
心智的10大模型
神经科学领域新锐科学家、世界级类脑智能研究者重磅力作格蕾丝·林赛重磅新作,给出了有关下一代人工智能的启发和思考。
作品简介
如今,人工智能的迅速发展给人们的日常生活和工作带来了巨大的影响。要想让人工智能朝着人类智能的方向持续迈进,我们就应该让我们创造的硅基大脑像人类大脑一样有感知、有记忆、有决策、有行动。问题的难点在于,人类大脑由约1000亿个神经元构成,神经元间交流复杂,大脑掌管认知、意识,影响我们生活的方方面面。我们如何破解如此庞大的复杂系统的运行机制呢?
在本书中,计算神经科学家格蕾丝·林赛深入探讨了数学模型在理解大脑中的关键作用。书中通过10个数学模型,从单个神经元到复杂的神经环路,再到整个大脑的行为控制,逐步展示了数学工具如何帮助科学家理解和描述大脑的决策、感觉处理、记忆等过程。本书不仅是一部科学史,也是一本前沿的神经科学指南,为读者呈现了神经科学与数学、计算机科学的跨学科融合,启发读者思考大脑建模与心智建模之间的关系及其未来的发展方向。
格蕾丝·林赛
纽约大学心理学和数据科学助理教授,主要研究领域有三个:建立注意力和学习之间的联系模型、验证系统神经科学的工具、将计算机视觉用于应对气候变化。
她成果丰硕,出版科普图书、主持播客节目Unsupervised Thinking、参与科学写作与学术传播活动,还致力于将数据科学用于应对气候变化等跨学科研究。
2011年,她取得匹兹堡大学神经科学学士学位,并获得德国伯恩斯坦计算神经科学中心研究奖学金,前往该科学中心开展研究工作;2013—2017年,她在哥伦比亚大学攻读神经科学博士学位,专注于构建计算模型理解注意力对感知的调制等研究,并于2016年获得谷歌计算神经科学博士奖学金;2018—2022年,她先后在哥伦比亚大学理论神经科学中心、伦敦大学学院盖茨比计算神经科学中心开展博士后研究。
作品目录
测一测 你知道如何用模型思维理解大脑吗?
推荐序一 如何再造一个硅基大脑
推荐序二 脑科学的数学之旅:一场科普的破冰行动
引言 穿越400年时空,开启心智探索之旅
如果没有数学,我们的思考和行动都会大打折扣
要理解这一切,我们就必须进行数学建模
第1章 我们头脑中的火树银花 带泄漏整合发放模型与霍奇金-赫胥黎模型 |19世纪20年代至21世纪10年代|
莱顿瓶与青蛙实验
欧姆定律与带泄漏整合发放模型
乌贼实验:动作电位是如何形成的
电缆理论:树突是神经元中一枚有用的齿轮
赋予神经系统研究勃勃生机的正是电学研究
第2章 一团执行精密逻辑计算的粉色物质 麦卡洛克-皮茨模型与人工神经网络 |17世纪70年代至20世纪70年代|
麦卡洛克-皮茨模型:将大脑理解为一个遵循逻辑规则的计算设备
感知机,像人脑一样思考和学习
小脑的神经元结构与感知机原理:从错误中学习的神经网络
多层感知机:人工智能领域的变革引擎
反向传播算法:推动人工智能发展的关键突破
第3章 我们如何相处,世界就如何被记住 霍普菲尔德神经网络与环形网络 |20世纪40年代至20世纪90年代|
印迹与赫布型学习:记忆科学的演进
霍普菲尔德网络:跨学科的记忆模型
海马,解开记忆奥秘的关键枢纽
环形网络:建立优质工作记忆系统的得力干将
第4章 花样百出的神经元制衡战 平衡神经网络与神经震荡 |20世纪30年代至20世纪末|
神经元噪声:神经元反应的“乱糟糟”有何大用处
抑制性神经元:使大脑产生思维的关键角色
神经元的噪声之战:兴奋与抑制的平衡vs.大脑的随机性
平衡网络:大脑中的兴奋与抑制如何共舞
混沌理论:为什么相同的输入会引发千变万化的反应
大脑中的振荡与混沌:认知活动之谜
第5章 层层堆叠造就的清晰视野 新认知机与卷积神经网络 |20世纪20年代至20世纪80年代|
模板匹配的变革之路:从机械装置到计算机
群魔殿:从模板匹配到视觉系统的层次结构
探秘初级视觉皮质:大脑如何解读复杂的视觉信号
新认知机:师从生物学以拓展计算机视觉
卷积神经网络:给人工视觉网络的发展插上翅膀
跨学科合作,共同探索生物视觉科学的未来
第6章 降本增效的信息处理大法 神经编码与信息论 |20世纪40年代至20世纪60年代|
信息论的起源:香农领航的通信革命
信息论的应用:应对神经编码的多样性与复杂性
有效编码假说:大脑如何以最优方式传递和利用信息
大脑就像一套通信系统,但这还不够
第7章 在乱糟糟中合并同类项 动力学、运动学与降维 |20世纪30年代至20世纪90年代|
从抽搐到动作:19世纪的大脑运动控制机制发现之争
埃瓦茨的腕力研究:运动皮质编码与动力学的开端
重新定义运动皮质的角色:不仅仅是编码
解码运动皮质:绕过理解直达行动
降维:挣脱神经群体思维的困境
如果说解码对于工程学有用,对于理解的作用却不尽如人意,那么我们还能用什么来理解运动皮质呢?
运动皮质的探索之路,道阻且长
第8章 简单线条揭示的庞杂秘密 图论与网络神经科学 |18世纪30年代至21世纪10年代|
图论:解密复杂网络结构的数学之钥
六度分隔:神经系统领域的降本增效
连接组:从图论视角探索神秘的大脑世界
连接组与精神疾病:图论方法的医学应用
从爆发到精雕细琢:如何构建稳定高效的神经网络
超越连接组,探索理解大脑复杂性的多维视角
第9章 所知所见决定出牌策略 概率论与贝叶斯法则 |16世纪至19世纪10年代|
从骰子到大数据:贝叶斯法则如何改变世界
从概率到认知:贝叶斯法则在心理学中的崛起
贝叶斯法则如何帮我们解读感知到的世界
用贝叶斯法则理解大脑的决策过程
贝叶斯大脑假说:灵活与挑战并存的探索之路
第10章 用当下的惊喜修正对未来的预期 时间差分学习与强化学习 |20世纪50年代至20世纪70年代|
如何规划最佳路线:从巴甫洛夫的狗到贝尔曼方程式
从兰德公司到动态规划:贝尔曼如何改变决策科学
从条件反射到价值函数:强化学习的数学之旅
从蜜蜂到猴子:神经递质在学习与成瘾中的角色
大脑中的奖励与学习:马尔思考给我们的启示
结语 有没有一个简明的大统一理论能解释大脑?
从预测到行为:自由能理论的广泛应用与争议
千脑智能理论:解密大脑的终极挑战
信息整合论:革命性的理论还是科学的误区
大统一理论:在复杂中寻求简单之美
附录
致谢
译者后记