1.        脑是21世纪的创新源泉

1）          神经系统处理信息能力远高于现代信息处理技术

人脑对图像识别、语音识别、等能力远远大于现代信息处理技术。蝙蝠和海豚的声纳能力远远超过现代技术水平【3】【4】

2）        脑的工作原理正好与现代技术观点相反

  从工程观点来看,一个不稳定的仪器是不能用于工程实际的,人们很难想象一个不稳定的仪器能精确地测量小信号,可是狗的嗅感受细胞大约35-45天要全部换一次[1],如此不稳定的系统却能在强干扰下（气味干扰）检测极微弱的信号.（狗能闻出几里路外的气味，据报道北极熊能闻到30公里处的食物气味）。这说明生物系统遵循着另一规律在工作,完全不同于现有的工程观点.这就是说我们要重新考虑对生物系统的认识,为什么到目前为止还不能解释：“狗鼻子为什么这样灵敏”,其原因就在于此.

3）        信息科学需要突破

 信息技术的发展推动了整个科学和经济的发展。被人称现代是信息时代。信息化这一口号已成为各经济领域的行动方向。信息技术的发展也可以用来评价一个国家技术发展的水平。几乎所有科学领域的发展都与信息科学有关。可是现在信息处理的理论需要进一步突破.

虽然计算机在语音识别或手写字识别等有长足的进步，但是，与人的能力相比还相差甚远。信息技术高速发展到现在已有几十年了，信息处理的理论还只有非常有限的几种。计算机处理信息的能力究竟有多少？计算机能走多远？这类问题已被人们所提出

4）         脑是利用混沌高手

5）        脑是典型的不确定性系统,是研究不确定性最好的平台

诺贝尔奖获得者I.Prigogine在“确定性终结”一书中指出：我们已经处于科学史上一个重要转折点，我们已经在加利略和牛顿所开创的道路上走到了尽头。他们给我们描述了确定性图景，我们却看到确定性的腐朽和物理新定理的诞生[1]。

追求确定性几乎是所有科学家的愿望，科学家们总想在千变万化的现象中找到确定性的规律，由于牛顿时代取得了辉煌成就，所以确定性思想深深地扎在人们脑海中。这是科学方法家长期来所采用的方法,但是随着科学技术的发展人们碰到和多不确定的现象，无法对它进行解释，为此我们需要有观念的突破。

脑是典型的不确定系统。而且现代技术人们已经有能力搞清脑的自然结构。因此脑是研究不确定性的最好平台。

2.          计算神经科学是神经信息应用到信息科学重要的的桥梁。

一般说神经信息科学是研究量与量之间的变换关系，要理解神经信息处理现象也需要知道量与量之间的变换关系。这就需要数学模型的建立

3.         大量数据只能用模型来整理

Nature 指出[2] 现在生物实验中数据量越来越大，如何整理大量的数据，没有数学模型的综合是很难分析问题的

4.         实验代替不了计算

Konishi研究猫头鹰的听觉几十年，实验做得很漂亮，他能确定猫头鹰的两耳能区别5微秒的时间差，但他一直不知道为什么？Konishi把它称为一个谜。几十年解决不了，文献【1】从H-H模型出发能推道出神经元能高灵敏地分辨出小于5微妙的时间差的结果。这就使得我们有一个全新的思考。我们认为这也许是计算神经科学的魅力。

美国Science杂志在2006年的一份有关神经计算的专辑中引言中第一句话是：

COMPUTATIONAL NEUROSCIENCE IS NOW A MATURE FIELD OF RESEARCH.

意思是计算神经科学现在是成熟的研究

SCIENCE VOL 314 (2006)  pp 75

我国在这方面虽然也有不少有关模型方面文章，但是大部份文章还是与实验在一起，系统地系统在模型上研究还是很少。

 

 

【1】     张宏 莫珏 童勤业 海豚的神经系统是如何利用声波定向的？ 生物物理学报 Vol. 23 No.6. (2007) (455-462)

[2] EDITORIAL  The practice of theoretical neuroscience   Nature neurocisience Vol.8 No.12 (2005)1627

【3】Marc W. Holderied, Gareth Jones1 and Otto von Helversen, Flight and echolocation behaviour of whiskered bats commuting along a hedgerow: range-dependent sonar signal design, Doppler tolerance and evidence for ‘acoustic focussing’ The Journal of Experimental Biology 209, 1816-1826  (2006)

【4】

转载本文请联系原作者获取授权，同时请注明本文来自童勤业科学网博客。
链接地址：https://blog.sciencenet.cn/blog-261566-237310.html


下一篇：神经信息学中的几个关键问题