M********t
发帖数: 5032 | 1 Google人工智能
攻破了围棋，然后呢？
雷锋网
study875
39分钟41秒前
Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或
得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国
际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——
比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过，Google
人工智能专家表示， 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情
况下以5：0完胜法国围棋职业二段棋手樊麾，AlphaGo将在三月份对战韩国九段棋手李
世乭。
今天早上，《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰
写的关于深度学习系统的论文。根据论文描述，在AlphaGo中，DeepMind研究员在程序
中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练
AI，让它自己下棋，研习棋谱。不过这只是第一步。理论上，这样的训练只能让这个人
工智能系统无法突破人类的计算。为了获得更好的... 阅读全帖 |
|
L****8
发帖数: 3938 | 2 不就是把棋谱数据库增大了么 然后欺负人的记忆力
算个屁的人工智能
在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙
特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走，而且计
算力远高于人类。但是，围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法
，但是围棋呢——在19*19的棋盘内，共有361个点，就机器学习的角度而言，围棋的计
算最大有3361种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才
1080。国际象棋最大只有2155种局面，称为香农数，大�: 率�1047。
使用蒙特卡洛树搜索技术，Crazystone等系统能够进行更长远的计算。而结合其他技术
的话，它们能够对可能性走法进行刷选，然后选择出最优的策略。在大多数情况下，它
们能够战胜人类选手，但不是最厉害的那一个。顶级大师中，走法很多时候依靠直觉—
—做棋除了需要计算，还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起
来顺手多了，”Hassabis本身也是一名围棋手，“这其中不只有计算角力，还有审美。
这也... 阅读全帖 |
|
w**********g
发帖数: 41 | 3 如题 审稿邀请 模拟电路软故障诊断 神经元网络 小波变换方向
请发站内信 |
|
t*******y
发帖数: 21396 | 4 生物神经网络与机器学习的碰撞，Nature论文提出DNA试管网络识别手写数字
近日，来自加州理工学院的研究人员开发出一种由 DNA 制成的新型人工神经网络。该
网络解决了一个经典的机器学习问题：正确识别手写数字。该项研究中，研究者用了
36 个手写数字 6 和 7 作为测试例子，结果表明这种新型神经网络能够正确识别出所
有的数字。该研究是在生物工程助理教授 Lulu Qian 的实验室中完成的。相关论文于
7 月 4 日上传网络，并将出现在 7 月 19 日的纸质版《Nature》杂志上。
科学家们已经从 DNA 中开发出一种人工神经网络，能够识别嘈杂和高度复杂的分子信
息。
加州理工学院的研究人员开发了一种由 DNA 制成的人工神经网络，可以解决一个经典
的机器学习问题：正确识别手写数字。这项研究迈出了重要一步，证明我们具备了将人
工智能编程到合成生物分子回路中的能力。
「尽管研究者刚刚开始尝试在分子机器中创造人工智能，但其潜力是不可否认的，」
Qian 表示。「电子计算机和智能手机使得现代人类的能力高于 100 多年前，与此类似
，在未来的近百年里，人工分子机器可能制造出由分子组成... 阅读全帖 |
|
o*****p
发帖数: 2977 | 5 https://zhuanlan.zhihu.com/p/21760484?refer=zhishifenzi
“它的确是一个世界级的工作”：中国科学家发明了什么？
饶毅
编者按：
人的大脑大约有1000亿个神经元，它们如何连接以及错误的连接产生何种问题，一直是
人类认知的黑洞。最近，《自然·通讯》杂志发表了华中科技大学骆清铭研究团队的一
种称为全脑定位系统的全自动显微成像方法，这项技术有望帮助基础神经科学和临床研
究者们最终绘制一个完整脑的神经连接地图，被中外科学家视为”世界一流的工作“。
欧美日在数年前纷纷启动了自己的脑计划，脑科学正处在重大突破的前夜，尽管中国脑
计划尚未上线，但注定要在这一领域扮演重要角色。
撰文 | 叶水送
责编 | 徐可
● ● ●
莎士比亚笔下的哈姆雷特有一句旷世名言：To be or not to be，that's the
question。如同哈姆雷特一样，我们也经常处在这种犹豫、纠结的状态。人以及其他认
知水平较高的动物，之所以会有这种复杂的情感，这与我们大脑的认知有关。
事实上，对音乐的感知也与大脑有关。在出生之前，我们就能对音乐进行感知，不同旋... 阅读全帖 |
|
h****n
发帖数: 29 | 6 人的生命由意识和躯体组成。从信息科学的角度分析，人的生命活动可以简化为：
外界信息输入——》信息处理——》信息输出控制肌肉运动。信息处理就是意识活动，
它的载体是大脑神经网络。不同的大脑神经网络结构具有不同的意识活动，每个人的大
脑神经网络结构不同，意识也就不同。
大脑神经网络结构由许多单个神经元相互连接组成。单个的神经元也具有外界信息
输入——》信息处理——》信息输出功能。实验表明，不同网络结构的神经元，其信息
处理能力不同。信息处理能力指：输出信息/输入信息， 或表示为： C/R (C=输出，R=
输入)。神经元的C/R就是该神经元的信息值。
神经元有记忆功能：神经元可以对同一输入信息，总是给出相同的输出信息，对不
同输入信息给出不同输出信息，这就是记忆功能。神经元的这种记忆功能，越刺激使用
它会越强烈，不使用它，就会慢慢衰退。可见，神经元的记忆功能不需要特别的储存记
忆体，它是通过神经元输出/输入比值(C/R)变化来实现的。这与电脑的记忆储存方式不
同。
神经元连接组合(神经网络)有思维功能：神经元数量巨大，都是相互连接起来的，
一头探测外界输入信息，一头输出到控制肌肉运... 阅读全帖 |
|
h****n
发帖数: 29 | 7 人的生命由意识和躯体组成。从信息科学的角度分析，人的生命活动可以简化为：
外界信息输入——》信息处理——》信息输出控制肌肉运动。信息处理就是意识活动，
它的载体是大脑神经网络。不同的大脑神经网络结构具有不同的意识活动，每个人的大
脑神经网络结构不同，意识也就不同。
大脑神经网络结构由许多单个神经元相互连接组成。单个的神经元也具有外界信息
输入——》信息处理——》信息输出功能。实验表明，不同网络结构的神经元，其信息
处理能力不同。信息处理能力指：输出信息/输入信息， 或表示为： C/R (C=输出，R=
输入)。神经元的C/R就是该神经元的信息值。
神经元有记忆功能：神经元可以对同一输入信息，总是给出相同的输出信息，对不
同输入信息给出不同输出信息，这就是记忆功能。神经元的这种记忆功能，越刺激使用
它会越强烈，不使用它，就会慢慢衰退。可见，神经元的记忆功能不需要特别的储存记
忆体，它是通过神经元输出/输入比值(C/R)变化来实现的。这与电脑的记忆储存方式不
同。
神经元连接组合(神经网络)有思维功能：神经元数量巨大，都是相互连接起来的，
一头探测外界输入信息，一头输出到控制肌肉运动。当2... 阅读全帖 |
|
c****t
发帖数: 19049 | 8 危机纪年第20 年，三体舰队距太阳系4.15 光年
雷迪亚兹和希恩斯被同时从冬眠中唤醒，他们被告知，等待的技术巳经出现了。
“这么快？”当两人得知时间仅仅过去了八年时，都发出了这样的感叹。
他们接着被告知，由于前所未有的大量投入，这几年的技术进步确实神速，但这没有什
么值得乐观的，人类不过是在他们和智子障碍之间的最后距离上加速冲刺而已。进步的
只是
技术，前沿物理学如一池死水般停滞不前。理论的储备正在被消耗完，人类的技术进步
将出
现减速，直至完全停止，但目前人们仍不清楚技术的尽头将在何时出现。
希恩斯拖着冬眠后仍然僵硬的脚步，走进了一个外形像体育馆的建筑物。建筑内部笼罩
在一片迷蒙的白雾中，希恩斯感觉这里很干燥，不知道这是什么雾。有月光般的柔光把
雾照
亮，雾积聚在上方，显得很浓，看不到建筑物的穹顶，但在一人多高的空间里雾很淡。
在雾
中，他看到了一个娇小的身影，立刻认出是山杉惠子，他向她奔去，像是追逐一个雾中
的幻
影，但他们最终还是拥抱在了一起。
“对不起亲爱的，我老了八岁。”山杉惠子说。
“即使这样，你还是比我小一岁。”希恩斯说着，打量着妻子，时光似乎在她身上没有
留下太多的痕... 阅读全帖 |
|
a*****y
发帖数: 33185 | 9 第十一章 机器人会思考？
大脑的作用是否和电脑一样？我们赋予周遭世界意义的能力，是否会出现在具有人
工智慧的机器人身上？或者，汲汲于创造这种人工智慧根本就是种误导？人类若有反省
的意识可以质疑生命意义和人在世上的地位，那么，其目的何在？
郑：我们已经讨论过，有些生物学家认为，只要大脑中的物质组织复杂性足够，就
可以浮现意识与思绪和各种情绪，如让生命变得有价值的爱。在他们看来，只要演化到
一定的复杂性门槛，意识没有理由不出现。以此观点，大脑是思考机器，是所有神经元
零件的总和。神经元之间的关系便形成我们所谓的“心”。
意识的运算模型将神经元系统比拟做电脑硬件，心则比做软件。神经元网络是意识
的物质架构，如同电脑的电路为软件提供架构一般。这纯化约论的解释归结说，只要机
器具有充分复杂性，终有一天可以思想和感受。有些专门研究人工智慧的科学家十分确
信，终有一天人制造出有感情、可以体会爱和恨、哀与怜的机器人电脑。届时没有什么
可以阻止它们写出另一本《战争与和平》或编另一本贝多芬的《第九交响曲》。
马：机器纵使能模仿意识，但它的根本本质丝毫不变。这种机器所能做的不过是处
理仍属毫无意义的信息。即... 阅读全帖 |
|
f**d
发帖数: 768 | 10 Terrence J. Sejnowski
Professor and Laboratory Head
Computational Neurobiology Laboratory
Terrence J. Sejnowski, professor and head of the Computational
Neurobiology Laboratory, is a pioneer in the field of computational
neuroscience.
Education
B.S., Physics, Case Western Reserve University
Ph.D., Physics, Princeton University (J.Hopfield was his Ph.d advisor)
Postdoctoral fellow, Biology, Princeton; Neurobiology, Harvard Medical
School
听过几次TERRY的报告，其人说话很快，激情，典型的物理系学者的模式。
http://www.salk.edu/fac... 阅读全帖 |
|
m****g
发帖数: 530 | 11 每一个小小的神经元都有复杂的结构，其树突，轴突和神经键组成的复杂网络会经常性
地处理很多信息，然后决定是否要
传递神经冲动，促使某一行为的发生。
据介绍，在某一水平，神经元就像另外一个复杂的结构-美国总统选举团。西北大学一
项新的研究为神经元的“双层整合模
型”（two-layer integration model）提供了证据支持，解释神经元整合突触输入的
机制。
这项研究结果发布在最新一期的《Neuron》上。
该模型中，神经元的每一个分支会接受和整合数千条信号输入，然后决定出发送到轴突
的一个信号。这非常像美国的总统
选举系统，先从各个州获得选票一样，然后做出一个最终的决定。神经元会有一个输出
结果，可能是以冲动的形式，或潜
在活动，也可能没有反应。
这项研究的负责人Nelson Spruston教授介绍说，在人类大脑中有1000多亿个神经元，
因此对个别神经元的深入认识将有
助于更好地理解大脑运作的机制，包括学习和记忆的过程。
此外，研究人员使用电子显微方法对哺乳动物海马神经元进行了三维重建，并作了分析
。他们发现这些神经元每个都有复
杂的网络。
感兴趣的读者可以参阅一下文献。 |
|
S********6
发帖数: 1264 | 12 自动化救不了美国的制造业
2013-01-29 16:43:00
更多
30
关键字 >> 美国再工业化自动化制造业机器人生产率自动学习手动操作
在美国再工业化的讨论中，自动化将拯救美国制造业是一个很流行的说法。自动化、机
器人将取代熟练劳动力，节约劳动力成本，提高生产率，从而振兴美国制造业。当然，
自动化和机器人无法解决美国的就业问题，不能解决再工业化最主要的目标：通过大量
就业使美国经济重新走上正循环，但这是另外一个问题。这里的问题是：自动化能救美
国制造业吗？
一般认为，自动化能做到几件事：
1、 提高产品质量
2、 节约生产线上的劳动力
3、 降低对熟练劳动力或者技术人员的需求
4、 理想的全自动生产方式中，系统还具有自学习功能
在实际上，前两件事是有条件的，后两条在很大程度上不是人们想象的那回事。
自动化的生产方式可以达到非常高的可重复性，所以产品的一致性较好。但原料品质不
是绝对一致的，生产设备也有磨损和状态的变化，在实际使用中，全自动的生产线也是
需要经常调整的。自动化生产的产品可以达到相当高的产品一致性，但不能达到最高质
量。最高质量只有根据原料和设备的情况实时做出最优... 阅读全帖 |
|
l*********i
发帖数: 332 | 13 三.圣餐杯 下
第三点就是这篇文章的核心，此文题目为Preferential incorporation of adult-
genera
ted granule cells into spatial memory networks in the dentate gyrus。刚看到
这个
题目的时候，吓了一跳，心想，好sexy的标题！如此重大的发现！翻译成中文就是，成年
新生成的神经元被“优先”的整合到空间记忆的海马神经元网络中。
第三点要说的是，他们用什么指标来判断，神经元被整合到了空间记忆的海马神经元网络
中。
说到这里，c-fos登场了！当当当当！
c-fos是极早期基因，所谓极早期，就是当细胞受到某种刺激，比如说生长激素，电信
号等
等。极早期基因在几分钟内就会开始启动转录活动，极早期基因都是一些转录因子，它们
被诱导表达后，会迅速激活它们的目标基因表达，所以它们是细胞受到各种刺激后的快速
反应部队。
在体外培养神经元里，将神经元去极化刺激后，用northern的方法，10分钟就能检测到一
堆mRNA出来，所以转录启动肯定只需要短于10分钟的时间。c-fos能被快速诱导是Zif |
|
l*********i
发帖数: 332 | 14 六.抽丝剥茧 下
从fig1f我们知道，标记后6周，在海马DG区可以留下大概333个被标记的神经元，他们
应该
是标记以及之后才发生细胞分裂而产生的新神经细胞。那么标记6周后，经过学习，他
们中
多少能够对学习诱导的神经活性发生反应呢？从Fig1h中，我们可以看到是4－5％，算
16个
。
好，就是说经过学习，在小鼠海马DG区的总共380000个神经元中，有7670个神经元能对学
习活动发生反应而表达fos，而在学习任务之前的6周之内新产生的333个神经元中，有
16个
可以对学习活动发生反应而表达fos.16/333＝5％>>7670/380000＝2％.所以，新产生的神
经元可以优先的加入到成熟神经元网络中去。
（值得指出的是，所以BrdU阳性的神经元10周后也会表达成熟神经元标记NeuN，而被记入
成熟神经元。见补充图5。）
他们能否自圆其说呢？
在fig1h中，他们画了一条上升的曲线，代表标记后的不同时间进行学习，如果间隔太
短，
新神经元来不及成熟，所以就不能在学习的时候对神经活性产生反应表达fos。所以这
条曲
线当然是上升的，但并不能说明新细胞就优先的产生反应的道理。fi |
|
e**********4
发帖数: 56 | 15 纳米大脑黑客，分子电子学应用脑控
2013-07-15 14:56:02| 分类： 大脑感觉神经机制 | 标签：大脑控制 脑计划 思
维破译 纳米神经假体装置 大脑黑客 |举报|字号 订阅
1995年9月27日至10月1日由美国出资的戈尔巴乔夫基金会，邀集当今世界的500名最重
要的政治家、经济界领袖和科学家，其中包括乔?布什（当时他还不是美国总统）、撒
切尔夫人、布莱尔、布热津斯基以及索罗兹、比尔盖茨、未来学家奈斯比特等大名鼎鼎
的全球热点人物，在旧金山费尔蒙特饭店举行高层圆桌会议。讨论关于全球化以及如何
引导人类走向21世纪的问题。这个会议认为，人类历史上一个崭新的时代业已到来。这
个时代将是非工业文明的时代。工业时代与它的大规模福利（社会保障）制度一起，已
成为经济史的短暂瞬间即将不复存在，他们产生一个方案，就是逐步设法用"高技术"手
段消灭80%他们认为的垃圾人口而留下20%的人类精英，或者采用"高技术"手段使那些垃
圾人口部分变成这些精英的活体试验品！
请看下面一段对话：
您好！
请问*先生，你具体是干什么工作的？或者你在负责什么项目呢？
我们初步认为：如果... 阅读全帖 |
|
p****s
发帖数: 3184 | 16 “中央集权制大一统政体”有个屁“科学性”和“合理性”。
中央集权制，归根到底是基于tree数据结构的算法，中央就是root，蚁民是leafs，中
间的等级官僚是各层intermediates。
tree这种建模是万能的吗？哪个家伙万事都用tree来建模解决问题这人肯定就是个大傻。
network才是比tree更本质的对世界上事物的建模。
人体是细胞网络network of cells，人脑是神经元网络network of neutron cells。
互联网是路由器构成的网络network of routers，社会是人构成的网络network of
persons。
树也是网络的一种。
网络里情况较复杂，树只是其中很小的一类，根本没什么代表性。就和hypercube这种
网络一样，是比较极端的特例，可能在某些情况下其个别性能最佳（比如hypercube各
项指标都是均衡的O(lgn))，但总体性能未必好、甚至是坏成狗屁都很有可能。
举个例子，robustness和performance最好的name lookup server的结构是hypercube(
如CAN, Chord等其实... 阅读全帖 |
|
发帖数: 1 | 17 “这就是你所做的所有事情？”西蒙斯调笑道。
接下来开口的是Dimitri Chklovskii，是西蒙斯从霍华德休斯医学研究所（Howard
Hughes Medical Institute）招募来研究神经元网络（connectomes）的神经学家。他
称述了对意大利小蜂的神经元网络的绘制工作，这种小蜂会寄生于其他昆虫的虫卵，并
从中孵化。对这种简单物种的研究，可以帮助揭示人类大脑如何进行演算的复杂问题。
当听到小蜂的故事时，西蒙斯兴奋了起来。“他们一般能活多久？”他问道。当得到只
有五天的答案时，西蒙斯回应道：“是啊，但能有整整五天呢。”
应用数学家Alex Barnett讨论了该小组开发的用于分析神经元过程的几个程序。最有前
途的一个，MountainSort，提高了对脑电极记录的解析能力，部分借助于自动化数据解
析。该程序可以告诉你，在一只小白鼠移动之前，它究竟是在考虑向左转还是向右转。
程序中使用的算法，也许可以帮助解析大脑究竟是如何控制行为的。熨斗研究院已经将
该程序免费提供给其他实验室。当西蒙斯听说MountainSort被重要研究小组采纳时，他
笑了，“这真是太好了。”（... 阅读全帖 |
|
x****6
发帖数: 4339 | 18 你这句话应该说是对的，
但是并不代表现在的AI架构进行的概率处理 和 人脑的概率处理 是一回事。
要知道，AI号称利用对人脑神经元网络的模拟来进行计算，它的机制就是各个节点之间
的连接概率。对应神经元细胞之间建立突触连接来传递点信号。
到这里，一切都很好。
可是，你要知道真正的人脑神经网络里的计算过程，比简单的突触建立要复杂不知道多
少倍。目前千老都还没完全高清除。
比如，细胞之间的信号载体，有多种不同的化学物质，它们并不是等价的；除了神经元
细胞，还有其他辅助细胞，如胶质细胞，它们对神经元细胞的功能有很复杂的调控作用
，机制还没有搞清楚。这里列举的仅仅是我一个门外汉了解的情况而已。
In summary, 都是概率计算问题，目前AI可能是一个一维的ising model, 而人脑可能
是N-体问题。 不可同日而语。 |
|
t******0
发帖数: 629 | 19 小弟是设计硬件存储器的。
曾经用一个矩阵式的存储来实现neuron network，即对于任意N个神经元的网络，我都
可以用一个 N x N 的crossbar 来实现：
N条row线（dendrite）;
N条column线(axon);
第i行第j列的交点处的数据代表第i号神经元和第j号的神经元之间的synapse的weight。
这样无论什么样的网络连接都可以实现。但是问题是浪费硬件资源(N x N)！
一般的神经网络，neuron是分为好几层的，每层内部是没有互联的，只有层之间是有互
联的，对吧。
如果我仍然用以上行和列的方法来存储synapse的weight信息，如何才能不浪费硬件资
源（比如利用整齐而远少于N x N的设计）？有类似的资料可以推荐一下吗？
谢谢啊。 |
|
w*********a
发帖数: 9279 | 20 简单来说，就像现在的神经元网络。首先有一个训练数据集。 经过训练得到一个神经
元网络。 你把新数据带进去，能够得到之前没有的结果。
但是，解析延拓比神经元不知道高到哪里去了。 解析延拓要求处处可导，而且延拓以
后和在之前范围内完全吻合。 这样的延拓是唯一的。
我举个不是很恰当的例子。等比数列求和
s = 1 + q + qq + qqq + ... till infinity
这个结果存在的前提（定义域）是 |q| < 1。若q大于1，s没有意义。但是我们知道有
求和公式s = 1 / (1 - q)。 这个求和公式，只要求q不等于1。 你把q = 2 带进去s是
负数。全是正数相加怎么会等于负数呢？当然不等于。 你把q = 2带进第一式得到 1 +
2 + 4 + 8， 把q=2带入求和公式得到-1。 这时两个式子定义域不同不能划等号。
这个求和公式，就是上面级数的解析延拓。
这也是为什么有人会认为“所有自然数的和等于-1/12”这个错误结论。 |
|
|
j*******7
发帖数: 6300 | 22 作者：李淼
《三体》中与自由意志有关的部分大概是思想钢印的故事，这个故事出现在第二部《黑
暗森林》中。地球人为了对抗三体人的智子对人类的偷窥，决定选出四个面壁者。每一
个面壁者在不受任何干扰的情况下独立思考和设计对付三体人的计划。其中，第三位面
壁者比尔·希恩斯，英国物理学家，他和妻子山杉惠子一起发现了人类大脑的思维和记
忆活动是由量子过程完成的——这确实是现代一部分物理学家和神经科学家的观点。
希恩斯的秘密计划是挽救人类的逃亡主义，为了达到这个目的，他们发明了思想钢印机
器，被思想钢印机器打了思想钢印的人，思维方式就被控制了，例如，对人类未来充满
乐观主义。思想钢印之所以可以被发明，是和希恩斯等人发现人类做出决定的机制有关
的——这里就涉及人类的意志了。这个机制就是：
“不谈技术细节了，简单说吧，在大脑神经元网络中，我们发现了思维做出判断的机制
，并且能够对其产生决定性的影响。把人类思维做出判断的过程与计算机作一个类比：
从外界输人数据，计算，最后给出结果。我们现在可以把计算过程省略，直接给出结果
。当某个信息进入大脑时，通过对神经元网络的某一部分施加影响，我们可以使大脑不
经思维就... 阅读全帖 |
|
a*****y
发帖数: 33185 | 23 第十章 前世今生
心体二元？
意识到底是什么？从何而来？这无以名状的现象，究竟是在大脑发展了相当复杂的
程度后，经由演化过程自然而生，还是意识自无始以来即与物质宇宙并存？
意识是有赖大脑生起，还是存在于一切物质形体之外？心与身分离的观念是否合理
？如果意识可以存在于肉体之外，是否可以解释转世的原由？
郑：大多数生物学家都认为，在演化进程中，当脑细胞网络达到复杂性的门槛后，
意识就会生起。这理论隐含意识和生命一样出自于无生命物质的意思，但不知佛教是否
同意这种观点？
马：在宇宙演化的相关科学方面，佛教认同大部分的概念——当然，“开端”观念
除外——但不认同意识“源起”说。
依佛教的说法，意识跟我们认知的所有现象一样没有内在实性。我们在日常生活中
所体验的意识属于相对真理范畴，只是个有益的概念而已。也就是说，佛教相信“有意
识的非实性”（把心界定为意识的刹那流程）和“无意识的非实性”（心所认知的物质
外）之别，并不苟同许多生物学家所主张的，意识或心识生起于脑物质。
佛教把意识分成粗、细和微细三个层次。第一层次是大脑的生化作用。第二层次是
我们习称为意识的主观经验，也就是说，心识自我审视、思... 阅读全帖 |
|
L***6
发帖数: 8307 | 24 和我一个教授才讨论过这个问题，他做实验高能的，数据分析为主，前几年和手下几个
博后博士开了家公司，用一种简单模拟神经元网络的算法做了一个统计软件，给零售商
提供进货量的信息，现在发大了。感觉现在做这种big data和machine learning挺火爆
的。但这些都和题目无关了。
他说他觉得实现这种人机互动也要一两百年时间，一个神经元比cpu的功能复杂强大的
多，自然演化人类这么长时间还是做很多work，人脑又有10的10次方数量级的神经元和
10的15次方数量级的神经元连接，想搞清楚信号传递过程是比较艰巨的。
但是youtube上看了很多BCI的视频，有的已经帮助盲人做了简单成像，戴上装了摄像机
的眼镜，线缆连到头后面，当然确实开洞了，能让他们“看”见跟前障碍物的粗糙轮廓
，感觉还是挺他妈酷的。有想法欢迎大家继续讨论。 |
|
f**d
发帖数: 768 | 25 个人观点
两者相关，有很大交叠部分，并相互包含
从研究角度，神经科学注重从微观（分子、通道、神经元）到系统（网络、皮层、意识）
的研究路线来探索大脑和意识的工作原理，所有理论机制都基于实验现象提出
认知科学起源于心理学、哲学对意识－脑的认识和研究，致力于从系统（身体－意识）
入手来探索大脑，理论往往基于哲学理论、经验、推测和假设，
但现在也是基本全从实验出发，并从微观（神经元、网络链接）来寻找认知的机制了。
东南大学吴健雄生物电子学实验室给出了比较好的阐述
http://www.lmbe.seu.edu.cn/biology/bess/biology/chapt16/16-5.ht
认知科学定义为：“智能实体与他们的环境相互作用的原理的研究，向两个方向展
开”（斯蒂灵等1987），是研究人类的认知和智力的本质和规律的科学。研究范围
包括知觉、注意、记忆、动作、语言、推理和思考乃至意识在内的各个层次和方面
的人类的认知和智力活。
1、 外延，列举了认知科学的分支领域以及它们之间的交叉关系：计算机科学、心
理学、哲学、语言学、人类学和神经科学
2、 内涵：发现心智的表征和计算能力以及他们在... 阅读全帖 |
|
m******1
发帖数: 95 | 26 connectivity指的是神经元之间的拓扑关系，这种复杂的拓扑关系可能是神经网络能完成复杂功能的根本原因，也可能只是要素之一。所以一部分人包括我们认为，connectivity虽然重要，但可能并不是脑运算能力如此强大的最根本原因。有过一系列的实验证据表明，皮层这一级别的神经结构类似于通用计算机，连到visual input上就能做视觉处理，连到auditory input上就能做声音处理。这就好比说只要某块脑有足够数量的神经元，和足够多的互联，它就有了足够的信息表征能力（信息熵），至于具体怎么连接，未必重要。
不过这种观点仅仅限于皮层这种“通用结构”，一旦考虑到不同级别的神经结构譬如basal ganglia, cerebellum, spinal cord的互联，那connectivity就变得非常重要了。你说的计算机主板的例子很恰当，主板正是cpu、内存、板卡这些不同结构的互联，所以线打乱了就别玩了。通用结构不是主板，而是更类似于可编程的通用芯片，把互联的能力预留好就行，至于具体怎么连等用的时候再说。但类似Blue Brain的项目看上去不是在重建整个神经系统，而恰恰是在重建脑... 阅读全帖 |
|
w*********g
发帖数: 30882 | 27
人工智能的缺陷主要是受计算能力的限制，而多核芯片的发展将逐步突破这个局限。美
国劳伦斯利弗莫尔国家实验室(LLNL)和IBM公司近日公布了一款最新深度学习超级电脑
，或将配备人工智能系统。这将是最接近人脑的计算机产品了。该计算机以一款名叫
IBM TrueNorth的“神经突触”计算机芯片为基础，能够复制出相当于1600万个神经元
和40亿个突触的“神经系统”。但它的能耗只有2.5瓦特，仅相当于一块助听器电池。
这款IBM仿神经系统采用了类似大脑神经元网络的设计，能够完成复杂的认知行为任务
，如识别图案、整合多种感官处理等，且远高于传统芯片的效率。该技术与过去70年间
的主流计算机设计之间存在根本性的不同，并将对下一代超级计算机的研发做出有力的
补充。下一代超级计算机的运行速度将比目前最先进的petaflop系统(每秒千万亿次浮
点运算)快50倍。人工智能的计算能力将大大提高，接近甚至超过人脑。
这个很明确告诉你为什么人工智能将来会成熟了吧？ |
|
r******n
发帖数: 4522 | 28 蒙特卡洛，神经元网络这些都不是啥新鲜玩意儿。以前是硬件不行，譬如神经元，靠软
件模拟在单核8086上运行撑死也就识别个阿拉伯数字。要搞复杂的，可不得training到
地老天荒? 现在有多核，有GPU，还有cloud群P，阿发狗左右互搏training一小时能抵
以前成百上千年。 |
|
s*********e
发帖数: 1 | 29 王城：美国爱荷华州立大学经济学教授，复旦大学姚祖辉特聘教授。致力于动态合约理
论与宏观经济学的研究，作为动态合约理论最早的研究者之一，其研究工作对这一经济
学重要文献的发展及其在宏观经济学中的应用作出了贡献。（复旦大学引进）
冯建峰：英国华威大学教授，“复旦-浩清”特聘教授，复旦大学计算系统生物学中心
主任。主要研究领域为计算系统生物学，在神经元脉冲发放的随机性、因果关系的研究
、从单个神经元到生物神经元网络等诸多方面取得了重要研究成果。（复旦大学引进）
谷迅：美国爱荷华州立大学遗传发育与细胞生物学系、生物信息与生物统计中心教授，
复旦大学生物医学研究院高级PI。在蛋白质家族功能和表达谱的分
化、基因组及蛋白质组的进化、分子进化和分子系统树的构建等领域，取得重要成果。
（复旦大学引进）
马红：复旦大学生命科学学院院长，“复旦-浩清”特聘教授，致力于植物生殖发育的
分子机理研究，克隆了第一个花发育关键基因AGAMOUS，克隆了植物中的第一个G蛋白α
亚基和β亚基基因；第一次克隆了编码控制雄蕊绒粘层形成的受体蛋白激酶的基因等。
（复旦大学引进）
沈文辉：法国科学研究中心植物分子生物学研究所 |
|
e*******t
发帖数: 111 | 30 人和灵长类动物的日常活动复杂程度高，因此对神经元网络的硬件要求也高，像神经元
数目和连接。脑的体积越来越大，很正常。 |
|
i**a
发帖数: 98 | 31 来自主题: Neuroscience版 - 记忆的秘密 我认为这两个的区别，一个要求精确记忆，一个只需要模糊记忆。一个号码虽然可能只
有简单的两三个数字，但需要精确地记住每个数字及顺序。而一段复杂的路径，你未必
真的需要“记住”每一个细节。如果让你在家里复述或回想一下整条路的细节，你未必
能做到。但当你走在这条路上，“熟悉的场景”能不断提醒你做出正确的路径选择，最
后成功达到终点。
记忆一般认为由特定神经元网络中神经元间的连接（突触）强度决定。记忆的形成过程
即是突触强度的修饰过程。不同记忆形式（数字当属语言信息，路径当属空间信息）涉
及的神经网络不同，不同神经网络的可修饰潜力（可塑性）也会有所不同。
记忆的读取过程在这个事例中也有重大差别。就如第一段提到，回忆一串数字是一个比
较纯粹的记忆信息提取过程。而“凭记忆”走上正确的路则不然。在你前进过程中，曾
经见过的场景（已产生或强或弱的记忆痕迹）能刺激大脑（可能是重激活了相关记忆痕
迹的神经网络）使人产生一种“熟悉感”，正是这种“熟悉感”指引你做出正确的路径
选择。
对于语言记忆，联想记忆法应该是有帮助。把需要记忆的东西编成或编入一个熟悉的或
有意思的故事，如果能比较容易的回想这个“故事”，... 阅读全帖 |
|
e********e
发帖数: 126 | 32 我好像看过一个paper，理论是这个智商越高的人在解决他擅长的问题时
动用的神经元比较多，也是用正电子CT做脑成像的结果。
另外，还有一个对应理论，是说熟练工人和新手的脑像的。
比如说打俄罗斯方块儿吧，这个新手打的时候就是大脑好多地方都巨兴奋，
并发一些肌肉紧张，嘴角抽搐，冷汗横流的症状；高手呢，简直可以一边
嗑着瓜子，一边灌水，一边毛毛毛一边俄罗斯方块，从脑图来看，只有
一小块地方（除了那些General的区域）兴奋。这个就是说，人脑
有固化计算的功能。可以简单的类比为，开始这个脑是软件模拟解决俄罗斯
方块儿这个问题的，练练练，就进化成硬件固化了。
这个例子，我以为，就是说经验大大的重要。
但是话又说回来，这个高智商在解决某个问题的时候，需要的经验可能会少。
还有就是有些境界是咋积累经验也做不到的。
最后就是总归有些领域是纯未知的，这里智商倒是大大的有用。
好像有个德国的小组，用遗传算法加神经元网络加机器人已经把人脑这种
进化给模拟出来了。超牛啊…… |
|
p****s
发帖数: 3184 | 33 你觉得研究计算理论的都是轮，那就轮你没商量
你的大脑不是你所说的单个"脑袋"，而是神经元网络。尽管你白痴到别人说第二遍你还
搞不明白这么简单的道理，你的大脑仍然还是个网络，不是单个的CPU。
大傻赶快去学学随机算法，网络算法（包括人脑的工作方式）是Monte Carlo
algorithms with 1-sided or 2-sided errors；CPU这种东西执行的是Las Vegas
algorithms without any error。Las Vegas algorithms无法用于复杂情况(NP hard)
，要么等到天荒地老，要么建模无效。 |
|
c****x
发帖数: 6601 | 34 陈真（医师）：本名陈兴正，台湾台南人，台湾知名精神科医师，
党外运动人士，英国剑桥大学科学哲学系博士生，曾受国民党迫害，
民进党初期人士，但在1998年至1999年年间逐渐不认同民进党的理念而离去，
曾在“台湾立报”连载<哈巴狗电台>专栏。
============================================================
陈真| 2017.07.17 01:46 | ＃
浪费一下版面篇幅，贴一篇余同志的文章给大家学习一下忽悠手法。首先，你得先看另
一篇文章，作者是洪雪珍，我觉得写得挺好的（因为我被万恶的共匪洗
脑了）。这时候，就特别需要余同志出面扫荡妖言。
余同志有个习惯，在写文章之前，喜欢先骂对方“不学无术”或“一其他专长”或是“
非其专长”，对此，我得先表明，我将近20年前就在剑桥写过一篇AI（人工智慧）的哲
学论文，佳评如潮，加上原本的医学专业就是大脑（脑）与心灵（mind）方面，二十年
来对AI的阅读与研究更是不曾间断，不敢称为专家，但勉勉强强应算算是对AI有点认识
吧，至少比余同志应该更加内行至少一千万倍才对... 阅读全帖 |
|
S*****e
发帖数: 6676 | 35 这个不能叫做攻破了围棋，LOL。。。二十年前Deep Blue那个时候赢得可是卡斯帕罗夫
，不过你知道是怎么赢得么，还有后来又咋地拉？啥时候要是笔记本上装个软件能把世
界冠军赢了说不定真算赢了。。。 |
|
|
w***1
发帖数: 1951 | 37 Synchro 能做的只是微观优化，只能说是针对有限网络有限节点。用于Synchro model
的traffic 输入，大多数情况是根据实测流量数据采来的，比如traffic count
station 得来，temporary的 tube counter，或者人工手动采集，对于新建路段design
phase没有真实数据的，也可以用模型预测的forecasting 数据。Synchro分析通常不
用O-D data. O-D是做network planning model 用的，也就是为了得到forecasting 数
据作为input数据，这个数据也是固定的或者已知的，而不是可变的。
我没有看宋鸿兵的鸿观，但是仅从说用AI来优化网络信号是有理论可行性的。十几年前
我读graduate school的时候，一师兄就是用神经元网络做signal optimization. 我当
时听了答辩，觉得理论上 make sense,但是实际应用不靠谱，原因是数据采集和传输端
不能做到实时，决策处理端不够快。
回到楼主的问题，说简单点，交通问题就是个决策问题，主要就是option resear... 阅读全帖 |
|
g********d
发帖数: 19244 | 38 ☆─────────────────────────────────────☆
bds16 (song) 于 (Mon Apr 1 12:00:27 2013, 美东) 提到:
纠结很久了，到底该买个大车还是来个fun car。
最后决定趁着年轻，搞个fun car 玩玩，预算4w-4.5w
初步定了几款 FX35/37 G35 350z 328 c250 都是入门车
350z 直接被lp淘汰，说像“包子”。。。
G35 开了开，方向盘指向性很差，样子很帅！
FX37 我的大爱，就是稍微贵了点，而且这个车以后年纪大了也能开，最后决定选个入
门德车玩玩。
c250 coupe 和 328 coupe
我个人比较倾向BMW，国内玩过5系，不是自己的车，不用保养，就是拿来瞎搞，很爽！
周末现在门口的benz 转了一圈，看看了c250 coupe 红色，LP 一眼就看上了，车里面
确实能稍微看出点好车的影子，做工也很细致。没有试驾，不知道为什么看车的人很多
，saler 不够。而且我心系bmw，拉着老婆奔向BMW
废话不说了，挑了辆白色 328 coupe 直接跑上高速。这车的内饰... 阅读全帖 |
|
p****s
发帖数: 3184 | 39 老兄你根本没看懂这部电影啊。卡梅隆从1970年代有idea，到1994年写出第一个剧本，
再到2005年开拍，自己徒手创造了一个新世界，你竟然一点都没看懂，还评呢。
1. 电影里的Eywa到底是什么？
按Grace对Parker说的，Pandora上面有10的12次方颗树，每棵树又有10的4次方的根须
和邻近的树相连，这是一个比人的神经元网络更大的网络。
台词原文：
GRACE
Alright, look -- I don’t have the answers yet, I’m just now starting to even frame the questions. What we think we know -- is that there’s some kind of electrochemical communication between the roots of the trees. Like the synapses between neurons. Each tree has ten to the fourth connections to the trees aro |
|
p****s
发帖数: 3184 | 40 卡梅隆从1970年代有idea，到1994年写出第一个剧本，
再到2005年开拍，自己徒手创造了一个新世界。
1. 电影里的Eywa到底是什么？
按Grace对Parker说的，Pandora上面有10的12次方颗树，每棵树又有10的4次方的根须
和邻近的树相连，这是一个比人的神经元网络更大的网络。
台词原文：
GRACE
Alright, look -- I don’t have the answers yet, I’m just now starting to
even frame the questions. What we think we know -- is that there’s some
kind of electrochemical communication between the roots of the trees. Like
the synapses between neurons. Each tree has ten to the fourth connections to
the trees around it, and there are ten to |
|
A*******s
发帖数: 9638 | 41 “大脑神经结构是不同的，每个人的意识不同。” 这个说法有问题。
1. 英雄所见略同是一个现象。 很多时候， 不同的人， 不同的脑子可以想到同一件事
， 有同一个观点。 为什么就不能有相似的意识呢？ 比方说我觉得我的5%是我的twin
brother不过分吧？事实上是一点这种感觉都没有，0.0000001%也没有。 你就是你，我
就是我。
2. 如果你了解人体， 很多器官的构成人与人有很大的差异， 可他们的功能呢？ 几乎
相同。 所以我们人体有正常值范围。 大脑也一样， 万变不离其宗， 基本结构是一致
的。 微观的不同不等于宏观的差别。
神经网络不能解释意识， 至少现在还差的远， 将来我不知道， 也许行，也许不行，
也许就没有也许。 ：）
元网络。结构不同，对于同一信息，输出不同。人的成长，实际上就是神经元网络的进
化。改变结构会改变输入输出比率，就会改变行为。每个人的大脑神经结构是不同的，
因此，每个人的意识不同。 |
|
w****j
发帖数: 5581 | 42 你这属于这方面知识严重不足还出来装大头蒜的。一个科大搞神经元网络的出来质疑一
下你也好意思贴出来当个证据。正经搞清史的可有质疑红楼梦作者的？看样子你还是
Google不出来像样的东西了吧？还有，谁说曹雪芹没有其他作品。废艺斋集稿你都不知
道还谈什么曹雪芹的考据。
， |
|
w****j
发帖数: 5581 | 43 我有啥可激动的，不过是直接指出你不适合就这个话题继续下去而已。你这贴继续了你
说话根本就不过大脑的一贯特点。废艺斋写的是些关于印刻、编织、园林、风筝、烹调
、脱胎手艺、印染等一些工艺品，属于文人雅趣一类的东西。你说说可以作为什么旁证
？曹给你啥感觉重要么？你作为一个生活在几百年后对曹时代和曹本人几乎没什么了解
的人，你的感觉也值得端出来？曹同时代的人对他的评价，你一闭眼睛，就都没有了，
科大一个搞神经元网络的写篇文章，你一睁眼，哈，果然就是有争议了。照这么搞，曹
操是不是男人，是不是有这个人，也大可怀疑，我是没看到证据.
我沒有看到證據。 |
|
p****s
发帖数: 3184 | 44 你这缺少教育的弱智一再重复发帖就是五毛的主要特征。
没人和你说美国各级政府之间的关系是recursive grid，那是你这个阅读能力低下的堂
吉珂德自己瞎掰出来的风车。
我举recursive grid的例子是告诉你这个弱智，并不是大套小的结构都是树，你那联邦
套州、州套郡就是树结构的逻辑是狗屁不通。
前面我说过，和美国各级政府之间的关系最类似的是OSPF路由。OSPF路由是层次关系，
有个0区是不可缺少的，类似联邦政府、联邦两级议会、联邦法院这些联邦层次的法人
所在的社会结构。
各级政府都是可诉法人legal person（可诉别人，或被别人诉），相当于OSPF路由中的
单个节点node，整个系统的老大不是哪个节点node（你若还搞不清楚这一点，就买块豆
腐撞死你那弱智的神经元网络构成的大脑吧），而是协议protocol。
若有违反协议，地方政府法人、州政府法人、联邦政府法人、各党派法人之间的官司打
了不知道多少(你不知道美国的州政府告联邦政府是常见现象吧)：若官司是刑法官司或
重大民法官司，裁决由陪审团做出，陪审团的裁决
verdict任何人不得推翻；若官司是宪法官司，裁决由最高... 阅读全帖 |
|
z****e
发帖数: 54598 | 45 分布式网络只要同样爆出850亿个nodes
给它足够的时间，下赢人不成问题 |
|
a***m
发帖数: 5037 | 46 你们都知道函数吧： 有输入， 有输出
下棋决策类似一个函数，输入 当前棋局，输出较优的下一手
那么设计围棋程序等于要去构造这样的函数
学过数学的人知道，函数必然有某种结构，和一些参数组成
阿尔法狗，与之前的程序不同之处是，这个函数不是完全人指定的
只有函数的结构是实现设计（防生的，多层神经元网络），
而其中数百万甚至更多的参数，是用大量棋局训练得来的
这相当于一个优化问题，就是根据历史棋局和自动左右胡波生成的棋局，找到最优的参
数。
等这个训练好之后，那么函数就完全确定了
这个函数，结合其他传统搜索算法，就成了现代的围棋程序。
这个黑箱，其实隐式的总结了“棋理”，当然他的描述是某种网络结构和参数，而不是
人类语言
我期待有一天 人工智能 能用人类语言教人下棋。 |
|
a***m
发帖数: 5037 | 47 这几年学术界/业界就是在翻来覆去玩那个 多层神经元网络 那个所谓deep learning的
框架
这东西有明显缺陷，为了识别个狗图 得先看成百万张狗和非狗的照片
但小孩子会玩积木，显然不是看过成千上万次大人玩积木才学会的。
所以这技术不会是未来类人机器所能依赖的
企业根据市场去跟风，那是无所谓的。市场自然会调节。
但教育部门让中小学生学习 这个暂时的 具体技术
就跟之前让中小学生学习五笔字型，学习 DOS操作是类似
只有愚昧的管理者 才能想到。 |
|
T*******x
发帖数: 8565 | 48 有一定道理。但是教育部门让中小学学这个了吗？
：这几年学术界/业界就是在翻来覆去玩那个 多层神经元网络 那个所谓deep learning
的框架
： |
|
a***m
发帖数: 5037 | 49 人工智能的问题是 他目前取得的成就 依赖的东西太单一了。就是多层神经元网络这东西
这个具体技术 可能10年后会屁用都没有。被其他东西代替
你在基础教育里加这个有什么意义？
基础教育培养创造性，学点经典的才是正道。 |
|
发帖数: 1 | 50 现在和以前的本质区别在于，以前纸上谈兵，现在有良好的设备实现，参见NVIDIA最近
股票暴涨四倍，因为GPU的popularity。
：这几年学术界/业界就是在翻来覆去玩那个 多层神经元网络 那个所谓deep learning
的框架
： |
|
