主题：【原创】围绕脑科学而发生的若干玄想 -- 鸿乾
刚才检查了一下，发现上一个玄想是去年5月写的。就是说差不多1年没有来写玄想了。还是应该继续。这次的玄想就从益者三友的评论说起。他去年做了一个评论：
这个评论要分两个方面看。首先，是对的。神经细胞也是细胞，因此具备和其他细胞相同的共性。因此，这个观点，即神经细胞的整体作为信息处理器，没有什么超原理。其次，这个评论忽略了一个很重要的方面，那就是，很可能精细结构，一些看起来非常细微的精细结构，可能产生巨大的宏观效果。例如，那个FOXP2基因所展示的，就是这种情况。那么神经细胞的这些精细结构是什么呢？这才是思考的关键。
进一步，我们再看益者三友的评论：
我感到这个评论很好。的确，现在已经积累了非常多的知识，但是都是杂乱的，没有理出一个规律。很可能的确可以根据比较有限的事实，反推出核心规律。但是，这个工作很不容易。最近不见益者三友河友来参与评论。不知是否有了更新的心得。
我个人感到，脑作为信息处理器，而且是很有效的信息处理器，必然有所宏观规律可供我们把握。而促成这些宏观规律的，就是神经细胞的内在动力。我感到，可能从神经细胞的内在的动力原理入手，是一种理解这个信息处理器的路子。
那么，神经细胞的内在的动力是那些东西呢？如果很深入地看，肯定非常复杂。但是，那种复杂的看法未必是正确的有效的，如果我们的目的是了解和把握脑作为信息处理器的宏观规律的话。因此找到一个合适的程度来看这个内在动力，就是需要的。不知大家对此是否有想法。
否则通过分析这个基因对脑神经的改变（比如老鼠实验那段）应该能够对理解智能其作用的方式有帮助，但是能够了解的只是老鼠学习走迷宫的能力加强了，但是为什么却仍然不了解。只是提到树突加长了。
这说明脑神经科学的手段仍然十分有限，不但因为这是一个跨生物，化学，物理，数学的多学科的困难，就是在生物学科内，在脑神经的研究上也分出多层分支，各做各的实验，很难得出一个宏观规律性的结论。
同样用鸟飞行那个比方，这里面有人研究鸟的生物学，从基因到细胞到生物化学，同时有人去研究物理上的空气动力学，而最后得到突破的是空气动力学方面了解了飞行的宏观规律。
当然不是说信息在大脑中的存储，运动，不受细胞级别的动力影响，但是这个作用更主要的是去帮助认识信息在脑神经网中的宏观规律，换句话说，需要了解的仍然是信息是如何发生相互之间的作用的这个规律。
与鸟飞行原理研究不同的是，那个是生物体与外界之间或生物体内部之间的动力学，本质上不同物体之间的作用，生物体也是一种物质。但是脑神经本身是没有信息这个物质的，神经细胞发生化学反应客观上传递了信号直至生物体出现反应，信号只是个抽象概念，是人类使用的把一个机械能力抽象为信息作用的概念工具。
另一个干扰是人因为这个信息作用的强大以至于出现了认知力，远远超越了简单的机械作用。于是，在这个问题上不如去研究老鼠等简单的脑神经原理，而避开了人类认知力来源问题的困扰，专注于解决信息作用的原理这个问题，甚至简化为一系列复杂的物理化学反应的结果。现在看来还是手段的缺乏，不能大范围的把老鼠大脑中细胞级别的活动全面的实时的去观察。
如果把人类大脑的研究比作全球天气预报的话，这个复杂系统的宏观规律可能是NP问题，永远无解。但是在局部上，在部分特定功能上，类似地区性天气预报，在外部条件一定的情况下，掌握其规律还是可能的。
他们的团队大部分是年轻(大部分为90后)自信且对人工智能领域充满激情的程序员，团队主要采用工作的业余时间进行研究，他们自认为自己是人工智能研究的实干派，他们觉得人工智能学科不需要特别多基础理论的指导，例如莱特兄弟没有空气动力学的情况下也造出了飞机，他们相信自己会为人工智能的发展作出努力。在技术层面，传统的字符识别大致分为字符分割，特征提取，分类器识别三个步骤。而现在大部分验证码采用黏连字符，大大加大了字符分割的难度，避免了程序对验证码的识别。而他们的仿生认知模型很大程度上借鉴了基于生物的识别模型，参考了哺乳动物视觉系统将视觉信息分为where和what两个通路，底层模拟神经元对不同模式进行识别，在高层采用面向对象的认知模拟了人的认知心理，将字符分割，特征提取，分类器识别的步骤同时在神经网络中运行，实现了高层思维和底层识别的交互，算法可以成功的区分出字符的旋转，缩放，同时对字符扭曲也有很高适应性。
MentalTrotter说他们的本意并不是破解验证码也不会公开破解工具，他们真正想做的是希望通过研究人的神经元特性和认知心理来实现可实用的程序。团队的短期目标是将算法实用化，例如真实照片下的字符识别，提供健康资讯的专家系统等产品。长远来看，MentalTrotter团队将致力研发人类认知 、情感相结合的人工智能算法。研发的技术将来可以广泛应用于机器人、智能医疗、工业控制、智能交通等行业，将创造巨大的经济价值和节约海量的资源。
他们提到怀特兄弟。的确，现在的这个时代，和100多年前的前飞行时代很相近，有很多相似点。很可能，突破的实现很近了。
为这些朋友鼓掌。
1999年，丹麦物理学家 Per Bak告诉一群神经科学家，他仅仅花了10分钟就知道神经科学这个领域哪里出问题了。也许大脑没有他们想象的那么复杂。也许大脑工作的基本原理和简单的沙堆相差无几——沙堆中不同大小的沙砾的不断流动有助于保持整个系统的稳定——这一过程称之为自组织临界性。作为一名物理学家，Bak的大胆想法——大脑的有序复杂性和思维能力是神经元混乱的电活动自发形成的——并没有被立即接受。但随着时间的推移，Bak的激进想法成为为一种正式的科学学科。现在全世界大约有150名科学家在研究所谓的大脑临界现象。
好像就是人脑的类似做法
我们都知道，鸟类很有智能。请看这个PBS的NOVA节目Animal Minds: Birds：
其中非常有趣地对比了乌鸦和狗。比较起来，狗简直是太笨了。
但是，我们都知道哺乳动物有新皮层，那是智能的来源，而鸟类并没有新皮层。那么鸟类的智能是什么地方来的？
这是网上找到的资料：
还有这个相关的介绍和解释：外链出处
大家可看。细节我不懂，请河友中的行家来给仔细讲讲。但是，感到原理上说得通。那就是只要有了相似的功能，不必新皮层，也可以达成高度的智能。因此，类脑计算也如此，只要抓住了最核心的东西，就不必追求和新皮层相同。从这个角度讲，这是对类脑计算的好消息。
脑的东西的复杂，是因为脑是非常多年的进化的产物，这些进化都曲曲折折表现在脑的结构中。绝对不是一个，几个，甚至很多简单规则就可以完全覆盖的。但是，另一方面，我们相信，智能的原则可能并不特别复杂。不过，我们现在并不知道这些原则是什么？
但这个回复在待认可已经太长时间，有通不过的危险，所以把它粘过来，如下：
————————————————————
我是作者 [SpaceTrotter] 推举申请认证
你好，我们现在主要在深圳，email:[email protected] 欢迎交流
————————————————————
此人的家园是这里，您可以过去和他交流。
比如高层仿生的认知与底层模式识别。
我只是转贴，怕湮灭了这个可能有价值的帖子。
从没想到有这个水平。
楼主，你对科学尚未入门，对数学更是不懂！所以不要滥用科学和数学概念！数学不是科学，二者一两句话说不清楚的！多学，多学，。。。