读《计算机与人脑》(二)
文章目录
- 读《计算机与人脑》(二)
-
- 神经元
- 记忆
- 神经系统同时具有数字部分和模拟部分
- 神经系统的计算特点
-
- 计算深度会放大误差
- 人脑中信息传递依靠神经脉冲的统计性质
- 神经系统一定是浅层、并行的
- 未来计算机体系结构
《计算机与人脑》这部书的写作目的,是对比计算机和人脑。下文是书本内容的转述,融入了个人理解。
神经元
如果你接触过深度学习,一定对感知机不陌生。感知机在外界刺激的强度超过阈值时,从沉默太转为激活态,输出激活信号。在冯看来,感知机确实可以代表人脑神经元的一部分功能,他把这部分叫做人脑的数字特性。但值得强调的是,人脑神经元还有很多可能对其功能有影响的因素,如:
- 突触的空间位置
- 神经元在放电后会进入一段疲劳期,响应变弱
- 部分接收器(如视神经细胞)可以感知量的变化(由明变暗或由暗变明)
这些复杂性可能起到了功能上的作用,进而使其与感知机有本质的不同1。
记忆
记忆在人造计算机中起着极其重要的作用,它的意义可能是原则上的而不是偶然的。
关于记忆的物理体现,冯提出来很多猜想:
- 在神经细胞的激活阈值中,体现为轴突的通断
- 细胞膜的特殊化合物中
- 在神经细胞的相互作用要素中(连接方式中)
记忆可能一部分来自遗传,一部分来自学习。
神经系统同时具有数字部分和模拟部分
控制肌肉运动和化学物质分泌的现象是模拟类型的,而基因是数字类型的,所以一定存在模拟和数字的交互。
神经系统的计算特点
神经系统一定具有浅层、并行的特点。
计算深度会放大误差
一个多步计算过程,如果初始值有误差,这个误差会在计算过程中被不断放大。如果计算是串行的,实现人脑中的非常复杂的工作所需的数字精度至少需要 10 位十进制小数。
人脑中信息传递依靠神经脉冲的统计性质
人脑中的信息表示依赖神经元之间脉冲频率的统计性质,脉冲的频率为每秒 50 到 200 个,这只能支持 2 - 3 位十进制精度。这个矛盾表明,人脑的高可靠性不是高计算精度带来的。
神经系统一定是浅层、并行的
做到精度度、高可靠性的唯一办法是减少串行计算。
我们现在已经积累了足够的证据,无论中央神经系统用什么语言,其标志是:比我们惯常的逻辑深度和算术深度都要小。
讽刺的是,将深度学习理解为一个仿生发明的观点没有料到,深度恰恰是人脑神经网络不可能具有的特点。
未来计算机体系结构
在人工器件的速度比人脑快,数量比人脑少的情况下,串行计算是最优选择。而今天,处理器的运算速度接近瓶颈,而数量空前增多,这让并行、浅层的计算收益增加。
- 最近的一项研究表明,人脑神经元似乎可以单独实现异或,这证实了人脑神经元不只是感知机,因为仅具有数字特性的感知机是不能单独实现异或的。 ↩︎