【Introduction】人类大脑

       人体大脑可以被视为一个三阶系统，如图1块状图所示(Arbib,1987)。处于系统核心的是大脑，图中以神经网表征，它不断接收信息、感知并做出恰当的判断。图中有两组箭头。由左指向右的表示信息承载信号在系统中的前向传输。由右指向左的(显示为红色)表示系统中的反馈。感知器官把来自人体或外界环境的刺激转化成电脉冲从而将信息传递到神经网(大脑)。效应器官把神经网产生的电脉冲转化成可识别的响应作为系统输出。

Figure 1

       得益于Ramon y Cajal所开展的前沿工作，对大脑的理解不再那么令人煎熬了，他引入了神经元是大脑结构组成成分的想法。神经元比硅逻辑门速度上要慢五到六个数量级：硅芯片中的事件发生在毫微秒级，而神经系统的事件发生在毫秒级。然而，大脑有他自己的策略，他拥有惊人数量的神经元（神经细胞）以及其中彼此之间的大量连接，以此弥补了单个神经元相对较慢的处理速率。据估计，大脑皮层有大约100亿神经元以及60万亿的突触或者叫做连接（Shepherd and Koch,1990）。网络的结果就是形成了大脑这样的高效结构。具体来说，大脑的能效是大约 焦耳每操作每秒，而相比之下最好的电脑这一数据要以数量级增长。

      突触，或者神经末梢，是在结构和功能上操控神经元间交互的单元。最常见的突触是化学性突触，它的工作模式如下：突触前处理释放出一种收发介质在突触连接间扩散，然后影响突出后处理。因此突触把突触前电信号转化成化学信号，然后又回到突出后电信号（Shepherd and Koch,1990）。在电子学术语中称这种单元叫做单向双端口设备。在对神经组织的传统描述中，突触被简单理解为可以释放激发或者抑制的连接，但是不会是二者同时作用于接收神经元之上。

      前面我们提到过可塑性使得发展中神经系统能够适应于周围环境（Eggermont,1990;Churchland and Sejnowski,1992）。在一个成人大脑中，这种可塑性仰仗于两种机制：神经元间新突触的产生和现存突触的调整。轴突，作为传输线，树突，作为接收域，被依据形态划分为两种不同的神经纤维；轴突的表面光滑、分支少、长度大，而树突（这样称呼是源于它和树的相似）有不规则表面和较多的分支（Freeman,1975）。大脑不同区域的神经元有着差异很大的形状和大小。图2诠释的是锥体细胞的形状，这是一种最常见的皮层神经元之一。就像其他许多类型的神经元一样，它从树突刺上接收大部分输入；详见图2插图中树突分割。锥体细胞能够收到10,000多突触输入，也能映射到上千个目标细胞。

Figure 2

     大部分神经元的输出以短电压脉冲序列的形式。这些脉冲，通常叫做动作电压或者尖峰脉冲，从神经元的细胞体或者附近开始产生，然后在神经元个体上以固定的速度和幅度传播。在神经元中用动作电位作为通信的方式是基于轴突的物理特性。神经元轴突长而细，有高电阻和大电容特性。这两个特性在轴突上是分布式的。因此轴突可以以阻容（RC,resistance-capacitance）传输线来建模，通常用“电缆方程”作为描述轴突上信号传输的术语。分析这种传输机制可以发现，当轴突的一端加有电压时，它在传输中随着距离增加指数形式下降，当传递到另一端的时候已经下降到微乎其微。动作电位提供了一种窥视这个传输问题的方法（Anderson, 1995）。

Figure 3

      大脑中既有小规模也有大规模的结构组织，在不同的层级上执行着不同的功能。图3显示的是脑组织各个交织层级的层次图，这些来源于对大脑局部组织的大量分析工作（Shepherd and Koch, 1990; Churchland and Sejnowski, 1992）。突触层是最基础的层级，它依赖于分子离子级的活动。在接下来的层级是神经微电路、树突树，然后是神经元。神经微电路是指以连接组织模式呈现的突触集合，可以执行感兴趣的功能操作。它可以被比拟为由晶体管集群组成的硅芯片。最小的微电路在微米级，而操作速度在毫秒级。大群的神经微电路形成树突树中的树突子单元，而树突树存在于神经元个体中。整个神经元，大约100μm，包含几个树突子单元。在复杂度的下一层级上是局部电路（local circuits，大约1mm），它由具有相似或不同性质的神经元组成；这些神经元集合能够执行具有大脑局部区域特征的操作。紧随其后的是区间电路（interregional circuits），由路径、队列和拓扑地图组成，这些需要位于大脑不同部分的多个区域参与。

      拓扑图被组织起来负责响应进入的感知信息。这些拓扑图通常有单层的组织形式，就像在上丘中视觉、声觉和体觉的图堆放在相邻的层中，这样来自对应点上的刺激在空间上是上下挨着的。图4是Broadmann(Brodal,1981)所做的大脑皮层细胞结构图。这张图清楚地显示，不同知觉输入有序地映射到大脑皮层的相应区域。在复杂度的最后一级上，拓扑图和其他区间电路控制在中枢神经系统中的具体类型的行为。

Figure 4

    有一点很重要，需要认识到这里描述的大脑的组织结构层次是大脑的独一无二的特征。在数字计算机里你没处找到它，我们也远还不能用人工神经网络重建这样的结构。不过我们倒是在一点点地朝着与之相似的计算等级层次迈进。和大脑中发现的神经元相比我们用来构建神经网络的人工神经元真的是相当粗糙。同样我们目前能够构建的神经网络与大脑中的局部电路和区间电路相比也算是粗糙的。令人满意的是我们在很多前沿方面有不少进步。随着神经生物学模拟的不断启示和理论、计算工具的引入，可以确定的说我们对人工神经网络的理解和应用将会随着时间越来越深入。