※ 引述《itrs821 (酗咖啡)》之铭言： : 光看封面会以为这是一本讲述人工智慧（以下简称AI）的书， : 不过阅读之後才发现非但不是如此，而且还大力抨击所谓的AI， : 不过这没有抹灭我的兴致，而且还被带进一个更为入胜的世界之中... : 根据作者的说法,现在的AI理论是条死胡同，不管架构再怎麽精致也很难与人类匹敌， : 因为不管在速度或是容量上，现今的电脑比起人脑都不惶多让， : 但是在功能上却还是远远落後 这段看了让我有一些感想，不过却有可能有些离题。XD。 我一直觉得AI领域有很大部份人在做"知识表徵"，在认知层面也好在神经层面也好， 都面临到底一对多，或是多对一的问题。例如神经层面有grand mother cell vs cell assembly，认知层面有hierarchical model vs PDP model。 但一对多或多对一是否真的互相对立？ 举个人类的例子，一个人有着许多能力，但一个人可以完成的事情有限，有些事情需要 很多人一起合作才能完成。例如，我可以演奏很多乐器，但却无法独自演奏一场交响乐 。可是我在不同的表演也许可以表演不同的乐器。我在团体A可以扮演的角色和团体B扮 演的角色可以有很大的不同，但都是我这个人，并且通过与其他人的合作来完成一个交 响乐的表演。 而神经元上是否也是如此？神经相互合作去处理一件事情已经很多证据，但一个神经有 多种能力也在镜像神经元中发现。若不要小到神经元上，在脑区之间也是如此，一个脑 区有着自己独特的功能而且通常一个区域不会只有一个功能，例如视觉皮质区，但在语 言作业、记忆等都会有视觉皮质区的介入。这表示实际上我们人脑的运作方式要复杂的 多。 但这里有个更基本的问题，一个基本的心智功能是什麽，我们的心智功能的最小单位是 什麽？如果厘清了这点，那麽也许更能了解我们大脑是如何运作的。 : 所以一定是在基本的本质上有了歧异，才会有这麽大的落差， : 如果不重新定义对於智慧的看法，我们再怎麽努力也无法贴近真实的智慧。 : 作者在书中提出一个新的理论（也许是综合各家之说）， : 他把智慧的记忆称为「预测架构」。 : 简而言之,就是大脑以神经柱为基本的预测单位，藉由一个普遍的general算则 : 将预测的top-down讯息和感觉的bottom-up两者做比对 : 有趣的是他认为v1其实是很多细小模组的组合，而不变表徵其实在低阶的视觉皮层 : 就已经展现，只是高层的视觉皮层（如IT）确认了低层的pattern而获得辨识， : 而皮质间的回馈则是每一层都有，V2也会将所得的刺激往V1，这与现今的发现不谋而合。 : 由此观之,我们对世界的表徵其实是一层层的包裹，而成阶层性的结构。 : 对书的介绍我就不再多提，有兴趣的同好可以去找来看！以下乱入一点心得文.... : ----------------------------- : 过去常在书里看到平行处理，可是却找不到一个清楚的结构被描述出来... : 所谓的平行处理还是停留在模型阶段...(永远都可以fit结果，端看你要加几个参数) 这里我有问题，就是平行处理怎麽又会是阶层性的结构呢？还是我会错意了。 : 我曾经在暑期学校询问过几位做MRI的老师，MRI是否可以观察到皮层间的活动 : 对我来说，找到一个对应的大脑区域，只是比较精致的按键反应而已... : （抱歉！希望不会得罪太多人） 事实就是如此 xD --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.4.200