本文由批兔看板转来的@@ 作者: BBIO (H+ pump) 看板: AAAAAAAA 标题: [分享] 神经科学研究的各个层次 时间: Tue Sep 16 02:16:16 2008 神经科学研究的各个层次 http://mmdays.com/2008/09/16/neuroscience_research/ Posted By Mr. Thursday 在之前有写了一些神经科学相关的文章，有些是偏向认知心理的，有些是偏向细胞分子的 ，或是偏向视觉处理的。神经科学的研究，我本身的是以人工智慧作为出发点，往神经科 学研究方向进行。至於为什麽要在人工智慧以外加上神经科学呢？这两者似乎有一点距离 ？原来资讯工程的技术是否已经足够了呢？ 这边我提出几点研究的动机。首先，目前的机器学习的方式，和人类学习的方式比较起来 ，有个最大的不同，就是我们人类可能从上课或是阅读当中自我学习，或是由外在环境给 予的经验来学习。机器同样也是接收外界的刺激，调整自己的反应来学习，然而机器学习 过程当中，有时候会需要满多人类的介入，譬如说调整参数、调整模型或演算法等等。如 果用类比的方式来说，目前机器学习的方式如果用到人上面，就像是把人的脑盖打开，调 整里面的神经连结，关起来以後再让人脑跑跑看有没有学习到。其实这种方式学习也没有 什麽不好，因为机器的目标，其实是服务人类，学习的东西有学到，怎样子学习到就不那 麽重要了。 那麽机器目前学习的情况如何呢？其实目前的电脑和机器算是满先进的，加上运算速度快 ，纯粹数字计算的能力就比人类心算能力还快，许多应用服务也让人类生活改善不少。然 而有些比较难处理的问题，像是需要人类智能才能完成的问题，譬如说翻译、图形辨识、 影像辨识、语音辨识、语意了解等等，这些都算是人工智慧 (Artifitial Intelligence 人工智能) 所需要解决的问题，这些问题的解决，没有随着硬体速度的增加而解决，因此 软体上面的进步，就是关键了！目前对於这些难以解决的方式，有两种解法：(1) 运用大 量的训练资料，譬如说Google翻译，使用大量的训练资料，或是PDA的手写辨识，大量的 训练资料都让正确率大大提升。(2) 运用人工运算 (Human Computing) 结合Web2.0的方 式，提供人性化的介面，让每个人在趣味中贡献微小的人类智力，解决一些大量资料也无 法解决的东西，譬如说reCAPTCHA、语意辨识、图形的ROI (region of interest) 等等。 除了上述这些替代方案，可以立即实作，立即解决外，是否有其他方式呢？譬如说一个完 备的数学统计理论或模型，拿来应用在机器学习上？或是从生物神经系统，已经有智力的 行为表现，我们只要逆向工程 (reverse engineering) ，把里面的回路找出来，简单版 先一样画葫芦，模拟一个一模一样的回路，之後再取其精华，写成一个最简单的程式？然 而这些方法，需要时间，也许需要个十年，如果用经济角度考量，不能立即实做的解答， 就好像要十年不吃不喝一样，是个很大的代价。然而如果这个方法真的有所突破，让机器 是真的了解，而不是外表看起来有了解，会是一项满大的贡献。 也因此，我本人会想研究神经科学相关的事物，无论是人脑还是动物的脑，任何生物上的 发现，在拿回来应用在人工智慧的问题上，做出来的系统就可以尽量类似人类学习的方式 ，不用掀开脑盖，而是可以自行阅读或是聆听来学习，加上电脑本身运算上速度的优势， 以及硬体上和人体的不同处，可以迅速学习，而且只要学习一次就能永久保存，或许不会 忘记，还可以大量复制！所以因为这个原因，会想从神经科学里面找一些新发现。神经科 学和人工智慧的关系，也比较紧密一些了。 讲完这麽长的前言，接下来我就稍微把神经科学的研究，依照层次的不同作一个简单的介 绍，让各为日後如果看到相关的介绍，在心中可以有一个座标轴，吸收资讯也会比较快一 些。有哪些层次的划分呢？依照研究范围的大小，可以约略分成四大部分：认知心理层面 、细胞分子层面、系统神经层面、以及计算神经的层面。下面就一一分别简要叙述一下： 一、认知心理层面 在这一个层次，研究的对象通常是人类，因为人类的头脑不能轻易拿来插电极做实验，除 非生病像是癫痫的病人，才会一边治疗一边蒐集实验资料。然而仍旧有一些非侵入式的测 量仪器，譬如说 fMRI (功能性磁核共振造影) 、PET (正子束造影) 、或是EEG (头壳外 电子活动图)。这些仪器测量的讯号，都可以拿来分析，反推大脑区域的功能。不过解析 度还是没有直接插电极来的好，最近有一种MRI叫做 dtMRI (扩散磁核共振造影) 是观察 在大脑因为神经活动细胞变形产生的水分子移动讯号，不但非侵入式，而且解析度可能比 电极还好，许多人正在嚐试当中。 除了这些直接观察脑部讯号的研究方式，也有直接观察外在行为的研究方式，譬如说心理 生理学 (psychophysics) 就是直接测量人类生理上的反应，譬如说反应时间，操作的正 确率等等。这让我想到中学的时候有个实验测试大脑的手的反应时间，实验方法是另外一 个人拿一把长的尺，不定时放开手，受试者看到尺往下调的时候要赶快接住，不过我的反 应似乎非常慢，嚐试满多次，不过尺都已经掉在地上了我好像还没接住呢@@。 除了外在行为，认知科学认为人还有内在认知的部分，才是产生行为的源头，譬如说人有 情绪、有理性、有注意力等各种内在组成元素。因此研究就是要建立这种内在模型，和外 在刺激的关系。资讯科学也有一些研究式采取这个方式来时做一些智慧系统。Unified Model of Cognition这一本书可以参考一下。 在更高层次一些，哲学或语言学，对於高等功能像是语言语意，甚至「意识」的研究，就 更 high-level了！还有个字叫做qualia专门形容人心灵上主观的感受，譬如说对颜色的 感觉，是一种内在主观的知觉等等。哲学上也会有心灵是否等同於大脑 (mind-body problem) 以及 是否存在自由意志 (free will) 等课题。 二、细胞分子层面 另外一个极端，则是往分子细胞层次走。细胞来说，最重要的就是研究细胞上面的细胞膜 ，上面的离子通道可以让带电离子进出细胞，产生电流。细胞膜本身让细胞内外有电压差 别，因此整个细胞如果用电机模型来做，就像是一个 RC-circuit，R是电阻 (resistence)、C是电容 (capacitor)，分别对应细胞膜上面的离子通道和绝缘的细胞膜 部分。因此这部分的研究，就是寻找各种细胞大小，怎样子影响电阻和电容，进一步影响 神经细胞活动的快慢，或是画出 IV曲线 (电流-电压对应图)。 分子部分，则是化学和药理一展身手的地方，譬如说各种神经传导物质，刺激性或抑制性 的，对於神经活动的影响，各种神经疾病，像是老年痴呆症 (Alzheimer’s Disease)、 帕金森氏症 (Parkinson’s Disease 影响运动功能的疾病) 、精神分裂症 (Schizophrenia) 、癫痫 (epilepsy)等等。药物成瘾的治疗，也是这一个层次的重点。 肉毒杆菌美容，也是这一个层次的应用。 如果说大脑功能像是在写一篇文章，文字和句子通畅，就像是认知心理层次的研究，墨水 和纸张，就像是细胞分子的研究。两者可以互相单独研究，就像不同的纸笔，可以写下同 一篇文章。但也会有小差别影响大功能的时候，譬如说随着时间流逝，纸张上面的墨水渐 渐退色，即使每个字都一笔一画写下，但是整个颜色淡到一定程度，仍旧会影响到阅读的 感觉。这就是分子细胞层影响大脑整体功能的例子，像老年痴呆症在大脑里面长的 amyloid块，就是分散地慢慢吞吃神经细胞，让大脑慢慢瓦解失去智力记忆等功能，是一 种由下而上 (bottom-up) 的侵蚀。 除此之外，细胞分子层次还可以在基因、以及蛋白质路径上面研究，因此老鼠和果蝇，是 这个层次研究会用的动物，因为基因改造数或果蝇成长迅速，比较能够快一点观察到基因 改变的影响。精神分裂症有基因上的机制，因此基因和疾病的研究是这边的重点之一。 除了细胞、细胞膜、离子通道、化学物质，是否这个层次还有更小研究的东西呢？有一位 Roger Penrose曾经在Google Tech Talk演讲，是讨论量子力学对於意识的影响，一个是 极小物体的力学，一个是极大范围的课题，有兴趣的不妨听一下这段演讲，满特别的！ "A New Marriage of Brain and Computer" at Google engEDU. http://video.google.com/videoplay?docid=-2069501759514424839 三、系统神经层面 系统层次，则是从细胞到认知功能都包含到。譬如说视觉系统，怎样子产生各种视觉上的 认知，是觉得各种错觉 (illusion) 的神经回路是如何？就是这个层次的重点。猴子、狗 、猫会是这一层次研究实验的动物，因为他们的认知功能有一定程度，比较接近人，但是 可以插入电极测量更高解析度的讯号，做各种分析，找出相关性或因果关系，建立认知功 能的神经回路。 除此之外，辅具 (prosthetic) 也是这一层次的应用，譬如说人工机械手等等，因为控制 这些辅具的讯号，经由电波就可以达成，不像治疗疾病需要化学物质来影响细胞或基因。 四、计算神经层面 传统的类神经网路 (artifitial neural network) 在资讯科学里面有许多研究，像是 Perceptron, Hopfield Model, Boltzman Network, SOM (self-organized map), ART (Artifitial Resonance Theory) 等等。计算神经则是加入更多近期神经科学的发现，有 些是从生物实验的数据开始，分析之後才慢慢建立模型，算是和类神经网路相反的方向， 是从生物讯号走向模型。获得诺贝尔奖的 HH Model (Hudgkin-Huxley Model) 就是其中 一个例子。另外，计算神经需要很多数学，也有从数学出发的模型，像是PCA (Principle Component Analysis)和NMF (Non-negative Matrix Factorization)等等。 或是分析的时候需要各种数学工具像是机率统计等等，数学十八般武艺都要搬出来了。因 此计算神经需要数学好来分析生物资料。如果纯粹只有写程式模拟，那麽就需要考虑一下 在这方面研究想要扮演的角色是什麽了，怎样子才会和以往的类神经网路有所不同。 稍微简单提到了神经科学这四大层次。那麽我个人喜欢哪一层次的研究呢？因为背景是资 讯科学，因此计算神经是先考虑的层次，然而分子细胞也是我很有兴趣的层次。或许会说 ，为什麽要见树不见林，研究小的东西而不研究整体的东西呢？我的想法是，因为分子细 胞层比较接近能够实作电脑系统的层次，也就是比较接近程式可以模拟的层次。认知模型 也是可以实作，但是我觉得有一些困难点。 譬如说认知层次的研究，有些是用到行为测量，像是WCST (Wiscosin Card Sorting Test) 会让病人排序一堆朴克牌，每次依照不同条件排序，譬如说用数字大小排序，或是 用颜色来排序。前额叶有缺损的病人，判断力减少会无法学习或调整排序时候需要置换的 规则 (rule)，每次都只能用同一条规则来排序，变换规则排序的功能都丧失了。 其他认知模型，是运用人脑可以反省的能力来达成。譬如说记忆，我们可能记忆回忆的过 程，自我可以察觉自己的心理活动，因此建立一个模型，认为记忆是由储存、巩固、和提 取三大步骤所组成的。然而如果要问视觉怎样子辨识一张照片有一张人脸，这个过程太快 了，而且是意识无法反省到的地方，我们没办法一一察觉我们辨识物体的时候，一不一步 的步骤。 所以，以实作电脑程式为目标的观点，我会想要寻找细胞分子方面的模型，即使细胞分子 的层次非常地细微，就像是要从纸张上面每一滴墨水，推出一个人写字的心境一样，两端 距离满大的。但是除了接近程式实做的层次之外，也因为这个层次是由比较少例外的元素 一一组成的，因此同样是从生物研究来的模型，认知模型实做出来的系统，可能还是像其 他演算法一样，碰到不同问题常常要手动调整参数来处理例外情况，而不是一个会自我调 整的，接近有生命的回路了。 因此，终极目标，就是制造一个人工智慧系统，而且是接近生命体的方式，可以自我调整 ，透过头盖外面的讯息和环境互动来学习，不需要人类亲自一个一个参数调整。这种系统 在电脑上运转，可以让智慧快速学习到、学习一次之後轻易复制。如果还能够和人脑回路 衔接，对教育有最大影响，因为我们不必再花费数十年的时间，才获得基本的专业既能贡 献生产力，系统一接上去就学会一切事情了。当然这在目前看来似乎不大可能，或许一百 年以後才会有的东西，然而这个目标可以提供这个研究方向一些动力，知道神经科学的相 关研究，是提供生物逆向工程的启发，创造出来的人工智慧，对於人类文明发展，算是一 个新的里程碑了！ 这篇文章除了前言和後面个人见解的部分，还稍微提到四个研究层次，希望各位读者有办 法消化，里面提到的各种技术或是专有名词，有些今天实在没办法一一详细叙述，日後有 机会会在慢慢详加介绍，让各为对各层次的研究，在今天提供的大图 (big picture) 之 下，能够进一步深入了解，并且知道这些研究和人工智慧的关联，在於最後想要实做出来 的 strong AI 系统！谢谢各位！也请相关好手不吝给予意见！ 相关推荐 机器学习与脑机介面的愿景 http://mmdays.com/2007/11/16/ml_bci/ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.115.229.37