计算神经科学（一） —— 我们搞清楚自己的脑子了吗？

可能是这个博客第一篇正经文章，亦是一个计算神经科学可能未来从业者蒟蒻的分享，仅以此来记录、梳理自己的学习与疑问吧

哲学三问

我是谁？我在哪？我要去何方？￣へ￣

自人类提出这个问题以来，已经过去一千多年，人们亦懂得如何对这三个问题加以细分，演化出更新更细致的哲学问题。当然具体的解决就留给哲学领域了。

而对於修读计算机的我们一直持有这样一种思维：是否可以将某样事物进行量化、建模，进而设计、运用算法将其解决。当这种思维与神经科学交叉后，一门新的学科：计算神经科学就此诞生。

换而言之，我们希望於该交叉领域，探究人类意识及运动的司令官——「大脑」的本质，从一个新的角度给出「我是谁？」的解答。

你这个计算神经科学，它和计算机有关系吗？

谢邀，人在 Hexo，刚写 Markdown。先给出观点：毫无疑问二者联系非常紧密。

这里有必要先予以说明，计算神经科学在一般意义上是一类学科的总称。在其下层，还有诸多研究领域：计算神经生物化学，计算神经行为学，计算认知科学……

对於计算神经科学，它更多的是脑科学与计算机科学的交叉。透过计算机科学的知识（如硬件、算法等等）从神经元层面建模分析，进而去解析大脑的行为。或者说，是用计算机模拟大脑。

那么问题来了

Q1：它具体怎么和计算机扯上关系了？

正如我上文说的那样，计算机负责使用一系列的硬件、思想、算法等等去模拟大脑，这即是计算神经科学最明显的特征。用人话来说的话，我想就是对大脑分子——认知——行为的「全面量化」吧。

从我的角度来说，这和现在的 NLP，CV，ASR 非常类似，本质上（暂时）都采用一些 AI 方面的算法去对某种数据进行分析、理解。只不过，计算神经科学的数据集比较「玄学」，它来自於自然界，来自於我们的大脑。这些数据集，並不像语言、声频这些已经被人类精确划分並理解。我们至今还未完全判明哪些信号归属何种层面，管辖何种行为，其与其他行为的关联性如何？这些问题，都需要多个学科领域的人士共同合作，逐步解答。

Q2：现在做到什么地步了？

Emmm，我觉得，或许用「人们面前应有尽有，人们面前一无所有」来形容至好不过了吧。无论如何，这是一门年轻的学科，是人们认清「单单依靠生物学家来研究大脑是不现实」这个事实后，对多学科协作交叉的一个创造性的尝试。

从这时开始，大家利用计算机、化学、心理学等知识，对神经系统的各个层级（分子，认知，行为等）进行解剖，随后使用各个层面的方法论及计算模型，挖掘神经系统的本源。这个学科创建至今，已经逐步建立了自己的学科体系，成形了各种各样的数理工具，指出了多种多样的实验方向。从这一角度看，它作为一个新学科是成功的，有前景的。

理想美好而飘渺，终归我们要脚踏实地。现今我们所能模拟的最大型神经体系，较灵长类的神经系统还相差 2-3 个数量级，更不用提人类了。甚至于，我们模拟的神经体系虽然比一些低等动物（如啮齿类）更为庞大，但实现的功能及探明的细节不过寥寥。

Q3：我能活着看到脑机接口吗？

正值马斯克发布新一代脑机接口，我也来聊聊我的感想吧。其实研究脑机接口（BMI）很像计算机，又不像计算机。此话怎讲？这里打个不太恰当的比喻，BMI 像是套在神经系统上的一类计算机系统。只不过其 CPU 是大脑。所以，问题就转化为了研究大脑的指令集了。对於更高层的读写操作，仅仅是遵照这个「指令集」去操作罢了。说起来简单，但实际上真的有这么简单吗？

现有的普遍认识是，生物体的平均认知时延约 200 ms，而计算机则能够达到 10-100 ms，甚至更少。虽然我们的神经系统处理信息的速度远远不及硅基生命计算机，但神经系统实现的带宽和智能效果完完全全是吊打计算机的存在。而这一种的差异，我们应该从哪一方向去思考解决？

所以，研究脑机接口（BMI）的一个无法回避的问题就是，如何提升 BMI 的带宽和智能效果。若想解决这个问题，就需要向神经系统的行为本质、神经系统的信息解析去下手了。用更通俗的话来说就是，我们怎么知道神经系统的工作流程，以及某种信号的具体意义。

况且，现有的 BMI（包括马斯克的）仅仅是停留在电信号的解读上，而神经系统信号的内部传递可不仅仅是电信号，还有生物信号。如果我们的 BMI 忽略了生物信号的采集，对信号、行为的解读会不会有偏差，这个偏差有多大，偏差太大谁来负责？这些问题，都亟待解决，如果这些问题不能得到有效解决，我们的 BMI 甚至说脑科学都无法进一步破局。

所以，BMI 可能真的是有生之年系列了吧。

Q4：前沿如何？

好吧，这不是招生办的阴谋，所以我就实话实说啦。

这是一个年轻的学科，前途必定是坎坷的。况且它的突破还需要大量其他学科的突破，像认知决策，意识产生本质等问题的深刻理解。所以，还是见招拆招吧！

有句话说得好：

Any sufficiently advanced technology is indistinguishable from magic.
任何完备的科学，都是魔法。
——Sir Arthur Charles Clarke

如果想关注前沿信息，可以去阅读一下 Nature Reviews, Neuron 以及 Science。这些我都强烈安利，从综述、发展历程，方向趋势、批判等等，都有涉及。相信看完之后，你会对这个学科的理解更上一层。

结语

总体来说，这个专栏更像是写给我自己的一个总结、思考与梳理，其次才是分享。所以，如果其间有何谬误，欢迎指正交流~o(￣▽￣)ブ