Mr./Ms. Days (MMDays) - 網路, 資訊, 觀察, 生活

Posted By Mr. Thursday
免疫系統對我們實在是非常重要。之前介紹過的病毒，或是生活環境中都有許多細菌，甚至身體裡面也會自己長出癌細胞，但是因為有了免疫系統，我們可以在一定程度下保持自己的健康，除此之外，我們得過一種疾病之後，還會記住這個疾病，第二次的免疫反應會更大更迅速，讓我們有「免疫」的表現。或者透過疫苗的方式，我們也不需要得過一次病，就可以「免疫」了！然而我們的免疫系統，是如何運轉的呢？除了白血球 (可以細分為4種今天不談) 提供身體一般非特定性的免疫功能，對每一種疾病特定的免疫反應，則是透過身體裡面的兩種淋巴細胞來反應，分別是B細胞和T細胞。為什麼叫做B細胞和T細胞呢？是因為他們喜歡用 BT 下載影片嗎？No No No! B細胞是因為他是在骨髓 (bone marrow) 裡面成熟，所以稱為B細胞， T細胞是因為他是在胸腺 (thymus) 成熟，所以稱為T細胞。

圖1 淋巴細胞(lymphocyte)與樹狀白血球細胞(dendritic cell)
B細胞和T細胞如何在身體裡面清除病原，讓身體保持健康呢？這邊有另外兩個主角，就是抗原和抗體 (antigen and antibody)。抗原是病菌或病毒上面某個可以被辨認的蛋白質片段，而抗體就是免疫細胞上面，可以專門來辨認和結合抗原的部分，抗原和抗體，就有如鑰匙和鎖的關係，而且具有特定性，一個抗體就只辨認一種抗原。B細胞和T細胞的差別，可以從他們細胞膜上面的抗體來分別。

圖2 抗原 (antigen) 與 抗體 (antibody)
每個T細胞或B細胞上面有許多抗體 (antibody)，就像上面那張圖裡面紫色的部分一樣，每個細胞有很多個抗體，但是同一個細胞表面的抗體會全部都一樣，也就是說抗體有很多種，但是一個B細胞或T細胞上面，只有一種抗體分布在上面。而一個抗原(antigen)則會有許多小部分 (epitopes) 可以讓某一個特定的抗體所辨認，所以一個抗原，有時候會需要三個抗體才能完全被辨認和結合。
抗體結合到抗原上面，就表現出免疫的作用了，譬如說病毒如果被抗體辨認，然後結合起來，病毒原來可以侵入細胞的區域，可能就被抗體給佔據，因此病毒就無法再入侵健康的細胞了。對於已經被感染的細胞，或是外來的病菌，抗體則是有另外一種作用，簡單地說，是一種把抗原標示起來的作用，讓免疫系統其他組成份子可以確定摧毀的目標。整個故事怎麼走呢？下面就來慢慢解釋。
熱門程度: 10%

熱門程度: 10%

Read Full Post »

Posted By Mr. Thursday
下面的FLASH是由 Arthur Shapiro 所製作的視覺錯覺。原本固定形狀的花朵，加上邊緣的線條，就會開始規律地扭轉，好像在呼吸一樣呢！

FLASH1 呼吸的花
Arthur Shapiro會在他的blog每天製作一個視覺的錯覺 (Visual Illusion)。也許會納悶，怎麼人的視覺系統會產生錯覺呢？這樣子不就不大好？其實我們也可以說，因為人類視覺系統如此特別，所以可以輕鬆地辨識物體，尤其在切割兩個重疊的影像的時候，我們可以很輕鬆地把同一盤菜裡面的菜和湯分開來，如果要用電腦來處理，目前仍然無法很容易地進行。
其中部分原因，是因為我們的視覺系統是用對比的訊號 (contrast)，而不是像電腦的編碼，儲存的時候是用點陣圖的方式儲存，對比的資訊需要另外計算。電腦似乎就是用「絕對」的方式來處理視覺資訊，而人腦就是用一種「相對」的方式來處理視覺資訊，因此對電腦來說不容易的視覺工作，人腦是非常容易辦到，不過也因此會有副產品的產生，就是視覺上的錯覺了。之前曾經介紹的Ebbinghaus Illusion，就是可以說明我們使用相對資訊來處理視覺，因而產生錯覺的例子，您看！中間兩個圓圈是一樣大的，但是因為週遭圓圈大小不同，我們相對的視覺系統，就產生大小不同的錯覺了。

圖1 ebbinghaus illusion
除了「相對」的處理方式是人腦和電腦有所不同的地方，「平行計算」是另一個可以比較的地方。不過無論是電腦或是人腦，都會有平行計算，因此今天想探討的是另外一個問題，請各位先觀察一下下面這張圖片：

圖2 人腦XOR
這個圖片是由 Mark Changizi 所製作的，主要的想法是希望能夠利用人腦平行計算的能力，來解決一些邏輯上的運算。譬如說上面這張圖，是希望在圖的最上方可以放0或1，0的盒子會遠離觀賞者，1的盒子看起來會朝向觀賞者。接著觀賞著沿著這張設計好的圖，運用人腦的平行計算能力，看到圖片最下方的地方，如果感覺是朝向觀賞者，就說是1，如果最下面看起來是遠離觀賞者，就說是0。而這張圖的設計，可以讓觀賞者自然地從上面看到下面的時候，做了一個XOR (exclusive OR) 的運算。
不過我想探討的問題就是：平行計算應該是發生在運算初期的部分，無論是人腦還是電腦的平行計算。
熱門程度: 13%

熱門程度: 13%

Read Full Post »

Posted By Mr. Thursday
電腦有電腦病毒，在生物體也有病毒。病毒和寄生蟲有類似的地方，就是他們都無法自行完成繁殖後代的過程，必須要找到宿主，才能產生下一代。病毒簡單地說，就是由 DNA 或 RNA組成一個病毒的中心，外面在包上幾層醣蛋白 (glycoprotein) ，就是一個病毒了，因為只有 DNA 或 RNA ，所以病毒容易突變，所以感冒疫苗比較少見，因為突變速度太快了。然而也因為病毒只有 DNA 或 RNA，因此他沒有一般生物體細胞裡面維持生命所需的胞器，像是之前介紹過的粒線體來提供能量，以及各式各樣的酵素來維持各種循環，以及最重要的，複製自己產生下一代。
因此，病毒組成非常簡單，就是DNA、RNA，外面包一層蛋白質就是了。

圖1 SARS病毒
現在剩下的問題，大概就是：DNA、RNA是什麼東西呢？之前DNA到蛋白質的過程這篇文章裡面，有簡單地介紹一下DNA、RNA、以及蛋白質之間的關係。在這邊我也簡短地複習一下，讓各位可以知道DNA，進一步知道病毒是什麼東西了！
當我們要學習一件新東西的時候，有個方法是讓新東西和過去學過的東西產生連結，譬如說視覺上，可以把以前學過可以辨識的特徵拿出來，變成現在新東西的面貌。譬如說我們可以把新東西切割，分析是由哪些我們已經知道的東西組成的。假如今天您從來沒聽過DNA、RNA，字面上我說DNA是deoxynucleic acid的縮寫，中文稱為去氧核糖核酸，可能你還是不知道這些字的意義。因此，先讓各位視覺上有個印象，分別看一下DNA和RNA的圖片：
熱門程度: 24%

熱門程度: 24%

Read Full Post »

Posted By Mr. Thursday
石油價格和食品價格不斷上升，能源危機，無論是機器要用的石油、還是生物要用的食物，都慢慢顯現出來，除此之外，二氧化碳產生的溫室效應，也開始在氣候上面表現出來。面對這些危機，我們人類也開始有相對應的措施。太陽能發電，就是一種替代能源的方式，然而在研究太陽能發電之前，我們不妨也來看看，現在已經存在的太陽能發電，在生物上的模型，也就是植物的「葉綠體」了！葉綠體 (chloroplast) 是植物裡面負責將陽光，轉換成食物的地方。您看！自然界多麼巧妙！二氧化碳太多嗎？植物光合作用正需要它！能源危機嗎？植物的光合作用正是要產生糖類，之後無論是要當成食物、還是生質柴油 (diesel fuel)，都可以！唯一需要的，就是陽光、二氧化碳、和水，產出除了食物、水、還有呼吸需要的氧氣呢！這實在是太美好啦！就讓我們先來看看，葉綠體裡面是什麼樣子的作用，可以成為這麼好的太陽能發電廠呢？

圖1 光合作用流程圖
上面這張圖可以看到，光合作用需要二氧化碳 (CO2) 和 水(H2O)，下面則是有氧氣 (O2) 和 蔗糖 (sucrose) 。當然啦，還有最重要的太陽光在左上角。光合作用整個分成兩大部分，左手邊負責把太陽光的能量，轉換成電子的動能，用來產生細胞的能量貨幣 ATP ，右手邊則是把產生出來的 ATP 用來驅動右手邊的加爾文循環 (Calvin Cycle) ，產生蔗糖。如果讀者不大了解 ATP 是什麼，可以把ATP想像成細胞裡面傳遞能量的一種物質，就好像我們平常買賣會用錢幣或紙鈔一樣，ATP 就是一種細胞交易能量的貨幣。
 
圖2 葉綠體
接著，讓我們看看葉綠體的結構，葉綠體如上圖所示，裡面有許多綠色圓柱，是由一片一片類囊體 (thylakoid) 疊起來的。類囊體 (thylakoid) 和粒線體一樣，有內外兩層細胞膜。在粒線體: 細胞的發電機裡面我們曾經介紹動物把吃進去的食物，怎樣子透過粒線體，轉換成細胞交換能量的貨幣單位ATP，其中粒線體也是一個具有內外兩層細胞膜的胞器。
下面這張圖則是顯示葉綠體，在葉子裡面的哪個地方。左上角是葉子，右下角就是葉綠體。
熱門程度: 39%

熱門程度: 39%

Read Full Post »

Posted By Mr. Thursday
由匹茲堡大學 (University of Pittsburgh) 和卡內基美隆大學 (Carnegie Mellon University) 的研究團隊所做的研究，把電極插到猴子的頭腦裡面，接著用電腦分析讀取電極傳出來的大腦訊號，轉換成機械手臂移動的指令，猴子便能夠用「想」的，移動機械手臂來自行拿取食物來吃。讓我們先看一下 DEMO 的影片。

這個研究如果將來技術成熟之後，可以應用在一些癱瘓病人身上。他們大腦裡面負責運動的區域可能還是好的，但是運動的肢體像是手臂等等，可能已經無法使用，這個時候就可以用機械手臂來取代，並且透過電及和電腦分析，讓使用者可以用意念，來指揮機械手臂。
目前比較困難的是，研究人員發現插進大腦的電極 (electrode) 在幾個月之後就會無法使用，因此這部分還有待突破。然而大腦運動區域訊號的分析，則是已經有顯著進展，只要先有一小段訓練時間，電腦就可以慢慢了解猴子移動手臂往上、往下、往前、往後、往左、往右、開始、停等訊號。
此外，我個人的觀察是，首先，因為運動神經在腦幹 (brain stem) 的區域會左右交換，因此影片中猴子右手一邊在動，但是我猜他們放置電極的地方可能是左腦的運動區。其次，運動訊號主要就是從大腦的主要運動皮質 (primary motor cortex) 區域裡面，負責手臂運動的地方的訊號來分析。不過不知道如果加上小腦 (cerebellum) 的訊號，會不會讓效果更好？因為小腦主要就是對運動進行微調，負責無意識的運動調節學習 (adapt)。
大腦的運動區域對身體的分佈，可以參考大腦一日遊裡面的這一張圖的說明：

左邊是主要感覺區的分佈，右邊是主要運動區 (primary motor cortex) 的分佈，臉部無論是感覺或是運動，都佔了很大的比例，代表對臉部的感覺和運動很細膩，需要比較大的區域來處理或產生訊號。另外，皮質區 (cortex) 是有意識的資訊的處理，訊號離開大腦後，會延著腦幹，往脊隨 (spinal cord) 的方向傳遞，中間會經過小腦，也會隨著訊息的目的地在不同的地方左右互換，這部分滿複雜，可能要重新複習一下課本才會記得，有興趣的讀者在繼續深究這一部分吧！
熱門程度: 42%

熱門程度: 42%

Read Full Post »

Posted By Mr. Thursday
在本體論: 讓舉一反三變得可能裡面提到了機器在規則上面的學習，本體論 (ontology)是一件重要的事情，因為有了ontology，機器可以舉一反三，一件事情學習一次，可以以此類推到其他相同性質的事情上面，就如同我們第一堂數學課，學過了一顆蘋果加上一顆蘋果等於兩顆蘋果，考試的時候問一顆橘子加上一顆橘子等於幾顆橘子，我們知道是兩顆橘子，因為我們學到的是一個抽象後的規則： 1 + 1 = 2 ，不會因為蘋果換成橘子，就無法變通。
早期的人工智慧系統，是從邏輯出發，把外在的世界，轉換成一句一句的邏輯規則。或許我們會想問，為甚麼要用邏輯來表示外在世界呢？我們的大腦是用邏輯來處理事情嗎？首先，邏輯 (logic) 可以保證 sound and complete。甚麼又是 sound and complete呢？或許西方的法院裡面，證人作證之前，會先發誓說：I will tell the truth, the whole truth, nothing but the truth. (我會說實話，全部的真話，除了真話以外的都不說。) 因此 complete (完備) 就像是裡面所說的，「全部」的真話，不是部份的真話。sound (可靠) 就像是證人說的，「真話以外」都不說。因此我們如果使用邏輯內在表示法，來表示外在的真實世界，我們進行推理的時候，就不會推理出不會發生的事情。然而真實世界非常複雜，一滴雨滴從天上掉下來，中間溫度的變化，空氣摩擦力，地心引力，旁邊的雨滴，有許多的因素 (factor) 可以影響最後雨滴的位置。我們如果要用邏輯推理，前提的部分可能就要考慮所有可能的因素，才能保證我們用邏輯寫下來的規則，是真實的。
近代人工智慧系統，則是用機率表示法，加上統計對觀察資料的處理，來表示外在的世界。機率不會保證一個規則的sound and complete，但是會給這個規則一個機率值。如果機率值是0.7，代表說如果用了這個規則，100次裡面會有70次正確。或是說，如果有100次機會，70次用這個規則，會有最好的結果。再舉一個例子來說，今天我的手對著一把刀片揮下去，會被砍出一個傷口。我們就學一個規則：比手硬的東西，揮下去會受傷。但是一片硬的牆壁，手揮下去卻又沒有傷口，我們只好修改一下邏輯規則：比手硬，又尖尖的東西，揮下去會受傷。可是一堆沙堆出來一個刀片形狀，手揮下去，是沙堆破掉手沒有事情。因此對於邏輯系統來說，總是會一直出現「例外」，前提必須要不斷修改，才能保證整個規則的真實性。機率表示法來說，就是把例外當成可能發生的事情，「比手硬的東西，揮下去會受傷」的機率是0.8等等，剩下0.2的機率就是那些例外。不過機率也不全然是隨便給定，沒有真實的參考價值，也是要滿足一些基本條件，像是所有事件的機率加起來等於1等限制，因此可以證明如果照著算出來的機率值來行動，可以得到最好的期望值。
但是，除了邏輯和機率這兩種內在表示法，是否就沒有其他表示法，可以保證推理結果的真實性，又能夠處理真實世界複雜的各種因果關係，讓我們繼續活下去呢？或是說，怎樣子讓電腦計算機，可以像人類一樣，舉一反三，能夠化整為零，察覺到最細微的關鍵變化，又能夠「見樹又見林」，知道各個部分之間的關聯性，對整個全局 (big picture) 能夠有所了解呢？在這邊我想提出一個想法，就是「化整為零」。
熱門程度: 28%

熱門程度: 28%

Read Full Post »

Posted By Mr. Thursday
我們的大腦複雜無比，裡面的神經網路錯綜複雜，也因此讓我們能夠表現智慧的行為。現今一些人工智慧 (AI: Artificial Intelligence) 的問題，或許可以透過參考人腦的神經網路，來設計一個可以處理視覺、聽覺、文字等資訊的人工智慧系統。除此之外，如果還能夠像人類一樣，能夠自我調整、自我學習，儘量減少人類對系統直接的調整，是最好的了。然而人腦的神經網路，又是如何自我學習、自我調整呢？今天就先和各位分享神經網路調整的兩種方法：海扁學習和STDP，並且另外介紹神經網路同步化 (synchronized)和同多步 (polychrnous)的模型，進一步探討可能的神經網路模式，或許對人工智慧自我學習的方法上，也能提供一些參考！
Hebbian Learning
Donald O. Hebb (1904 - 1985) 是一位神經心理學家 (圖1 Donald O. Hebb)，他對神經網路最重要的一個貢獻，就是 Hebbian Learning ，在這邊我就暫且先翻譯成 海扁學習法。甚麼是海扁學習法呢？海扁學習是在學習甚麼東西呢？首先，讓我們先回憶一下，我們的大腦裡面，是由許許多多的神經元 (neuron) 所組成，神經元和神經元之間，有著連結，叫做神經鍵結 (synapse)。神經元和神經鍵結整個形成一個網路，可以讓神經訊號到處傳遞，就稱為一個神經網路 (neural network)。
我們外在的行為，就是因為神經網路接受了刺激，處理之後產生了反應。然而從刺激到反應之間訊號如何被處理、被轉換，讓我們的行為表現出有智慧的樣子呢？這就牽涉到神經元之間的連結了，因為某些神經元之間連結弱一點，某些神經元之間的連結強一點，我們就可以針對不同的刺激，產生不同的反應，進而表現出智慧的行為。如果我們再縮小範圍來看整個網路裡面的某兩個神經元，接著我們就要問，這兩個神經元之間的連結強度，要怎樣子變強變弱呢？Hebb就針對這個部分提出他的假設，後來也經由許多實驗資料證實，成為海扁學習法了。
熱門程度: 33%

熱門程度: 33%

Read Full Post »

Posted By Mr. Thursday
各位經過理髮店的時候，或許都會注意到理髮店有一個捲軸，捲軸不停旋轉，但是看起來會像是有一圈圈的條紋往上移動。今天要和各位介紹的是另外一個類似的錯覺，叫做「孔徑問題」 (Aperture Problem)。

圖1 理髮店捲軸錯覺
何謂孔徑問題呢？我們可以先看看下面這個動畫：

圖2 孔徑問題 (Aperture Problem)
我們可以看到，中間有一個圓圈，我們透過這個圓圈，會看到有斜線，沿者「右下」的方向移動。然而如果要造成這種視覺效果，卻有三種可能。第一種可能是一個「橫向」的紙條，往「正右方」拉動，但是紙條上面有「斜線條紋」，因此透過孔徑來看的時候，會有錯覺。第二種可能是一個「直向」的紙條，往「正下方」移動，但是因為紙條上面有「斜線條紋」，因此透過孔徑來看的時候，還是感覺往右下方移動。第三種可能是一張紙條，上面有著「直線條紋」，但是往「右下方」移動，因此透過孔徑觀看的時候，會和前面兩個看到的移動方向一樣。
因此雖然三張紙條「移動方向」不同，甚至紙條上面「條紋的方向」也不盡相同，但是透過孔徑來觀察的時候，卻都會有條紋移動方向相同的錯覺。這就是「區域 (local)」 和「 全域 (global)」 視覺處理的差別。我們的視覺系統區域上 (locally) 可以有孔徑問題的錯覺，但是當我們觀察的範圍是全域 (globally)的時候，卻又分析的出來三張紙條不同的移動方向。我們的視覺系統怎樣子達成這樣子的功能呢？

熱門程度: 41%

熱門程度: 41%

Read Full Post »

Posted By Mr. Thursday
不知道各位是否看過第一次使用留聲機把聲音錄下來的影片呢？留聲機的發明讓我們可以用聲音的形式保存歷史，但也同時開啟了內容複製的時代。不過最近一項新的發明，是讓我們不用開口、不用出聲，就可以講話的一項發明，是由Michael Callahan (co-funder of Ambient Corporation) 所發明。這項裝置名稱為 Audeo，在人的脖子上面裝一條線圈，接收由喉嚨聲帶附近的神經細胞發出的訊號，透過無線傳輸傳回電腦，電腦分析出使用者想要講的字以後，再用語音合成的方式放送出來。讓我們趕快來看實際DEMO的影片吧！
 
目前這個裝置只能辨識150個單字，之後還會再繼續改善。這個發明對一般使用者來說，可以讓他們在公共場合講電話的時候，可以保密地傳送要講的話到電話的另外一端，譬如說密碼等資訊。對於病人來說，可以在運動神經有損傷的病人像是ALS病人，讓他們恢復基本說話發聲的功能，至少可以在生活功能上有基本的溝通，像是回答YES/NO等等。此外在這個裝置之前，也有人發明無聲控制輪椅行動，也是類似的想法，各位不妨看看下面的DEMO。
熱門程度: 27%

熱門程度: 27%

Read Full Post »

Posted By Mr. Thursday
學習非常地重要，學習讓我們可以從不會一件事情、不知道一件事情，變成學會一件事情、知道一件事情。如果我們從小是講中文，但是經過幾堂課的學習，我們可以學會英文；再經過幾堂課學習，我們可能學會日文；再經過幾堂課學習，我們可以學會更多語言。其他領域的知識，我們只要肯學習，都可以慢慢學會，即使有所謂的學習的黃金年齡，但是活到老學到老，就算是學的慢，也是比完全沒有學習來得好！今天要和各位分享的主題，就是學習的三個重要元素：習慣學習、敏感化學習、以及制約學習。
 
 首先我們先來定義一下學習這個問題。學習可能有很多種定義，不過在這邊為了說明方便起見，我把學習定義成「刺激–反應」配對的問題，也就是說，圖裡面中間打問號的長方形，就是代表一個具有學習功能的人、動物、或是機器。這個有學習功能的物體，會在接收到某些「刺激」的時候，產生一些「反應」。隨著時間變化，中間這個物體，還可以把新的「刺激」對應到新的「反應」，譬如說看到英文字(刺激)，可以唸出來並且了解字的意思(反應)。這種隨著時間來改變「刺激–反應」對應的能力，我就稱之為「學習」的能力！
熱門程度: 27%

熱門程度: 27%

Read Full Post »