计算机科学与神经科学
计算机科学和神经科学漫谈
研究人脑的神经科学有助于实现强人工智能
计算神经科学
先说计算神经科学是什么，简而言之，计算神经科学是把大脑看成一个信息处理的器件，用数学物理计算机等综合方法研究生物的大脑是怎么工作的，例如学习，记忆，情感，意识等等。
阿兰图灵完全可以进入20世纪最伟大天才名录， 我们今天骄傲的信息时代或是未来即将进入的人工智能时代，都离不开他的杰出贡献。然而这个远远超出其时代的人，最出的动机，却是了解人类大脑运作的机制，他天才性的意识到生命过程本身可以被一连串数学运算表达，而如果一台机器执行相同的数学运算，则会表达同样的性质。 这算是数学生物学，计算神经科学和人工智能的共同起点。而在这个过程里，也孕育了世界第一台计算机。而他所设计的图灵测试今天依然被作为检验机器是否真正学会人类思考方式的基准。
图灵设计的这个通过一连串数学运算来解决一般性问题的东西被称作图灵机。他告诉我们，如果需要一个机器通过“思考”解决问题， 那么它需要具有一些基本的性质，比如具有输入输出，系统状态（及其存储器），和一连串基本的运算法则。 然后通过一连串把输出记录在系统状态里传递给输入的迭代过程生成结果。
语言之上的语言
将认知现象归结于大脑深层信息处理规律的另一个伟大先驱是生成语法(Generative Grammar)的提出者Noam Chomsky，他认为不同语言之间存在着相同的深层语法结构。这种结构先于语言而存在，是大脑信息处理的基础，并且能够利用类似计算机程序的符号化语言表达。 这一套“源语法”直指人类大脑处理信息的共同机理，这种机理简单有效， 是大脑处理各种信息的共同原理。
对乔姆斯基提出的人脑基本信息处理机制的存在，成为计算神经科学的存在的合法性基础， 为我们指出了一条探索认知规律的光明而艰难的道路。我们需要站在比生物学更高的视角，从造物者的角度思考大脑的设计原理。
大脑是一台超级计算机
在阅读和浏览二维平面的信息时（如图片和视频等），其实都只是幻觉。二维图所包含的信息量本来就不能重构三维世界，之所以我们能够从二维感知到三维世界是因为大脑在做他最擅长的工作—-推断和模式识别（inference and pattern recognition），大脑在把看到的现象归类于它熟悉的现象的过程中添加了大量本来不存在的信息。 大脑太擅长模式识别（Pattern recognition），你看了什么是因为你想要看到什么，那个什么早在你的大脑预先存在。就想很多神经科学家指出的，我们的大脑里有个自己的世界（internal world），我们错以为它就是真实世界本身，其实它只与真实世界相切。它试图通过计算，模拟真实世界。
首先我们基于日常生活的大量观测形成了物体旋转的概念以及它所有的两个状态-顺时针和逆时针。 什么叫概念？ 概念=大脑对真实世界所做的模型（internal representation of external world）。好比刚出生的婴儿没有物体的概念（concept of object），他们无法理解在视觉范围内的某个东西的移动，旋转，变化，消失其实是一个东西在运动过程中的不同形态，他们无法理解如果闭上眼睛物体的画面消失，它们也依然存在。 婴儿在大量的摸索中学了物体的概念，认识到上述一切，在万千变化中找到物体这个不变的东西。然后在大脑里做个模型把那些变化套在“物体”这个不变的概念里。
什么叫学习到一个概念？ 你要是学过计算机编程，就知道这其实类似于那些object， class 一类的东西。class其实是一个变量组合加上一些作用于他们之上的函数，是对真实事物建立的一个小模型。神经系统就像一个超级计算机，把经常一起出现的一些感官，比如各种视觉，听觉，嗅觉信号综合成一个变量组合。比如苹果这个概念，就是一个概念。一个红色的圆形的硬的物体，有香气咬一口很甜。 变量组合=颜色+形状+味觉+触觉，咬一口很甜就是一个函数关系，给这个物体输入一个动作=咬一口，返回一个结果=很甜。符合这类属性的一大类东西都被大脑放进苹果这个篮子（class）里。
大脑的基本功能就是模式识别和分类决断（Pattern recognition and classification ），根据已经掌握的概念推断一个东西是不是属于其中。比如一个圆形的东西是不是一个苹果还是一个皮球。这个对生物的生存特别重要，因为他要做决策，是苹果还是皮球，决定了吃还是不吃，生存还是毁灭，这是一个问题。
...未完待续
