《惊人的假说》

原创文章,转载请留言并注明出处

作为一个智能专业的学生,总是不可避免地将心理学与计算机联系起来

惊人的假说

学过高中生物的人对克里克这个名字应该不陌生,沃森和克里克于1953年建立DNA双螺旋模型,打开了探索生命之谜的大门。但是弗兰西斯·克里克并未止步不前,他对人的大脑进行了深入的研究,从中得出一个假说式的结论:“你,你的喜悦,悲伤,记忆与抱负,你的本体感觉与自由意志,实际上都只不过是一大群神经细胞及其相关分子的集体行为。”通俗地说,就是人的一切感觉和意识的产生都是一大群神经元传递的电信号的信息组合而成的。对脑科学有着基本了解的人可能并不觉得这个假说很惊人,但是这是克里克在1988年出版的《The Astonishing Hypothesis : The Scientific Search for the Soul》中的核心理论,距今近30年。

内省

首先声明,这里所说的内省不同于我们所熟知的反省自我,而是心理学上的一种研究方法。我对内省的理解是:在思考或动作后,回想自己思考或动作的时候意识到大脑里出现的内容。举个例子,我在计算3+2=?的时候我很努力地去想自己的大脑是如何计算出来结果的,哪些神经元起了作用,然而我却没有能力思考出这些,这便是内省达不到的区域。而当有人向我展示一些血腥的照片时,我会感觉恶心和恐惧,这是我在看过照片后能够觉知的,能够意识到并可以较为准确地表达出来的,这是内省可以达到的效果。

视觉心理学

经常在网上看到一些给人产生错觉的图片,这些是我们的视觉系统在做到对人利益最大化的同时不可避免的一些bug。我们应该认识到,视野中的物体并不像你看到的那样,大脑必须使用各种线索将同一物体的各个部分整合在一起。格式塔心理学派对视觉系统共同的相互作用类型进行了分类,并称之为知觉定律,包括接近性,相似性,良好的连续性和封闭性。由于是个人的读书笔记,不作细节的详述,可以参考https://www.douban.com/note/300926297/上的内容。

视网膜上有一处盲点(视神经穿过的地方),而我们并不会发现视野中存在一个固定位置的黑点,这是大脑替我们自动填充了盲点处的信息,通过盲点周围的信息推算出来,这一过程是瞬时的,没有人会意识到视野中有一个点的颜色总是滞后。

视觉注意

对心理学家来说,注意意味着“摆脱某些事物以便更有效地处理其他事物”。我们会发现,一心二用的结果往往是一事无成,注意在人的发展过程中是不可缺少的。书中以视觉为例,展示了注意与记忆的关系。

眼动

视觉注意的一种主要形式是眼动(经常辅助以头部运动),由于在靠近凝视中心的地方我们看得比较清楚(视网膜黄斑处视觉细胞最多,可以说此处人眼分辨率最高),因此视线正对某个物体时,就会获得更多的信息。眼动是我们先天具备的能力,但是我们无法做到将视线平缓的从一侧移动到另一侧,尝试一下就会发现眼睛的凝视中心总是跳跃的,我认为这也许就是人眼比机器视觉智能的地方,跳变的凝视中心有利于人在视场内更快地获取关注点。

注意

人脑中大部分工作是高度并行的,但是涉及到注意系统,它的初级加工阶段是并行的,而在一个或多个存在信息处理的瓶颈阶段是串行的(一个接一个,不能同时进行)。前注意加工包含的更多是并行的部分,它以并行的方式将视野内物体的朝向,运动,颜色等简单特征记录下来;串行部分的注意加工负责将这些特征整合到一起,这一过程相对复杂,因此难以实现高度并行也是可以理解的。

记忆

为什么在视觉注意的部分又提到记忆呢?给一个生动的例子,电脑屏幕每秒刷新几十次,任何一个人都不会看到屏幕每一帧的闪烁,看到的只会是连贯的图像变化。我们称之为视觉暂留效应。那么,如果是一个单脉冲的刺激呢(比如几个同时的闪烁),要是闪烁光点非常亮,它们会在视网膜上留下后像,在几秒内仍能看到它们。视觉的短时记忆与此相似。请看一看面前的景物,然后突然闭上双眼,你看到的外部世界的生动图像很快就会消失,留下的只是一个模糊的回忆,通常在几秒内就会消失(最先消失的是距离凝视中心最远的视野)。

记忆清晰的总是那些被注意过的。

神经网络

神经网络既可以算是生理学上名词,也是计算机科学上的一个重要分支。计算机中的神经网络虽然比较可以大致模拟出神经元的相互作用,但是效率和容错率却远不及人脑。以下是计算机系统与人脑的对比:

  1. 每只眼睛到达大脑的轴突大约有100万个,且大规模并行;计算机虽然现今可以实现并行计算,但与100万相去甚远,即使计算机频率高于神经元的发放频率十万倍,也难以弥补串行为主的不足。
  2. 脑是“故障弱化”的系统,即使失去少数神经元的连接也不会明显改变脑的行为;计算机是脆弱的,哪怕是极小的损伤或程序中的小错,也会引起大的灾难。
  3. 神经元可能有来自各处的上百乃至数万个输入,其轴突又有大量投射;而计算机的晶体管难以集成如此多的输入和输出。

在脑的较高端层次,比如前面提到的注意系统,脑的活动有着与计算机类似的序列机制。

计算机科学中的神经网络是对人脑系统的靠拢,就连每个层次的单元也叫做神经元,它可以颇有成效地将输入和输出通过一个多层次的网络训练出来,有教师学习,无教师学习均可(想深入了解神经网络请百度,懒得写了)。这种模拟在逻辑上基本没有问题,但是真实神经元都存在不可避免的时间延迟和处理过程的不断变化,这些特性往往被程序员们排斥,然而几乎可以肯定进化就建立在这些改变和延迟上,并从中获益。

不可否认的是神经网络确实有力地推动了计算机科学的发展,给算法设计者带来不少启发,应用也十分广泛,但是理论的更新也是不能停止的,我还是比较看好神经网络的未来的+_+~

Thank you for every coin~