lizhaoping的个人博客分享 http://blog.sciencenet.cn/u/lizhaoping

博文

用理工科的思路和方法来探索和理解大脑 精选

已有 4497 次阅读 2013-3-22 20:07 |系统分类:科普集锦| 认知, 视觉, 大脑, 神经系统, 理工科

大脑的探索, 传统上是从医学, 心理学, 生理学, 和解剖学视角出发的。 比如, 人们从大脑的创伤观察后果, 将认知行为和生理机制联系起来。


一百多年前, 人们认识到神经元是大脑的基本组成细胞。神经科学的鼻祖之一 西班牙的Cajal 因为相关工作赢得 1906 诺贝尔奖。 现在神经科学是生命科学中的比较年轻的一支。

这幅图是Cajal 画的大脑的海马区的部分神经元

五十多年前, 人们开始观察在活体内的神经网络系统的现象和功能, 不只是单独的神经元细胞(或细胞里的分子机制)一个一个分开来看。 美国的 David Hubel 和 Torsten Wiesel 因为研究大脑视觉初皮层的神经元对从眼睛输入的视觉信号的反应以及相关工作[2], 赢得1981 年诺贝尔奖。


二十多年前, 系统神经科学, 即从整个神经网络系统的生理基础来研究认知行为,终于成为神经科学的主干之一。


二,三十年前,用理工科的思路来探索大脑是一个若有若无的萌芽 (在此, 理工科是指physical science, 即数理化和工程学科)。 这个萌芽难产的原因有很多。 有些是因为不同学科之间的文化冲突。  Cajal 对理论学家(很多理工科学者从理论角度看神经科学)的评论说: “理论学家是一个故作勤奋的懒惰者, 在潜意识中(unconsciously) 他想用最少的功夫来得到最大的收获,因为编一个理论出来比发现一个现象容易” (【1】)。 这个评论是个有用的警钟, 至少理论学家们可以用来反省自己是否在扎扎实实地去看和尊重从医学, 心理学, 生理学, 和解剖学得来的实验数据。


多年里,没有足够的理工科文化在神经科学的成功例子来建立这个文化在神经科学里的地位。一个有名的个别例子是英国的 Alan Lloyd Hodgkin 和 Andrew Huxley 结合数学模型和生理实验来成功的理解了神经元对信号的接受, 发放, 和传递的机制和原理[3]。 他俩因此得1963年诺贝尔奖。 可是, 了解神经元的机制和了解大脑认知之间有相当大的距离。 打个比方, 了解三极管的机制和了解计算机的原理之间有类似大的距离。


人们也从计算机人工智能和人工神经网络来探讨认知, 这个是工程发明的方法, 而科学的方法是发现自然的方法。 这两个方法, 一个是发明(工程), 一个是发现(科学), 是可以互相促进的。 但计算机人工智能和人工神经网络多年来还没能满足人们对认知奥秘的追求。


系统神经科学的崛起给了 用理工科的思路来探索大脑的这个萌芽一个机会。 于是计算神经科学成了神经科学领域的分支, 成为这个萌芽的家, 也有了相应的教科书[4]。 很多物理学家, 工程学家, 等, 被吸引到此学科,希望能从第一原理的科学方法来理解大脑。新的成功的例子开始出现。 一个对很多物理学家会比较有吸引力的地方是, 在神经科学这个领域, 一个科学家可以既做理论又做实验, 因为很多实验是小规模的, 不用大动干戈, 但好主意的实验可以揭开无穷奥秘 --- 好主意是个关键!


神经科学中一个很大的领域是视觉, 即大脑是如何从眼睛输入的信号中识别物体和世界的。

眼睛是心灵的窗户。 猴子的脑皮层有一半是专管视觉的! 这个是视觉系统的一个示意图 (此图是Peter Thompson 放在 viperlib.york.ac.uk 网的) 。




如果你有兴趣想知道是否能用理工科的思路来理解视觉,你可以设法到清华大学听一门两个星期的暑期课, 见   http://cns.med.tsinghua.edu.cn/summercourse2013/



参考文献:


【1】  S R Cajal, Advice for a Young Investigator (Bradford Books).

[2] D. Hubel & T. N. Wiesel, Receptive Fields Of Single Neurones In The Cat's Striate Cortex, Journal of Physiology, (1959) I48, 574-59I.

[3] A. L. Hodgkin and A. F. Huxley A quantitative description of membrane current and its application to conduction and excitation in nerve
J Physiol. 1952 August 28; 117(4): 500–544.

[4] Dayan P and Abbott L. Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems (Computational Neuroscience) , MIT press 2001.




https://blog.sciencenet.cn/blog-882616-671980.html

上一篇:爱因斯坦为什么没有学生?
下一篇:视觉缘何难解: 聪明反被聪明误?
收藏 IP: 80.192.21.*| 热度|

5 占礼葵 廖方舟 吴全丰 欧阳峰 刘小峰

该博文允许注册用户评论 请点击登录 评论 (1 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-5-28 17:45

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部