推 lhttfy: 感謝分享 05/06 12:47
本文由批兔看板轉來的@@
作者: BBIO (H+ pump) 看板: AAAAAAAA
標題: [分享] 神經科學研究的各個層次
時間: Tue Sep 16 02:16:16 2008
神經科學研究的各個層次
http://mmdays.com/2008/09/16/neuroscience_research/
Posted By Mr. Thursday
在之前有寫了一些神經科學相關的文章，有些是偏向認知心理的，有些是偏向細胞分子的
，或是偏向視覺處理的。神經科學的研究，我本身的是以人工智慧作為出發點，往神經科
學研究方向進行。至於為什麼要在人工智慧以外加上神經科學呢？這兩者似乎有一點距離
？原來資訊工程的技術是否已經足夠了呢？
這邊我提出幾點研究的動機。首先，目前的機器學習的方式，和人類學習的方式比較起來
，有個最大的不同，就是我們人類可能從上課或是閱讀當中自我學習，或是由外在環境給
予的經驗來學習。機器同樣也是接收外界的刺激，調整自己的反應來學習，然而機器學習
過程當中，有時候會需要滿多人類的介入，譬如說調整參數、調整模型或演算法等等。如
果用類比的方式來說，目前機器學習的方式如果用到人上面，就像是把人的腦蓋打開，調
整裡面的神經連結，關起來以後再讓人腦跑跑看有沒有學習到。其實這種方式學習也沒有
什麼不好，因為機器的目標，其實是服務人類，學習的東西有學到，怎樣子學習到就不那
麼重要了。
那麼機器目前學習的情況如何呢？其實目前的電腦和機器算是滿先進的，加上運算速度快
，純粹數字計算的能力就比人類心算能力還快，許多應用服務也讓人類生活改善不少。然
而有些比較難處理的問題，像是需要人類智能才能完成的問題，譬如說翻譯、圖形辨識、
影像辨識、語音辨識、語意了解等等，這些都算是人工智慧 (Artifitial Intelligence
人工智能) 所需要解決的問題，這些問題的解決，沒有隨著硬體速度的增加而解決，因此
軟體上面的進步，就是關鍵了！目前對於這些難以解決的方式，有兩種解法：(1) 運用大
量的訓練資料，譬如說Google翻譯，使用大量的訓練資料，或是PDA的手寫辨識，大量的
訓練資料都讓正確率大大提升。(2) 運用人工運算 (Human Computing) 結合Web2.0的方
式，提供人性化的介面，讓每個人在趣味中貢獻微小的人類智力，解決一些大量資料也無
法解決的東西，譬如說reCAPTCHA、語意辨識、圖形的ROI (region of interest) 等等。
除了上述這些替代方案，可以立即實作，立即解決外，是否有其他方式呢？譬如說一個完
備的數學統計理論或模型，拿來應用在機器學習上？或是從生物神經系統，已經有智力的
行為表現，我們只要逆向工程 (reverse engineering) ，把裡面的迴路找出來，簡單版
先一樣畫葫蘆，模擬一個一模一樣的迴路，之後再取其精華，寫成一個最簡單的程式？然
而這些方法，需要時間，也許需要個十年，如果用經濟角度考量，不能立即實做的解答，
就好像要十年不吃不喝一樣，是個很大的代價。然而如果這個方法真的有所突破，讓機器
是真的了解，而不是外表看起來有了解，會是一項滿大的貢獻。
也因此，我本人會想研究神經科學相關的事物，無論是人腦還是動物的腦，任何生物上的
發現，在拿回來應用在人工智慧的問題上，做出來的系統就可以盡量類似人類學習的方式
，不用掀開腦蓋，而是可以自行閱讀或是聆聽來學習，加上電腦本身運算上速度的優勢，
以及硬體上和人體的不同處，可以迅速學習，而且只要學習一次就能永久保存，或許不會
忘記，還可以大量複製！所以因為這個原因，會想從神經科學裡面找一些新發現。神經科
學和人工智慧的關係，也比較緊密一些了。
講完這麼長的前言，接下來我就稍微把神經科學的研究，依照層次的不同作一個簡單的介
紹，讓各為日後如果看到相關的介紹，在心中可以有一個座標軸，吸收資訊也會比較快一
些。有哪些層次的劃分呢？依照研究範圍的大小，可以約略分成四大部分：認知心理層面
、細胞分子層面、系統神經層面、以及計算神經的層面。下面就一一分別簡要敘述一下：
一、認知心理層面
在這一個層次，研究的對象通常是人類，因為人類的頭腦不能輕易拿來插電極做實驗，除
非生病像是癲癇的病人，才會一邊治療一邊蒐集實驗資料。然而仍舊有一些非侵入式的測
量儀器，譬如說 fMRI (功能性磁核共振造影) 、PET (正子束造影) 、或是EEG (頭殼外
電子活動圖)。這些儀器測量的訊號，都可以拿來分析，反推大腦區域的功能。不過解析
度還是沒有直接插電極來的好，最近有一種MRI叫做 dtMRI (擴散磁核共振造影) 是觀察
在大腦因為神經活動細胞變形產生的水分子移動訊號，不但非侵入式，而且解析度可能比
電極還好，許多人正在嚐試當中。
除了這些直接觀察腦部訊號的研究方式，也有直接觀察外在行為的研究方式，譬如說心理
生理學 (psychophysics) 就是直接測量人類生理上的反應，譬如說反應時間，操作的正
確率等等。這讓我想到中學的時候有個實驗測試大腦的手的反應時間，實驗方法是另外一
個人拿一把長的尺，不定時放開手，受試者看到尺往下調的時候要趕快接住，不過我的反
應似乎非常慢，嚐試滿多次，不過尺都已經掉在地上了我好像還沒接住呢@@。
除了外在行為，認知科學認為人還有內在認知的部分，才是產生行為的源頭，譬如說人有
情緒、有理性、有注意力等各種內在組成元素。因此研究就是要建立這種內在模型，和外
在刺激的關係。資訊科學也有一些研究式採取這個方式來時做一些智慧系統。Unified
Model of Cognition這一本書可以參考一下。
在更高層次一些，哲學或語言學，對於高等功能像是語言語意，甚至「意識」的研究，就
更 high-level了！還有個字叫做qualia專門形容人心靈上主觀的感受，譬如說對顏色的
感覺，是一種內在主觀的知覺等等。哲學上也會有心靈是否等同於大腦 (mind-body
problem) 以及 是否存在自由意志 (free will) 等課題。
二、細胞分子層面
另外一個極端，則是往分子細胞層次走。細胞來說，最重要的就是研究細胞上面的細胞膜
，上面的離子通道可以讓帶電離子進出細胞，產生電流。細胞膜本身讓細胞內外有電壓差
別，因此整個細胞如果用電機模型來做，就像是一個 RC-circuit，R是電阻
(resistence)、C是電容 (capacitor)，分別對應細胞膜上面的離子通道和絕緣的細胞膜
部分。因此這部分的研究，就是尋找各種細胞大小，怎樣子影響電阻和電容，進一步影響
神經細胞活動的快慢，或是畫出 IV曲線 (電流-電壓對應圖)。
分子部分，則是化學和藥理一展身手的地方，譬如說各種神經傳導物質，刺激性或抑制性
的，對於神經活動的影響，各種神經疾病，像是老年癡呆症 (Alzheimer’s Disease)、
帕金森氏症 (Parkinson’s Disease 影響運動功能的疾病) 、精神分裂症
(Schizophrenia) 、癲癇 (epilepsy)等等。藥物成癮的治療，也是這一個層次的重點。
肉毒桿菌美容，也是這一個層次的應用。
如果說大腦功能像是在寫一篇文章，文字和句子通暢，就像是認知心理層次的研究，墨水
和紙張，就像是細胞分子的研究。兩者可以互相單獨研究，就像不同的紙筆，可以寫下同
一篇文章。但也會有小差別影響大功能的時候，譬如說隨著時間流逝，紙張上面的墨水漸
漸退色，即使每個字都一筆一畫寫下，但是整個顏色淡到一定程度，仍舊會影響到閱讀的
感覺。這就是分子細胞層影響大腦整體功能的例子，像老年癡呆症在大腦裡面長的
amyloid塊，就是分散地慢慢吞吃神經細胞，讓大腦慢慢瓦解失去智力記憶等功能，是一
種由下而上 (bottom-up) 的侵蝕。
除此之外，細胞分子層次還可以在基因、以及蛋白質路徑上面研究，因此老鼠和果蠅，是
這個層次研究會用的動物，因為基因改造數或果蠅成長迅速，比較能夠快一點觀察到基因
改變的影響。精神分裂症有基因上的機制，因此基因和疾病的研究是這邊的重點之一。
除了細胞、細胞膜、離子通道、化學物質，是否這個層次還有更小研究的東西呢？有一位
Roger Penrose曾經在Google Tech Talk演講，是討論量子力學對於意識的影響，一個是
極小物體的力學，一個是極大範圍的課題，有興趣的不妨聽一下這段演講，滿特別的！
"A New Marriage of Brain and Computer" at Google engEDU.
http://video.google.com/videoplay?docid=-2069501759514424839
三、系統神經層面
系統層次，則是從細胞到認知功能都包含到。譬如說視覺系統，怎樣子產生各種視覺上的
認知，是覺得各種錯覺 (illusion) 的神經迴路是如何？就是這個層次的重點。猴子、狗
、貓會是這一層次研究實驗的動物，因為他們的認知功能有一定程度，比較接近人，但是
可以插入電極測量更高解析度的訊號，做各種分析，找出相關性或因果關係，建立認知功
能的神經迴路。
除此之外，輔具 (prosthetic) 也是這一層次的應用，譬如說人工機械手等等，因為控制
這些輔具的訊號，經由電波就可以達成，不像治療疾病需要化學物質來影響細胞或基因。
四、計算神經層面
傳統的類神經網路 (artifitial neural network) 在資訊科學裡面有許多研究，像是
Perceptron, Hopfield Model, Boltzman Network, SOM (self-organized map), ART
(Artifitial Resonance Theory) 等等。計算神經則是加入更多近期神經科學的發現，有
些是從生物實驗的數據開始，分析之後才慢慢建立模型，算是和類神經網路相反的方向，
是從生物訊號走向模型。獲得諾貝爾獎的 HH Model (Hudgkin-Huxley Model) 就是其中
一個例子。另外，計算神經需要很多數學，也有從數學出發的模型，像是PCA
(Principle Component Analysis)和NMF (Non-negative Matrix Factorization)等等。
或是分析的時候需要各種數學工具像是機率統計等等，數學十八般武藝都要搬出來了。因
此計算神經需要數學好來分析生物資料。如果純粹只有寫程式模擬，那麼就需要考慮一下
在這方面研究想要扮演的角色是什麼了，怎樣子才會和以往的類神經網路有所不同。
稍微簡單提到了神經科學這四大層次。那麼我個人喜歡哪一層次的研究呢？因為背景是資
訊科學，因此計算神經是先考慮的層次，然而分子細胞也是我很有興趣的層次。或許會說
，為什麼要見樹不見林，研究小的東西而不研究整體的東西呢？我的想法是，因為分子細
胞層比較接近能夠實作電腦系統的層次，也就是比較接近程式可以模擬的層次。認知模型
也是可以實作，但是我覺得有一些困難點。
譬如說認知層次的研究，有些是用到行為測量，像是WCST (Wiscosin Card Sorting
Test) 會讓病人排序一堆樸克牌，每次依照不同條件排序，譬如說用數字大小排序，或是
用顏色來排序。前額葉有缺損的病人，判斷力減少會無法學習或調整排序時候需要置換的
規則 (rule)，每次都只能用同一條規則來排序，變換規則排序的功能都喪失了。
其他認知模型，是運用人腦可以反省的能力來達成。譬如說記憶，我們可能記憶回憶的過
程，自我可以察覺自己的心理活動，因此建立一個模型，認為記憶是由儲存、鞏固、和提
取三大步驟所組成的。然而如果要問視覺怎樣子辨識一張照片有一張人臉，這個過程太快
了，而且是意識無法反省到的地方，我們沒辦法一一察覺我們辨識物體的時候，一不一步
的步驟。
所以，以實作電腦程式為目標的觀點，我會想要尋找細胞分子方面的模型，即使細胞分子
的層次非常地細微，就像是要從紙張上面每一滴墨水，推出一個人寫字的心境一樣，兩端
距離滿大的。但是除了接近程式實做的層次之外，也因為這個層次是由比較少例外的元素
一一組成的，因此同樣是從生物研究來的模型，認知模型實做出來的系統，可能還是像其
他演算法一樣，碰到不同問題常常要手動調整參數來處理例外情況，而不是一個會自我調
整的，接近有生命的迴路了。
因此，終極目標，就是製造一個人工智慧系統，而且是接近生命體的方式，可以自我調整
，透過頭蓋外面的訊息和環境互動來學習，不需要人類親自一個一個參數調整。這種系統
在電腦上運轉，可以讓智慧快速學習到、學習一次之後輕易複製。如果還能夠和人腦迴路
銜接，對教育有最大影響，因為我們不必再花費數十年的時間，才獲得基本的專業既能貢
獻生產力，系統一接上去就學會一切事情了。當然這在目前看來似乎不大可能，或許一百
年以後才會有的東西，然而這個目標可以提供這個研究方向一些動力，知道神經科學的相
關研究，是提供生物逆向工程的啟發，創造出來的人工智慧，對於人類文明發展，算是一
個新的里程碑了！
這篇文章除了前言和後面個人見解的部分，還稍微提到四個研究層次，希望各位讀者有辦
法消化，裡面提到的各種技術或是專有名詞，有些今天實在沒辦法一一詳細敘述，日後有
機會會在慢慢詳加介紹，讓各為對各層次的研究，在今天提供的大圖 (big picture) 之
下，能夠進一步深入了解，並且知道這些研究和人工智慧的關聯，在於最後想要實做出來
的 strong AI 系統！謝謝各位！也請相關好手不吝給予意見！
相關推薦
機器學習與腦機介面的願景
http://mmdays.com/2007/11/16/ml_bci/
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.115.229.37