Category Archive for '大腦'

Posted by Little Ms. Happy Birthday 國中的時候有一篇課文<習慣說>,作者劉蓉的房間有一塊凹陷,他每天背書的時候都會踩過那塊凹地。有一天凹地被填補之後,劉蓉反而覺得地隆起了,花了一段時間才適應。這篇文章說的就是習慣對生活的影響,於是要養成良好的習慣云云。 本書的開始用一個醫學的案例解釋習慣的養成。尤金是一個得過腦炎的病人,幸運的從鬼門關撿回一條命,但不幸才剛剛開始。家人跟醫生很快發現尤金出現失憶的問題,對於六十歲以前的事尤金都記得,但是之後的事情包括生病住院等,卻完全不在記憶範圍。更嚴重的是尤金的記憶系統出了問題,他無法記得五分鐘前發生的事!所以他會一直重複一樣的對話,有時候會莫名的發脾氣,卻記不起生氣的原因。這對尤金本人來說非常困擾,但也頂多持續五分鐘;但是對他的家人來說這是場永無止境的災難。他的妻子必須亦步亦趨地跟在他身邊,特別是搬家之後,尤金每次出門散步都必須緊跟於旁。直到某日妻子發現尤金不見了,急著到處尋找,最後卻發現尤金自己散步回到家中!尤金怎麼可能記得散步的路徑呢?

Read Full Post »

(Photo Courtesy: Scott Adams) 常說人類已經從有形物質商品經濟的時代,進入了無形服務、知識為主的知識經濟時代。當然在這個時代有形商品還是很重要,但服務與知識將扮演日益重要的角色,不只在「純」知識服務的創造上,也在有形商品的加值上。好比消費一隻手機,並不單純只是硬體與原物料的加工,其上的軟體與附加價值或許也會是你決定購買的重要因素。今天 Mr. Valentine’s Day 想就知識經濟時代的最重要原物料 — 人的心智運作及其生產力,閒聊一下。

Read Full Post »

Posted by Mr. Thursday 恭喜新年好!今天要和各位介紹的,是有關我們天天都會使用的視覺。視覺是非常重要的,有視覺是非常幸福的一件事。在資訊科學裡面,如何讓電腦也可以看到圖片、看懂圖片,目前也仍舊是一個困難的問題,但也是可以有許多應用的問題。之前在MMDays上面的文章就曾經介紹過電腦視覺的相關應用,譬如說以圖找圖、超影像連結(hyper video link)、AdSense for video、CAPTCHA、以及無人車比賽等等。 有這麼多應用急待電腦視覺來解決,但是有些解答,或許可以從生物模型上面得到靈感。因此,這篇文章就把過去曾經介紹過的視覺路徑整理起來,從一開始的視網膜、到中繼站的LGN、到大腦皮質的第一站V1、以及之後兩條路徑裡面處理物體移動資訊的MT、和今天會新介紹的和辨識物體形狀有關的IT。最後,也會就目前未知的部分,提供一些假說作為參考。

Read Full Post »

Posted By Mr. Thursday 從簡單的生物到人類,無論是只有幾個神經細胞的海星,或是有數億個神經細胞的大腦的人類,神經系統都讓我們不是只有活著,而是能夠產生有智慧的行為,和這個真實的外在世界互動。也因此,神經科學的一些發現,有可能對資訊科學裡面的人工智慧的問題,作出一些貢獻。之前也寫了一些神經科學一些基本的介紹,不過本篇希望可以把這些基本的觀念,用更直觀的方式和例子,再敘述一次,讓各位讀者無論背景是研究哪一方面,當看到「神經網路」的時候,可以當下在腦中浮現一些印象,即使不是專家對於神經網路的印象,卻也能夠比一般常識範圍的印象,稍微增長一些。每年多增加一些印象和了解,日積月累下來或許還是可以有可觀的知識累積,讓自己在知識的領域裡面,也多長一歲喔! 接下來就讓我們分別了解一下神經網路是什麼 (what),以及為什麼研究神經網路(why),並且有一段比較數學角度來分析神經網路,給數理背景的讀者參考,也有一段比較人文哲學角度來分析神經網路,給人文背景的讀者參考,最後有一個總結。

Read Full Post »

Posted By Mr. Thursday 在之前有寫了一些神經科學相關的文章,有些是偏向認知心理的,有些是偏向細胞分子的,或是偏向視覺處理的。神經科學的研究,我本身的是以人工智慧作為出發點,往神經科學研究方向進行。至於為什麼要在人工智慧以外加上神經科學呢?這兩者似乎有一點距離?原來資訊工程的技術是否已經足夠了呢? 這邊我提出幾點研究的動機。首先,目前的機器學習的方式,和人類學習的方式比較起來,有個最大的不同,就是我們人類可能從上課或是閱讀當中自我學習,或是由外在環境給予的經驗來學習。機器同樣也是接收外界的刺激,調整自己的反應來學習,然而機器學習過程當中,有時候會需要滿多人類的介入,譬如說調整參數、調整模型或演算法等等。如果用類比的方式來說,目前機器學習的方式如果用到人上面,就像是把人的腦蓋打開,調整裡面的神經連結,關起來以後再讓人腦跑跑看有沒有學習到。其實這種方式學習也沒有什麼不好,因為機器的目標,其實是服務人類,學習的東西有學到,怎樣子學習到就不那麼重要了。 那麼機器目前學習的情況如何呢?其實目前的電腦和機器算是滿先進的,加上運算速度快,純粹數字計算的能力就比人類心算能力還快,許多應用服務也讓人類生活改善不少。然而有些比較難處理的問題,像是需要人類智能才能完成的問題,譬如說翻譯、圖形辨識、影像辨識、語音辨識、語意了解等等,這些都算是人工智慧 (Artifitial Intelligence 人工智能) 所需要解決的問題,這些問題的解決,沒有隨著硬體速度的增加而解決,因此軟體上面的進步,就是關鍵了!目前對於這些難以解決的方式,有兩種解法:(1) 運用大量的訓練資料,譬如說Google翻譯,使用大量的訓練資料,或是PDA的手寫辨識,大量的訓練資料都讓正確率大大提升。(2) 運用人工運算 (Human Computing) 結合Web2.0的方式,提供人性化的介面,讓每個人在趣味中貢獻微小的人類智力,解決一些大量資料也無法解決的東西,譬如說reCAPTCHA、語意辨識、圖形的ROI (region of interest) 等等。

Read Full Post »

Posted by Mr. Thursday 之前曾經介紹過〈海扁學習與神經網路的同步化〉,今天則是要和各位介紹和長期記憶相關的一個腦部結構,叫做「海馬迴」。「海馬迴」英文稱為 hippocampus,是從希臘文字根 hippos (馬) + kampos (海怪)而來的。 圖1 海馬迴在人腦裡面的位置  海馬迴重要在哪裡呢?主要是因為海馬迴和我們形成長期記憶的過程有關。怎樣子曉得和長期記憶有關呢?最重要的是因為在1953年,有一為病人,名字縮寫為H.M. (Henry M.) ,因為一直為癲癇 (epilepsy) 所苦,因此醫生決定為他開刀,把癲癇的來源,也就是腦部顳葉 (temporal lobe) 的地方,摘除掉。這個部分剛好也就是海馬迴的地方,因此他的左右的海馬迴、以及杏仁核 (amygdala, 負責情緒功能的區域),也被摘除掉了。 手術之後,病人H.M.好像恢復正常,不再癲癇。但是,他開始產生嚴重的失憶症,手術往前一部分時間的記憶消失,手術後無法形成新的長期記憶。人沒有長期記憶的功能,是非常不容易生活下去的!醫師發現這個情況以後,也就在沒有其他醫生會使用這種切除海馬迴的方式來治療癲癇了。對於科學研究來說,我們則是順便從這個病例,了解到海馬迴具有形成長期記憶的功能,詳細迴路可能還不知道,但是至少知道如果整個海馬迴摘掉,就無法形成長期記憶,因此非常重要! 下面是另外一張海馬迴的立體位置圖:(尋找hippocampus的地方) 圖2 海馬迴位置圖

Read Full Post »

Posted By Mr. Thursday MIT News前陣子有一篇報導,敘述有一些和認知語言有關的研究。他們主要是研究南美洲一些原住民部落的語言,主要是巴西的西北部一個叫做Piraha的部落。在那邊除了研究語言之外,也研究該部落的語言,對於數字的概念是如何?他們發現到一個有趣的現象,就是在Piraha這個部落的語言裡面,對於數字的觀念非常模糊,幾乎沒有精確的數字描述。譬如說研究者請他們從1數到10,或是從10數到1,結果用他們的語言,1和2兩個字都有,但是數到3以上,都是同一個單字。也就是說,他們對於數字的觀念,只有「1」、「2」、和「很多」這三種區別。(圖: Edward Gibson教授) 就我們的工作記憶(working memory) 來講,的確也是有類似的現象,譬如說我們印象深刻的數字,第一個大概是「3」,大於「3」的數字,我們比較不容易捕捉其概念。舉個例子來說,中文字的1是「一」,2是「二」,3是「三」,但是4呢?就不是四條橫線了!又另外一個數字比較印象深刻的,大概是7。不是因為7乘以4等於28天,也不是一個禮拜剛好七天,而是因為工作記憶的容量,通常就在7到8位數字左右,觀察一下我們的電話號碼,你說手機有10位數字,但是開頭兩位可能都是固定的,所以其實只要記住8位數字就好,室內電話最多也是8位數,第一位數有時候也是固定的。如果要再科學一點,我們也可以用實驗的方式,來證實工作記憶的儲存容量,對一般人來說就是7到8位數。譬如說亂數唸出一堆數字,然後請受試者寫下記得的數字,一般人大概最多回憶到7組數字 (如果兩個數字一組,7組數字就是14個數字,也就是7個二位數的數字)。 而這則新聞和認知科學上面對工作記憶的發現,也讓我產生了一個大膽的假設,或許有興趣的話,可以實驗來證明一下。我的假設是說:人類數字功能,是一種類似「繞道」而行的方式產生,也就是說數字功能可能不是天生的,但是後天可以勤能補拙,產生數字的功能。為什麼會這樣子假設呢?

Read Full Post »

頁次 1 of 41234