤其要有强烈的自我批判精神。朴素的思想和自我批判精神，就是那只井底青蛙的腿部肌肉，这只青蛙的腿肌越强才能越容易地跃出井外，才不是井底之蛙！

   当然，目前脑与认知研究群体中问题还有很多很多，从每个角度讲都有，我个人目前就想出这些。而我唯一坚持的原则就是：能解决实际问题的就是好理论。

再提一个可能的发展远景。

当我们从生物学的角度彻底地理解了人脑系统之后，可能会发现神经系统所实现的计算方式超出了既有的数学范畴，于是可以仿照神经系统的计算方式创立一个新的数学分支。

[em01]

QUOTE:

以下是引用zzwzzwzzw666在2008-7-31 18:06:00的发言：

楼上的，你所讲的我完全同意，事实上，在认知及大脑的研究中存在着一系列应该引起人们警惕的问题，比如：

1）仙农的信息论，维纳的控制论及计算机比拟说的毫无顾忌的使用，这一点尤其在当代认知心理学理论中比较严重。在许多理论中，信息，控制，程序等等词汇好象是公理的支点一样可以不加分析地使用，这可有点不正常啊。

2）对数学的不加怀疑的崇拜，导致许多即使是大师级（至少是名气上的）的人物也在梦想着像爱因斯坦那样找到大脑的终极数学描述，但许多大人物们都倒在这条路上了，不过还有大批小人物们正在这条线路上跋涉，以期摸到哪个传说中的圣杯。

3）“脑内—脑外”的问题，为什么只关注脑内信号变换的规律的获得，而从不关心脑所属机体的外显的行为发生过程呢？------这涉及到一个研究者先入为主的潜意识问题，这个潜意识就是：对待动物机体运动，就是对其“先把肢体部位质点化，再类似牛顿那样的质点运动轨迹化，”比如现金的机器人理论基础中无一例外都是这种思路，没有几个人怀疑它，可是机体随意运动的对象可是整体啊，怎么能是一个抽象的可以无穷小的质点呢？？？脑内运动皮层细胞处理的对象怎么能是抽象的质点呢？------这个问题的关键就是外现机体的运动能否用质点化的方法来处理，可是当今学术界几乎就是不假思索地使用质点化方法，这正常吗？换句话说，纯粹的分析方法适用于大脑总体工作模型的研究吗？

     另外，如果不能用质点方法分析机体运动行为，那我们该用什么？

总之，把现实的物体对象先质点化，再进行分析---是西方科学的精髓，但问题是，当我们分析人体运动（行为）的时候，对机体质点化合适吗？质点概念也可以不加思索地使用吗？

     而我的意见是：先把脑外问题解决了，再去解决目前大家都在关心的脑内信号问题。毕竟脑内信号处理的根本是为了外现机体的生存。否则，只关注脑内信号而不关注总体外现现象，那就是盲人摸象般的研究了。

4）把眼看外界事物时比拟成相机，虽有人提出不能把眼看作是相机，但也说不出个所以然，这其实不是个小问题，可理论家们基本上都绕过此问题，或明或暗地还是把眼看作相机了，这其实是一朵真正的乌云，但多数人却说那里是晴朗的，这可不正常啊。

5）视觉与触觉的问题，大家都在研究视觉，触觉没多少人研究，而且研究者多为生理指标测量，原理方面的几乎没什么成果，触觉在动物的进化过程中要比视觉原始和基础的多，尤其关键的是动物仅靠触觉也生活的不错，且其神经系统并无特异。可是为什么大家都去视觉这座山丘上去寻宝，为什么不去触觉那座山上看看呢？

6）所谓交叉学科及哲学的使用等问题，认知与脑的研究最忌讳的就是研究者没有对脑的生理，解剖，病理进行深入了解，缺乏强有力的数学基础，物理学基础，尤其是极其朴素的求实精神的欠缺是最致命的。看到很多理论，长篇大论，无实质，动不动就什么哲学名词的，在现在脑理论探索阶段，对谁来说都有些许成功的机会，所以为了各位自己，请一定要思想朴素，尤其要有强烈的自我批判精神。朴素的思想和自我批判精神，就是那只井底青蛙的腿部肌肉，这只青蛙的腿肌越强才能越容易地跃出井外，才不是井底之蛙！

   当然，目前脑与认知研究群体中问题还有很多很多，从每个角度讲都有，我个人目前就想出这些。而我唯一坚持的原则就是：能解决实际问题的就是好理论。

zzwzzwzzw666说的一些观点很好，我深表赞同。不过我想指出的是，你提出的那几点并不是现在计算神经科学研究的误区，事实上，那几点仅仅是多年前人们的认识，现阶段的发展早已不是那样。

比如说，你在第一点中说到信息论等的滥用，也许在心理学中有滥用的现象，但在计算神经科学中，10多年前就有许多研究者（著名的有剑桥大学的Horace Barlow，康乃尔大学的David）发表论文提出这一点了。Barlow在2001年有一篇review性的论文，就详细说过这个，而且还给出了不少参考文献。有兴趣可以读读。

关于你的第2点：”对数学的不加怀疑的崇拜，导致许多即使是大师级（至少是名气上的）的人物也在梦想着像爱因斯坦那样找到大脑的终极数学描述，但许多大人物们都倒在这条路上了“。你能否举几个例子？我倒是对一些牛人的八卦感兴趣 :)

关于你的第3点。其实采用质点的思路只是很老的方法。现在很多研究早以采取其它的方法来研究，比如我前面提到的manifold learning（流形学习），它并不单纯考虑质点的运动描述。就我所看到的学术界，并不是“不假思索”的使用质点化方法。你的指责可能有些偏颇。

另外关于你所说的“质点化”这个问题，它更多的是物体运动描述和模拟，和智能的关系并不紧密。不过既然你提到这个，我就不妨多说说。把物体的运动，尤其是机体的随意运动模拟成质点，可以说是一种简化方法。显然，也存在着其它的简化方法。我们把一个事务作何种简化，简化的程度如何，取决于我们所要解决的问题。有些场合我们并不需要知道机体各个组成的运动和相互间的联系，我们只需要把这个整体简化成一个质点就足可。任何科学领域都是如此。就比如你要想知道一个汽车从A开到B，并不需要运用爱因斯坦的相对论，只需要牛顿力学足可。

所以对于你的问题“如果不能用质点方法分析机体运动行为，那我们该用什么”，我认为，首先得明白分析机体运动行为的目的，或者所要解决的客观问题是什么。具体的问题不同，所采用的简化方式，和研究方法是大为不同的。

我不太明白你所说的“脑外问题”具体的含义。如果你指的是非脑科学的研究，那么我想说的是，任何学科都是齐头并进，并相互影响和制约的。科学发展至今，越来越呼唤人们对脑的研究。我们对宇宙自身了解的很多了，大体的框架和现象已经发展并作出了合理的解释，但是我们对人脑这第二个宇宙的了解微乎其微。计算机科学、计算智能、认知科学、计算科学、物理学、生物学、心理学、社会学等许许多多的学科的发展已经为我们研究人脑自身提供了一定的基础。这也是为什么越来越多的人从各个领域投入到人脑的研究中来。

关于你的第4点。我从来没有听说过目前哪个作计算神经科学的人把眼外的事物当作相机的。我只知道在三维建模、机器视觉领域有人是这样做的，他们那样做是engineering-application driven的。恰恰相反，人眼对外界刺激的响应的研究（我指数学建模角度），一直都是跟踪最先进的生物的视觉神经科学的研究发展而发展的，一直如此。比如computational visual neuroscience中最基本的认识：人的视觉系统对外界刺激是层次性的，就立足于visual neuroscience 的。Computational visual neuroscience中最新的研究之一：sparse coding，每篇论文后一半都是visual neurosicence的东西。而且，甚至在机器视觉领域，机器视觉系统的设计、算法的研究，也吸收了基于人的注意机制对视觉的影响的研究成果。总之，计算神经科学的研究，从来都不把眼外事物当作相机，zzwzzwzzw666有兴趣可以读一读Computational Vision (MIT出版社2000出版）。

关于你的第5点。你的建议很好，也有少数人确实是从触觉来做的，还有人从其它的角度比如听觉、嗅觉来研究。但更多的人（包括生物的神经科学的人，和计算神经科学的人）喜欢从视觉来研究，是有充分的原因驱使他们这样做的。其中大部分原因在诺贝尔奖得主克拉克的科普书《惊人的假说》前几章里已经给出了。这里我就不赘述。

关于你的第6点。你的批评很对，求实精神和自我批判的思想非常重要。只是我觉得你这种指责是否有些过了？我目前有幸在美国神经科学领域和计算神经科学两个领域均数一数二的高校攻读博士学位。就我个人的感觉，他们对研究课题的确立都有很强的前瞻性，很开拓的视野，对很多难以解决的问题都能一针见血的把握问题的本质。研究上非常的踏实和务实。而我所知道的其它一些高校的研究者也都是类似的作风。关于你的这点批评，很让我”丈二和尚摸不着头脑“。

最后很高兴能和zzwzzwzzw666探讨这些问题。如果zzwzzwzzw666能够对自己所提出的观点看法给出一些具体的例子，而不是笼统的描述，那就更好了。