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

Posted By Mr. Thursday
在〈靈魂的紗窗：走訪人類的視網膜〉裡面我們提到了人類的視網膜，在〈視覺交響曲第二樂章: LGN〉裡面我們提到了視覺路經的中間站LGN(Lateral Geniculate Nucleus)。讓我們先稍微回想一下之前提到的內容吧！首先提到了視網膜，總共可以分為10層，如果大略分層的話可以分成三大部分：感光細胞、中間橫向整合層、以及神經結和離開眼球的視神經。我們提到了感光細胞其最後才碰到光，因為整個視網膜的分層是從靠近頭腦裡面數出來的，最裡面是感光細胞，最先碰到光的反而是神經結(ganglion cell)細胞。感光細胞又分為兩種：桿狀細胞和錐狀細胞(rod cell and cone cell)，桿狀細胞不分辨顏色，負責夜間視覺，處理「大約」的形狀，錐狀細胞分辨顏色，可依照顏色再分為不同種類的錐狀細胞，負責比較「細緻」的視覺訊號，處理日間視覺。視神經離開眼球的地方會產生盲點。中間層則是整合不同地方的感光細胞的訊號，在視網膜就先做了一些訊號的前置處理(preprocessing)。
視神經離開了眼球之後，會先在Optic Chiasm交錯，讓左右眼的左視野訊號都到右腦，左右眼的右視野訊號都到左腦。接著會分別經過左右腦的LGN。LGN在Thalamus(丘腦)的後端，可以分為六層，分別接受1個M channel和2個P channel，所謂M channel就是從視網膜的M神經結傳過來的訊號，比較屬於移動和大概的訊號，P channel就是從視網膜裡面P神經結傳過來的訊號，處理比較小和細緻的訊號。
下面這張圖包含了整個視覺路徑的過程，一張是俯視圖，另外一張是側視圖。

  
熱門程度: 14%

熱門程度: 14%

Read Full Post »

Posted By Mr. Thursday
我們要在網路上找東西的時候，常常會到搜尋引擎裡面，打關鍵字來找文章。然而今天要提到的搜尋演算法，卻和搜尋引擎的「搜尋」兩個字的意思有些不一樣。所謂搜尋演算法，就是一種演算法(之前提到演算法可以看成是一堆步驟，有先後順序，有重覆執行的步驟，有依照條件不同而部分執行的步驟)，這個演算法可以幫忙我們解決一個問題，就是在茫茫大海中找到一根針。
舉例來說，今天可能遇到一個問題，是要找出1到100之間的質數。所謂的質數(prime number)，就是除了1和他本身可以整除以外，其他小於他的數字都沒辦法整除他，舉例來說：7是質數，因為除了1和7，其他數字像是2,3,4,5,6都沒辦法整除7，所以7是質數。也許你會感到奇怪，我們沒事尋找質數要做甚麼呢？其實質數扮演滿多重要的角色，尤其在之前Mr. Friday在〈ClickClickClick的中忍考試 : 民族主義與網路安全?〉提到資訊安全的問題，一些非對稱式的加密演算法，就是建立在質數的基礎上面，因為質數不好分解，所以兩個乘在一起的質數要分解開來，需要花費很多時間，當花費的時間夠久，加密得到的保障也越大，也就達到加密的效果(譬如說某個密件10年後才能公開，這個演算法能夠讓駭客10年內無法解開就算有效)。因此，找到大質數也是件很重要的事情。
熱門程度: 12%

熱門程度: 12%

Read Full Post »

Posted By Mr. Thursday
在〈靈魂的紗窗：走訪人類的視網膜〉裡，我們提到了人類的視網膜構造，總共可以分為10層，從光的感受體，到中間的中介神經元，到最後的神經結和穿越眼球出去的視神經。這10層的構造，等於是先把感受到的光作一些前置處理(preprocessing)，譬如說錐狀細胞和桿狀細胞對顏色的區別能力就不同，才能夠在不同的感光環境中的適應。然而這些都只是前置作業，當視神經從視網膜離開眼球之後，到了哪邊，又是怎樣子轉換了訊號呢？且看這一篇的分享，只需要5到10分鐘的白話文閱讀，你對人類視覺的架構，又可以有新的認識與發現囉！
首先，要從上回的視網膜說起。人類有左右兩眼，每個眼球的視網膜可以大約分成兩個視區，也就是左視野和右視野。左視野和右視野接受到的光線，會沿著不同條的視神經離開眼球。最大的轉變，第一個是在Optic Chiasm的地方發生，各位可以看下圖，橘色的部分代表每一個眼球接收右視野的地方，藍色的部分代表每一顆眼球接收左視野的地方。我們沿著線條往下走，會發現在Optic Chiasm的地方，有了交錯。哪些東西交錯呢？是右眼的右視野從右邊交錯到左邊，左眼的左視野交錯到右邊。

為甚麼會有這種交錯呢？原因可能是因為原本每顆眼球，都有左視野和右視野的訊號。經過了Optic Chiasm這個地方，右視野(不管是左眼來的訊號還是右眼來的訊號)都會交給大腦的左半球來處理，左視野(不管是左眼來的還是右眼來的訊號)都會交給大腦的右半球來處理。這也就是為甚麼有些裂腦(split brain)的病人 ，在進行左右視野的實驗的時候，會有些奇特的情形，像是出現在左視野的字，看得到也寫的出這個字來，嘴巴卻說不出來這個字等等(因為Broca’s area負責講話功能，但是只出現在左大腦)。各位要注意一下，交錯之後，右視野到左大腦，左視野到右大腦喔！
熱門程度: 12%

熱門程度: 12%

Read Full Post »

第一個問題是工作的完整性 (atomic) 和同步性 (synchronization) 的問題。譬如說餐廳的訂位系統，訂位的步驟有兩步：(1) 查詢現在剩下的位子 (2) 如果有位子的話，就把位子訂下來，否則回覆沒有位子。這個演算法非常簡單，只有兩個步驟。如果今天我們想把這個系統用平行計算來處理，達到節省時間的效果，會發生甚麼事情呢？

熱門程度: 5%

Read Full Post »

Posted By Mr. Thursday
Mr. Saturday在無人車橫越沙漠!–初探Computer Vision(電腦視覺)文章當中提到了美國國防部舉辦的無人車比賽，其中電腦視覺是不可或缺的一部分。對於計算神經學來說，在研究電腦視覺之前，會先參考生物結構，再應用於電腦和機器學習上面。本篇文章就是要帶大家走訪一下人類的視網膜，如果有學過這方面的讀者，可以當成是複習！如果之前都沒有接觸這部分，相信看文本篇文章以後，您可以更詳細地認識的人類視網膜！本篇文章保證有白話文喔！
視網膜如同相機的底片，英文稱為retina，可以細分為下面幾層，如下圖：

熱門程度: 9%

熱門程度: 9%

Read Full Post »

Posted By Mr. Thursday

在2005年11月初，史丹佛大學神經科學系邀請達賴喇嘛(Dalai Lama)參與一場神經科學的座談會。這場座談會主要是想探討大腦(brain)和心靈(mind)的關聯，並且希望透過神經科學和佛教兩個領域的對話，讓科學和人文能夠彼此交流，激盪出這個難題的解答。
點擊此處收聽第一場：渴望
點擊此處收聽第二場：受苦 
這場座談會主要環繞在兩個主題：渴望與受苦(Craving and Suffering)，由這兩個主題作為腦與心靈這個問題的切入點(Brain and Mind)。第一場由史丹佛的神經科學系系主任William Mobley作開場白，首先提到佛教主張經由默想(meditation)的方式，來追求問題的解答，而神經科學則是主張用實驗方法和各種科學儀器，從數據中得到問題的解答。然而兩者有一個共同的交集：兩者都接受經驗主義(Empirical Method)，也就是說，後天的經驗感受，可以改變之前的假設，譬如說我們一開始可能接受身體和靈魂、大腦和心靈，是兩個不同的東西。但是經由後天的經驗(默想後的啟發、辯論後的結論、實驗後的結果)，我們願意更改先前的假設，接受新的解答。
熱門程度: 16%

熱門程度: 16%

Read Full Post »

Posted By Mr. Thursday
Stroop Effect和蝴蝶效應有沒有關係呢？答案是沒有！Stroop Effect是在1935年的時候，由一位實驗心理學家John Ridley Stroop所提出的。這個效應是說，當我們看到代表某個顏色的字，譬如說：RED，我們當然會唸RED。但是當看到的字填上了和字代表的顏色相異的顏色，我們反應的速度就會變慢，譬如說：RED，我們會先想唸出RED，再來才想唸BLUE。Stroop將實驗進一步分成兩種：(1) 唸出字意義上代表的顏色。(2)唸出字看起來的顏色。當我們要唸出上了不同的顏色的字，就會發生幾毫秒的延遲，我們就稱之為Stroop Effect了！

熱門程度: 12%

熱門程度: 12%

Read Full Post »

想像一下，我剛才說了一句話，那句話是：「想像一下，我剛才說了一句話，那句話是：「想像一下，我剛才說了一句話，那句話是：……….」」，如此下去，就好像站在兩面平行擺設的鏡子中間，鏡子中的影像不斷的重複。再舉個例子，寫完一封信想要匿名保密，就署名「知名不具」。回信的人寫：「知知名不具 具」。之後再回信的時候就變成：知知知名不具具具，加上括號可能比較清楚：(知(知(知名不具)具)具)。

熱門程度: 13%

Read Full Post »

Posted By Mr. Thursday

各位看到上面這張圖，想請各位比較一下中間的圓圈，左邊的是否看起來比較小？右邊的是否看起來比較大呢？答案是：兩個圓圈大小是一樣的，可以自行拿尺來量量看哦！這個錯覺英文名稱叫做Ebbinghaus Illusion，描述人類在判斷物體的大小的時候，會受到週遭物體大小的影響。然而我們如果要拿起某個大小的物體，我們的手指距離會迅速地調整到自動大小，如果是機械手臂，還要有好的機器學習演算法才辦的到。
在認知心理學裡面，有很多這種測驗，想要探討人腦在認知的過程中，到底有哪些奇妙的機制在裡面。經過了前幾篇的介紹，我們分別走訪了分子層、大腦生理層、以及機器學習的角度，對於人類大腦的學習功能的探討，這一篇我們將從認知心理學的角度出發，來看看我們的大腦，尤其是在記憶的部分。之後就會固定在這四個方向：「分子」、「大腦生理」、「認知心理」、以及「機器學習」四個大方向，一起攻克我們大腦複雜的結構，解開人類智慧之謎。偶而也會介紹網路上可以看到的相關演講給各位，讓各位對這個領域的最新發展也能夠有所熟悉！
熱門程度: 7%

熱門程度: 7%

Read Full Post »

Posted By Mr. Thursday
上回和各位分享了KNN演算法。不過在演算法的歸類上，我錯把KNN歸類成非監督式學習，英文稱為unsupervised learning。在這邊我重新定義監督式/非監督式學習：監督式學習是說，我們把資料給機器學習的時候，資料會有label，也就是說，每一個資料對應的正確答案，都會給機器看。機器學完以後，會產生一個模型 (model)，也就是他學習完的成果，之後遇到新的資料，他就用學習出來的模型來判斷新的東西，輸出新東西該有的正確答案。用之前判斷大頭照是男生或女生的例子，每一張照片給機器學習的時候，除了照片本身，還會讓機器知道每張照片的正確答案 (男生還是女生)。之後機器用他學出來的模型 (model) 來判斷新的照片，接著輸出答案 (男生或女生)。
熱門程度: 6%

熱門程度: 6%

Read Full Post »