基于大腦處理信息量化模型的對(duì)若干認(rèn)知問題的分析

謝 勤

（廣州市科技和信息化局，第16屆亞運(yùn)會(huì)組委會(huì)信息技術(shù)部 廣東 廣州 510000）

前言

文獻(xiàn)［1－9］提出了血液循環(huán)在大腦處理信息的過程中具有時(shí)序控制作用，并用量化模型結(jié)合結(jié)構(gòu)風(fēng)險(xiǎn)最小化相關(guān)理論說明時(shí)序控制作用的意義。文獻(xiàn)［10－20］匯總介紹量化模型中的細(xì)節(jié)。量化模型中，把有反饋回路的神經(jīng)網(wǎng)絡(luò)分解為一系列前向網(wǎng)絡(luò)集合；把對(duì)有反饋回路網(wǎng)絡(luò)的訓(xùn)練等效為對(duì)一系列前向網(wǎng)絡(luò)集合的訓(xùn)練；信息存儲(chǔ)的過程是對(duì)一系列前向網(wǎng)絡(luò)的訓(xùn)練過程；信息提取的過程是訓(xùn)練后的前向網(wǎng)絡(luò)集合對(duì)一系列輸入樣本的處理過程。文獻(xiàn)［1－20］還結(jié)合結(jié)構(gòu)風(fēng)險(xiǎn)最小化相關(guān)理論分析了血液循環(huán)的時(shí)序控制作用在大腦準(zhǔn)確而高效處理信息方面的作用；分析了大腦能正確而高效處理信息，使智力能夠誕生的原因；分析了理論建立和應(yīng)用過程的神經(jīng)生理學(xué)原理、只能有相對(duì)真理的神經(jīng)生理學(xué)原因。以上內(nèi)容涉及多方面的量化細(xì)節(jié)和生理學(xué)機(jī)制細(xì)節(jié)，這里將已發(fā)表在文獻(xiàn)［1－20］的量化模型和一些細(xì)節(jié)以綜合報(bào)告形式再次進(jìn)行綜合介紹，以期對(duì)同行更好理解大腦整體運(yùn)作機(jī)制有所幫助，文章是綜合報(bào)告系列第三篇，閱讀本文前建議先閱讀《大腦處理信息量化模型和細(xì)節(jié)綜合報(bào)告》和《基于量化模型的對(duì)大腦高效可靠處理信息實(shí)現(xiàn)機(jī)制的分析》兩篇文章。本文共五點(diǎn)，給出了應(yīng)用結(jié)構(gòu)風(fēng)險(xiǎn)最小化工具分析大腦處理信息過程的圖示；分析理論建立和應(yīng)用過程的神經(jīng)生理學(xué)原理、只能有相對(duì)真理的神經(jīng)生理學(xué)原因，分析了大腦能正確而高效處理信息、使智力能夠誕生的原因，文章還介紹了另外一種量化方案。

1 關(guān)于一些圖示、理論建立和應(yīng)用過程中的神經(jīng)網(wǎng)絡(luò)原理、智力起源和另一種量化方案

1.1 應(yīng)用結(jié)構(gòu)風(fēng)險(xiǎn)最小化工具分析大腦處理信息過程的圖示［1－19］：圖1和圖2給出了應(yīng)用結(jié)構(gòu)風(fēng)險(xiǎn)最小化工具分析大腦處理信息過程的圖示：［1－19］

（1）以時(shí)間軸上的點(diǎn)t0為參考點(diǎn)，在每個(gè)樣本時(shí)間長度L固定的情況下，如果樣本開始時(shí)間點(diǎn)為t0＋t，對(duì)于t在實(shí)數(shù)域的每個(gè)取值，對(duì)應(yīng)一種樣本量化方法，神經(jīng)網(wǎng)絡(luò)在時(shí)間軸上的興奮狀況將會(huì)量化成一個(gè)向量集合。例如樣本開始時(shí)間點(diǎn)為圖中的開始時(shí)間點(diǎn)1，開始時(shí)間點(diǎn)2，開始時(shí)間點(diǎn)3對(duì)應(yīng)三種量化方法。［1－19］

（2）樣本開始時(shí)間點(diǎn)為t0＋t＋N＊L（N為整數(shù)）的各種量化方法量化得到的向量集合相同，例如樣本開始時(shí)間點(diǎn)為圖中的開始時(shí)間點(diǎn)1和開始時(shí)間點(diǎn)3的兩種量化方法量化得到的向量集合相同，向量的分布函數(shù)也相同。［1－19］

（3）如果樣本量化得到的向量增加一維時(shí)戳標(biāo)記，標(biāo)記的值可以是這個(gè)樣本的觀察點(diǎn)（參考文獻(xiàn)［10］）所對(duì)應(yīng)的時(shí)間點(diǎn)，則各種量化方法量化可得到一系列的擴(kuò)維向量集合，每兩個(gè)擴(kuò)維的向量集合內(nèi)的元素可以建立一一映射。［1－19］

（4）當(dāng)相關(guān)網(wǎng)絡(luò)范圍減小時(shí)，對(duì)于每種量化方法（t取不同的值）都可看到，在訓(xùn)練樣本數(shù)量有限的情況下，相關(guān)網(wǎng)絡(luò)范圍減小了，降低了結(jié)構(gòu)風(fēng)險(xiǎn)，有利于網(wǎng)絡(luò)正確而高效地處理信息。［1－19］

1.2 關(guān)于理論建立和應(yīng)用過程中的一些神經(jīng)網(wǎng)絡(luò)原理［1－10］：這里將以勻速直線運(yùn)動(dòng)相關(guān)理論為例介紹關(guān)于理論建立和應(yīng)用過程中的一些神經(jīng)網(wǎng)絡(luò)原理，圖3。在對(duì)大量客觀事實(shí)進(jìn)行長期觀察的過程中，大量的樣本進(jìn)入大腦，樣本中重復(fù)出現(xiàn)次數(shù)多的一些統(tǒng)計(jì)特性被神經(jīng)網(wǎng)絡(luò)保留下來，形成一張相對(duì)穩(wěn)定的神經(jīng)網(wǎng)絡(luò)，表示為網(wǎng)絡(luò)G，圖中用灰色結(jié)點(diǎn)和實(shí)線表示；樣本中重復(fù)出現(xiàn)次數(shù)少的統(tǒng)計(jì)特性，由于形成的連接強(qiáng)度不大，在遺忘機(jī)制的作用下不參與這網(wǎng)絡(luò)G的形成，圖中用虛線表示。［1－10］

圖1［1－19］

圖2［1－19］

上述過程可能在多個(gè)大腦中逐步形成，例如人們通過對(duì)運(yùn)動(dòng)事物的長期觀察，形成“速度”等概念（形成圖中I、III圈內(nèi)的相對(duì)穩(wěn)定的網(wǎng)絡(luò)），這些概念傳給另一群人后，繼續(xù)觀察客觀現(xiàn)象，形成勻速直線運(yùn)動(dòng)相關(guān)理論（形成圖中II圈內(nèi)的相對(duì)穩(wěn)定網(wǎng)絡(luò)，從而形成網(wǎng)絡(luò)G）。大腦中已建立的相對(duì)穩(wěn)定的子網(wǎng)絡(luò)和一些其他因素會(huì)影響后續(xù)觀察客觀現(xiàn)象過程中對(duì)輸入樣本的處理和樣本中統(tǒng)計(jì)特性的識(shí)別。［1－10］

在勻速直線運(yùn)動(dòng)相關(guān)理論的建立過程中，人們通過各種方式獲得樣本，根據(jù)樣本檢驗(yàn)網(wǎng)絡(luò)G的輸入輸出，并不斷調(diào)整網(wǎng)絡(luò)G，使網(wǎng)絡(luò)G的輸入輸出和樣本相符，最后網(wǎng)絡(luò)G相對(duì)穩(wěn)定下來，對(duì)應(yīng) “Pt＝P0＋V＊T”，和一些相關(guān)概念、數(shù)字、單位、計(jì)算方法等。在理論的建立過程中，一些隨機(jī)的因素，如靈感等可能在網(wǎng)絡(luò)建立過程發(fā)揮重大作用，使網(wǎng)絡(luò)在符合樣本方面有很大的改善。由于不可能學(xué)習(xí)完所有客觀世界可能出現(xiàn)的樣本，所以只有相對(duì)真理，只能在客觀實(shí)踐中不斷改進(jìn)理論。［1－10］

當(dāng)這張網(wǎng)絡(luò)在大腦中建立起來以后，在觀察運(yùn)動(dòng)物體并預(yù)測(cè)T時(shí)間后物體位置的場(chǎng)景中，這張網(wǎng)絡(luò)在“索引效應(yīng)”的作用下把輸入信息抽象為物體原始位置、速度、所經(jīng)歷的時(shí)間三個(gè)要素，這些信息進(jìn)入網(wǎng)絡(luò)G后，輸出物體T時(shí)間后的位置。在這一場(chǎng)景中活躍的神經(jīng)網(wǎng)絡(luò)是網(wǎng)絡(luò)G和圖中標(biāo)U的連接和細(xì)胞共同組成的網(wǎng)絡(luò)G’。注意在神經(jīng)細(xì)胞群活躍的順序中，并不一定網(wǎng)絡(luò)G’中所有細(xì)胞同時(shí)同強(qiáng)度活躍，而可能在各種時(shí)序控制機(jī)制或自身特性等的作用下分成幾步，如圖中分成1、2、3步，分別是I、II、III圈中的細(xì)胞群依次活躍程度最強(qiáng)。［1－10］

網(wǎng)絡(luò)G建立好以后，可以在大腦信息處理的輔助工具，如紙上記錄下來，通過信息傳播，在不同的大腦中建立這一相對(duì)穩(wěn)定的網(wǎng)絡(luò)；或者已建有這張網(wǎng)絡(luò)的大腦因遺忘機(jī)制作用，大腦中這張網(wǎng)絡(luò)不完整存在的時(shí)候，重建這張網(wǎng)絡(luò)。新建的和重建的網(wǎng)絡(luò)具體相關(guān)的細(xì)胞和連接權(quán)可能會(huì)有差異，但都對(duì)應(yīng)“Pt＝P0＋V＊T”，和一些相關(guān)概念、數(shù)字、單位、計(jì)算方法等。［1－10］

圖3 關(guān)于理論建立和應(yīng)用過程中的一些神經(jīng)網(wǎng)絡(luò)原理［1－10］

1.3 一些說明［1－20］：文獻(xiàn)［10］第四部分第二段第一句中，“形成‘速度’等概念”中的“形成‘速度’概念”是指形成速度概念中“表述物體運(yùn)動(dòng)快慢”等部分出現(xiàn)時(shí)間比較古老的內(nèi)涵，這部分內(nèi)涵在文獻(xiàn)［10］提到的勻速直線運(yùn)動(dòng)相關(guān)理論中被保留下來。［1－20］

在這里的敘述中，把“表述物體運(yùn)動(dòng)快慢”作為速度概念的一個(gè)重要屬性，這個(gè)屬性和其他一系列屬性組成的屬性集合把速度概念和其他概念區(qū)分開。［1－20］

“把‘表述物體運(yùn)動(dòng)快慢’作為速度概念的一個(gè)重要屬性”也可表述為：把“具有‘表述物體運(yùn)動(dòng)快慢’內(nèi)涵”作為速度概念的一個(gè)重要屬性。

1.4 關(guān)于智力起源［1－18］

（1）可以看到，大腦神經(jīng)網(wǎng)絡(luò)的各個(gè)生化參數(shù)（如不同O2、H＋濃度下細(xì)胞的放電頻率、細(xì)胞間連接修改程度、遺忘率等）和血液循環(huán)的時(shí)序控制作用、海馬結(jié)構(gòu)等生理機(jī)制和結(jié)構(gòu)通過文獻(xiàn)［1－17］所述運(yùn)作機(jī)制相互配合，對(duì)不同的信息處理組織起不同的子網(wǎng)絡(luò)，并保證所保存信息的穩(wěn)定性，從而能準(zhǔn)確而高效地處理信息。［1－18］

（2）在1中所述的基礎(chǔ)上發(fā)展起語言機(jī)制，進(jìn)一步可以對(duì)不同的信息處理組織起不同的子網(wǎng)絡(luò)，從而能更準(zhǔn)確而高效地處理信息，為智力的起源奠定了基礎(chǔ)。［1－18］

1.5 一些說明［1－19］

（1）神經(jīng)網(wǎng)絡(luò)中受體調(diào)整次數(shù)的總和也是網(wǎng)絡(luò)訓(xùn)練過程中網(wǎng)絡(luò)調(diào)整次數(shù)的一個(gè)上界；但在考慮信息處理系統(tǒng)行為的時(shí)候，還要考慮調(diào)整程度足夠強(qiáng)的次數(shù)的總和。［1－19］

（2）在考察生物神經(jīng)網(wǎng)絡(luò)運(yùn)作時(shí)，如果輸入輸出向量樣本對(duì)相應(yīng)網(wǎng)絡(luò)各邊的權(quán)值都沒有修改，可作為信息提取過程處理。［1－19］

（3）另外一種量化方案：對(duì)于網(wǎng)絡(luò)中的每個(gè)細(xì)胞，在時(shí)間軸上每個(gè)時(shí)間點(diǎn)都建立觀察點(diǎn)，將該時(shí)間點(diǎn)上細(xì)胞的閾值電位和膜電位考慮各種因素后換算成波動(dòng)閾值輸入。對(duì)其他每維輸入擴(kuò)展一維伴生輸入，如圖4中對(duì)細(xì)胞A輸入Input 1擴(kuò)展伴生維Input 1’，對(duì)輸入Input 2擴(kuò)展伴生Input 2’…；伴生輸入Input i’的權(quán)值和輸入Input i的權(quán)值相同，在網(wǎng)絡(luò)訓(xùn)練過程中，如果權(quán)值有修改，兩者修改值相同；Input i’的取值是，如果產(chǎn)生輸入Input i的輸入樣本對(duì)應(yīng)的時(shí)間點(diǎn)屬于細(xì)胞（圖4中是細(xì)胞B1或者B2）的絕對(duì)不應(yīng)期（或約定膜電位超過閾值電位后一定長時(shí)間內(nèi)，不包含達(dá)到閾值電位時(shí)間點(diǎn)），則Input i’取1，其他時(shí)間取0。［1－19］

圖4［1－19］

由（1）、（2），結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論可以和這種量化方案結(jié)合起來分析生物神經(jīng)網(wǎng)絡(luò)的運(yùn)作。采用這種量化方案分析大腦信息處理過程時(shí)，同樣可以得出“由于不可能學(xué)習(xí)完客觀世界所有可能出現(xiàn)的樣本，所以只能有相對(duì)真理，只能在客觀實(shí)踐中不斷改進(jìn)理論”的結(jié)論。［1－19］

［1］謝勤，王乙容.大腦處理信息的過程存儲(chǔ)與重組模型［J］.現(xiàn)代生物醫(yī)學(xué)進(jìn)展，2007，（3）：432－435，439

［2］謝勤.血液循環(huán)在大腦信息處理過程中的時(shí)序控制作用［J］.現(xiàn)代生物醫(yī)學(xué)進(jìn)展，2008，（6）：1152－1159

［3］謝勤.過程存儲(chǔ)與重組模型［Z］.www.sciam.com.cn，2006

［4］謝勤.一種關(guān)于腦電波起源和含義的觀點(diǎn)［C］.中國神經(jīng)科學(xué)學(xué)會(huì)第七次全國學(xué)術(shù)會(huì)議論文集.北京：科學(xué)出版社，2007：144

［5］謝勤.血液循環(huán)在大腦信息處理過程中的時(shí)序控制作用整理［C］.中國神經(jīng)科學(xué)學(xué)會(huì)第八次全國學(xué)術(shù)會(huì)議論文集.北京：科學(xué)出版社，2009：135

［6］謝勤.血液循環(huán)在大腦信息處理過程中的時(shí)序控制作用整理［J］.中外健康文摘，2011，8（20）：93－98

［7］謝勤.大腦處理信息的樣本量和網(wǎng)絡(luò)規(guī)模問題［J］.中外健康文摘，2011，8（21）：88－91

［8］謝勤.大腦處理信息量化模型中的另一種樣本重組方案［J］.中外健康文摘，2011，8（22）：209－210

［9］謝勤.大腦處理信息的樣本量和網(wǎng)絡(luò)規(guī)模問題［C］.中國神經(jīng)科學(xué)學(xué)會(huì)第九次全國學(xué)術(shù)會(huì)議論文集.北京：科學(xué)出版社，2011：366

［10］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編［J］.中外健康文摘，2011，8（48）：78－80

［11］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編二［J］.中外健康文摘，2012，9（4）：101－102

［12］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編三［J］.中外健康文摘，2012，9（16）：61－62

［13］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編四［J］.中外健康文摘，2012，9（23）：193－194

［14］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編五［J］.中外健康文摘，2012，9（20）：56－57

［15］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編六［J］.中外健康文摘，2012，9（29）：238－239

［16］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編七［J］.中外健康文摘，2012，9（33）：45－46

［17］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編八［J］.中外健康文摘，2012，9（39）：393－395

［18］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編九［J］.中外健康文摘，2012，9（39）：402－403

［19］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編十［J］.中外健康文摘，2012，9（39）：407－408

［20］謝勤.大腦處理信息量化模型中的細(xì)節(jié)匯編十一［J］.中外健康文摘，2012，9（50）：112－113