主题：【原创】围绕脑科学而发生的若干玄想 -- 鸿乾
家园 恐怕视觉参考的作用还更深 大脑结构都很相似，完全可能。可能我们的神经元的过程，和蚊子，苍蝇的神经元的过程，都很相近。不过，我们组成了更加复杂的网络。
虽然说，现在大家都认为大脑的功能分区。做认知功能的分区，可能和做视觉的分区是不同的。但是，有无可能，事实上做认知功能的分区，事实上也在使用做视觉的分区。不过，可能输入到视觉分区的信号在做认知时和在做视觉时有所不同。但是，既然是在使用视觉分区，那么就会使用里面已经有的各种”字典“。
家园 一个非常有趣的论文：晶体管与神经元之区别是否就是形式逻辑 作者问：归结到逻辑学，晶体管与神经元之区别是否就是形式逻辑与辩证逻辑的区别？神经元的本质是否就是“自我否定断言”实体？
http://wenku.baidu.com/view/9d02cf6e7e21af45b307a849.html
这是这位作者的“天问”。的确是天问，恐怕也是根本无法答复的天问。
不过，和我在这里说过的可以有一比较：“举例来说，我们可以对形式逻辑做推演，这就是说明我们的脑里面的结构，和这个形式逻辑有很紧密的关联。但是，我们不能用老子的辩证逻辑（或者黑格尔的，或者马克思的）做推演，辩证逻辑得到一个结论，就到此为止了。有人说（事实上是大多数人），这是辩证逻辑根本就不对。但是我想，可能更好的解释是，我们的脑力不够，不能做辩证逻辑的推演。如果我们有更高层次的脑结构，说不定我们就可以做了。当然这是幻想，自己相信就好了，其他人用不着相信的。” 链接出处
我的这个天问恐怕比他的还要玄。不过，我在网上闲聊，他却正儿八经投到主流学术杂志去。这样，其结果和他的愤懑，自然是可以理解的。但是，这类天问的东西，还是不要往主流学术圈子里面去的好。如果有足够好的让另类思考有发表的空间，自然就更好一些。不过，在当今的浮躁气氛下，这恐怕就是奢望了。
希望这个作者能够有安宁的生活。这种无法和实践联系的命题，不是任何人都可以宁静地控制的啊。
不过，对他的那个问题：神经元是否是“自我否定实体”，恐怕就是错了。从人脑如何存储信息，如何处理信息来看，和所谓的“自我否定实体”恐怕没有什么关系。
家园 你不要和这些民科纠缠了 我知道你不是想民科，而是基于已有的科学成果，想一想突破性的思想。
你自己要明白和民科的区别。
即使是外行人，基于已有科技成果，玄想一下，也是和民科要区别的。
家园 我不知你为什么对所谓的民科有那样的反感 首先，这个民科就是一个不好的词，建议不要用。如果人家用官科来说专业研究者，恐怕也不是什么好词吧。
其次，科学职业有专业业余之分，但是，科学内容没有官民之分，只有正确与否之分。对于很多远离研究中心的课题，让人家自己玩一玩，而且不占用任何社会资源，是好事。就是人家完全错了，也没有关系，他们究竟不形成社会伤害，唯一伤害的仅是他们自己。相反，许多官科伤害的是社会的很大一片。
“你自己要明白和民科的区别”，啊哟，何必这样的严正？！
另外，当今这个世界有多少人不是外行人，如果按照严格的意义来讲的话。当我们说到任何一件比较专门的事情的时候，在这个世界上，恐怕99%的都是外行。这个时候，说人们民科，难道自己就肯定是官科了？
恐怕可以区别的，仅是态度问题。是否受过严格的科学研究训练？是否自觉使用公认的研究方式和思想（其实就是西方那一套实证主义的路子）行事？是否认真对待话题而不是哗众取宠？等等。那么用这些标准加诸于那位朋友，你看看他是否就比很多院士们差了呢？如果是，是否你能指出？如果你不能指出，那么你的这种莫名态度又说明什么？
家园 “民科”的含义是“反科学”，而不是是否受过专业训练 这是态度问题。出发点从已知的科学基础开始，进行发散思维，这是科学玄想。
而从基础上就反科学，这属于“民科”。“民科”不是为了未来的科学，而是致力于“反”，反掉现在的科学成就。
这是区别在于，是否承认科学已经取得的成果。民科虽然和玄想类似，但其实本质上是反科学的。反的不是未来的科学展望，而是反过去几百年来的科学成就和科学思想。
玄想是，我们承认过去几百年来的科学成就和科学思想。在此基础上发散思维，头脑风暴，看看能有什么创新的想法。即使不着边际。不是为了推翻过去的科学方法和科学思想。
（我更愿意发明一个词叫“反科”，但“民科”用的人更流行，我还是从俗）
家园 民科是对应于官科的，民科就是反科，并不是大家的共识 民科是什么人发明的术语，我不清楚，但是，我相当反感。我们没有必要从俗。科学不在于是谁做的，而在于是对的还是错的。如果没有实践的反馈，很多时候的确如此，那么就应该从思想和方法论上入手分析。把人家标示民，以显示自己官，多少不对味，凸显科学精神不足。不过，我们应该就此停止这个话题。谢谢讨论。
家园 "不欺负老实人有罪" or 剥削有功论, global, east is worse than west, for whatever reasons.
1. system has no choice, now, but to 剥削老实人
global, east is worse than west, for whatever reasons, because social science is largely between 民科 and "科学"...
老实人(with no usa "AI models" or tg 组织文件)能譜=可见光到近红外范围, and 可见光 part is pretty much where 信噪比 tops out, and in 近红外范围 part, basically 老实人 gets 老实人信号, with top social scientists/sys admins watching those 老实人 happily releasing/contributing their energy to the "system", so system can move on and progress.
2. how to be more nicely when 欺负老实人?
obviously, "white" thinks their system provides a better chance
1)for 老实人 to compete with "smarts" and come out as innovators,
2)making sure sys admins are not too "happy" and privileged and too much inherited by blood, etc
tg's model:.........
3. hope for 熱力學完備化量子化公理化@macro level
I wrote before about this a little.
right now, 熱力學 is largely a “摸著石頭過河” model with some stat about 石頭, not much idea about 河 and the waves in 河, etc, somewhere between 民科 and "科学"...kind of like social science
"熱力學第零定律是一個關於互相接觸的物體在熱平衡時的描述，以及為溫度提供理論基礎
第零定律比起其他任何定律更為基本，但直到二十世紀三十年代前一直都未有察覺到有需要把這種現象以定律的形式表達。第零定律是由英國物理學家福勒(R.H.Fowler)於1930年正式提出，比热力学第一定律和热力学第二定律晚了80餘年，但是第零定律是后面几个定律的基础，所以叫做热力学第零定律。"---wiki
4 for all of us 学习 by 語言: be careful
語言=热力学 medium, 大熱源忽悠 smaller 熱源 , piece of cake@光速.
5
"人脑就是使用和学习同时做的", more than often 老实人 loves 学习, because 老实人 loses energy much faster @ almost all lover the 能譜@可见光到近红外范围, and they often 熱鬧的不行, 春晚, global, from British's imperial wedding to tg's whatever,
in that regard, US sport game is much better than the above 2 熱鬧, I would think.
------------
不知你是否是脑科学的专业人士？ [ 鸿乾 ]
就我知道的而已，人脑的存储是通过其神经元之间的连接的权重系数来实现的。而且这是对于全部脑都如此。不过，恐怕有些脑部分，权重系数无法修改，或者很难修改，有的部分比较容易修改一些。
那么人脑的对信息的处理过程，也就是相对于你说的逻辑过程，我们如果完全排除学习的话（恐怕人脑就是使用和学习同时做的），就是这样的：输入刺激神经元，而神经元网络通过它们的权重系数，产生新的神经元兴奋，然后这样逐层下去。这不是搜索。恐怕也无法并行
家园 "gamma": from 一阶逻辑 to 高阶逻辑 形式逻辑,一阶逻辑; 辩证逻辑,高阶逻辑;
1.
"1930年，哥德爾在維也納大學完成他的數學博士學位，證明了「一階邏輯」的完備性，解決 ... 的邏輯基礎上，哥德爾「一階邏輯」完備性的證明，鼓舞了當時許多的熱衷人士。 ... 後來，哥德爾對「相對論」也發生了濃厚的興趣，還撰寫了幾篇關乎時空的論文"
2.形式逻辑=一阶逻辑,Newton, "matter" stays put,largely unchanged, exposed to no SR radiation
3. 高阶逻辑,SR,
in terms of 狭义相对论
with relatively low velocities, the relativity factor gamma approximates to one, and 时空 =经典物理伽利略时空, 低能;
if 高能, sr 四维: 时间, space has to go with lorentz transformation
http://www.ccthere.com/alist/3659016/2
3.
our daily physics "city" world=largely经典物理伽利略时空, 低能, so, we are "trapped" within each individual kingdom, visa needed for crossing arm controlled national border, many of them with SR weapons.
4. 高能 science, technology, and 社会,高能輻射 all over the place, to 折旧旧世界, to reduce entropy and to progress for the human society as a whole, and supposed to be performed globally, according to SR
5. all the above reflected in our mind
we have "standing waves" in our brain:non-relativistic Schrdinger equation type of waves, kind of,动荡不安, 零點能>0, 振动幅度会随着温度增加而加大,but not really knowing what is going on, confused, ...so go yoga, like Indians, not to be bothered at all.
6. qft, etc
started with relativistic Schrdinger equation, 多粒子 with "gamma" level interactions among 多粒子, no "standing wave (basically local 位能 ) " anymore,"王婆賣瓜" to be globally 洛伦兹变换, real time "priced to value", kind of us-European white day dream.
because in reality, 王婆s all enjoy their own kingdoms very well, and no one 王婆 wants to let their kingdoms go to under "white control".
so white day dream of all kind of versions: from Marxist's global communism, to whatever, day dreams
家园 推荐一些链接 这是对两位人物的访谈。可以比较容易获得这两人的观点和想法。
http://ai.stanford.edu/~joni/papers/LasersonXRDS2011.pdf
这是Andrew Ng的关于深层学习的介绍。
http://forum.stanford.edu/events/2011slides/plenary/2011plenaryNg.pdf
这一个中文博文，对从数学上看稀疏表达有些有趣的介绍。
http://wenku.baidu.com/view/0169724169eae009581bec69.html
有些空了。因此来写一点东西。谢谢Fuhrer的链接，很有趣。等有时间了，也要写写读后感想。
从上面三个链接，我们也可以这样看：从数学出发的稀疏表达，正在接近从脑科学出发获得的知识，即信息的稀疏表达更优化；而利用新的稀疏表达的方式，正在深入开展研究的深层学习，正在达到以前的AI所未能达到的能力；但是这些都还不是脑科学显示的脑活动，而且离开脑能力也还有相当的距离。但是，不管如何讲，最近的这些年中，机器的学习能力，在这些推动下，有了非常长足的进展。如果还龟缩在既往的那些AI理论中，恐将错失很多重要发展。
- 复 推荐一些链接
家园 继续推荐链接 - 国防先进科研局的新计划和评论 So It Begins: Darpa Sets Out to Make Computers That Can Teach Themselves：
http://www.wired.com/dangerroom/2013/03/darpa-machine-learning-2/
这是他们的计划：So on April 10, Darpa is inviting scientists to a Virginia conference to brainstorm. What will follow are 46 months of development, along with annual “Summer Schools,” bringing in the scientists together with “potential customers” from the private sector and the government.
这是值得关注的。不知河里是否有人士收到去参加4月10日的会议的邀请？如果有人去，请上来分享一些见闻，乃至花絮等，恐怕都比较有趣。我想这是在历史上第一次非常明确地提出让机器教会机器自己。值得关注，值得学习。
国防先进科技局的这种具体做法也是比较有趣的。
家园 今天读了两篇人工智能重量级人物的交锋 那叫一个费神， Norvig vs. Chomsky and the Fight for the Future of AI。
辩论源自Chomsky前一段时间对统计概率为基础的现代人工智能的全面批判的一段网上流传的讲话，然后Norvig就写了一篇檄文深挖狠批Chomsky的问题，不过倒是把现代科学中的一些基本方法论观点都倒腾了出来，详情自己去看Norvig的文章吧，文章很长但是很值得一读，尤其对河中一些对现代人工智能的了解仍停留在上个世纪的“学者”们应该有一定的启蒙作用， http://norvig.com/chomsky.html
Chomsky：
Norvig:
外链图片需谨慎，可能会被源头改
本帖一共被 1 帖 引用 (帖内工具实现)家园 交锋的另一方 http://www.chomsky.info/interviews/20121101.htm
乔姆斯基有理有据的论述了：很多问题光用统计是回答不了的。
- 复 交锋的另一方
家园 今天终于看完了 基本上乔姆斯的观点还是那个传统的科学观。这个倒是没错，很有说服力。也可以说目前的人工智能更多的进展是在工程上，当然他说的没错，智能理论的发展上没有多少进展。不过我还是想起那个从鸟到飞机的类比，人类发明出来飞机并不是在完全对鸟的生物结构，免疫化学神经，甚至基因，分子原子级别上的全面了解之后才能够发现飞行原理并造出飞机的。
不过有一点乔姆斯的看法很独到，就是智能的本质不是算法，而应该是在物理上的理解，但是也许是量子物理，这个现在谁也说不清。他的理由的确很站得住脚，比如飞机能上天自然是在人类对空气动力学了解的基础上实现的，而不是靠大量的空气动力试验的数据来靠算法近似实现的，那样的话估计没人敢坐飞机上天，万一出现黑天鹅怎么办。
问题是在智力上的这个“空气动力学”是什么层次上的东西，他认为是物理动力什么的，或者未知的科学，而其他人认为是在目前技术条件下相当于算法内核的作用，也就是说在目前计算机的基础上实现工程上的人工智能的话，这个“空气动力学”的物理原理实际上是可以脱离开其物理环境而单纯靠算法或数字来形成的。
这是针对计算机基础上的工程实践来说，未来如果出现了可能的材料，比如量子计算机，那么其物理性质则可能主要作用，类似人脑本身。但是这样的话，感觉更像从鸟去造“鸟”，而不像是造飞机了。
因此我认为乔姆斯第一没有理解使用算法做数据挖掘的人工智能派的真正目的是什么，意思是他们并不是在做类似华尔街那样的预测，而是希望能找到智能的真正算法本身，不过这两者做起来听着象是一回事，但是从科学方法论上来说还是不同的。区别是这些人眼中的算法其实就是乔姆斯口中的物理原理，不过这一点恐怕乔姆斯是无法跨越了。
第二乔姆斯追求从宏观到微观上的统一的精神可嘉，甚至自比伽利略，而且对于生物脑神经领域的研究试验方向的批评很有见地，不过总的感觉他的观点还是希望从微观上去深挖，或者说等待为主。唯一这篇文章有新意的地方是最后他所提到的人的智力与外在语言表达上可能有一个后来出现的连接机制，他的意思是说人的思想是在语言出现之后才出现的，但是智力本身是独立并早就存在了。比如他举例中提到的语言中不符合语法的用法。这方面因为是他的专业，应该是有可信度的。
不过猜想他的本意是否定试图从语言辨识方向去构造智能的尝试，或者解释为什么NLP对于真正理解语言的含义没有作用的道理。其实生活中这样的现象如果有心的话也不是闻所未闻，比如养过狗等宠物的人都有这个经验，狗狗虽然不会说人话，但是很明显的可以发现狗与人之间的沟通超越了语言，这个没有人会否定。反之，比较语言识别算法，显然计算机能够达到的对人的了解还不如狗的智力。
但是针对目前人工智能界的“忽悠”，比如奥巴马的BRAIN计划，不是说把几百亿个神经元链接起来，智能就会自动出现了，这个是误解更是无稽之谈。但是在这个级别上去模拟去试验增加对智能的了解，显然是有助益的。而工程上的一些实现，更有巨大的经济意义。Hawkins说过，他不是在试图实现类人的智能，而是在模仿智能的原理做应用 （Machine intelligence is not about replicating human behavior or even passing the turing test. I agree on this – we need the machines to think & do things we cannot do thus augmenting us. Make us stronger where we are weak ）。从这个角度出发，使用统计算法的方法并取得很大成就，其意义已经足够大了，至于这条路走下去是不是出现超越人的智能，谁也不好说，抛开乔姆斯的争论，假设他的观点全对，毕竟也没有人可以肯定的说智能的出现只有人的大脑这一种方式。
你提到的这是美国的一大“忽悠”，昨天消息中国百度也跑到硅谷开场子开发人工智能了，这期间的道理不用多说了吧。
本帖一共被 1 帖 引用 (帖内工具实现)- 复 今天终于看完了
家园 Chomsky还是有水平的，谈智能的本质时没提物理、统计 “…if you can understand what the fundamental principles are that deal with the core properties, and recognize that in the actual usage… ”google、百度、deep learning、基于统计的智能都不是忽悠。但说因此人的智能可能被人工智能复制 / 赶超，就是睁着眼睛瞎忽悠了。
- 复 今天终于看完了
家园 佩服佩服，我想绝大多数人都没耐心看完的 请问Chomsky说“智能的本质不是算法，而应该是在物理上的理解。”的原话是？难道语法、语义能还原成物理上的理解？
语言离智能的本质肯定比物理更近，但也有局限性。聋哑人不等于智商为0吧？
你引的Hawkins的话就不忽悠，说的很明白：人工智能不是在复制、模仿人的智能，而是在增强、补充人的智能。这和我说的是一致的，机器和人是不同的认识系统。
难道Norvig和Chomsky就是美国智能科学的最高水平？那真得“求诸野”了。