/ taohigo.com / 0浏览

大腦原理—–神經元有多神經

事先聲明:

以下是猜想!以下是猜想!以下是猜想!

1,由於神經元的種類很多,而且各自有獨特的功能,比如說有些神經元能實現興奮功能,有些能實現抑制功能,有些能釋放激素等等,也就是說,神經元是不通用的。但是如果分類詳細描述的話,一則,難以表述,二則,難於理解。且限於篇幅及精力,我把不同種類的神經元看成是通用的神經元來展開描述,旨在借此把神經元如何處理信息的機理(智能原理)搞揭示出來,而不在乎具體的神經元生物學特性。因此,有些地方描述並不精確,和實際的神經元及其組成的網絡有所出入。例如,有時候,我所描述的神經元網絡種的某些神經元既能實現興奮功能也能實現抑制功能,這和現實是不符,但是細心的讀者會發現,如果把這個多功能神經元看成是實際的多個不同類型神經元群組成的單元的話,那麼問題就不存在瞭。

2,盡管和實際情況會有所出入,這是在所難免的,但是大多數地方是正確的,並且是基於事實做出的合理猜測,另外無需糾結真正的神經元如何運作,應該把註意力放在信息如何處理這方面。

3,為瞭讀者閱讀理解的方便,有些地方犧牲瞭描述的嚴謹性。

4,盡管和實際情況會有所出入,但是我的理論偏重於信息的機理(智能原理),大多數地方可以做到一環緊扣一環,自成體系,在細節地方雖有不足,勝在勉強能自圓其說。總之,還是請謹慎閱讀。

5,以下內容是我多年的研究,原創,全網首發,轉載請聯系本人。


神經元有很多種類,下圖就是其中的一種,錐體神經元。它由三部分組成,分別是樹突,胞體和軸突。樹突是接受輸入,軸突是用於輸出的。神經元的樹突在接收到特定的輸入刺激後,其胞體就會被激活,並通過軸突向其它神經元或神經元群輸出興奮,從而導致更多的神經元被激活,形成此起彼伏的神經元網絡激活現象,而神經元間的有序激活就是產生我們的思維和行為的根本原因。

神經元有兩種狀態,分別是靜息態(非激活狀態)和發放動作電位狀態(激活狀態)。神經元由靜息態切換為發放動作電位狀態,是因為其接受瞭來自其它神經元或神經元群或其它情況的輸入,並達到或超過瞭必須達到的臨界膜電位水平(閾值),使得神經元去極化產生動作電位最終通過樹突輸出神經沖動。簡單來說,神經元產生輸出的條件就是輸入達到或超過瞭閾值。

閾值是神經元的重要屬性。神經元是大腦的基礎,而閾值就是這個基礎的基礎,大腦的所有功能都是由閾值來實現的。如果把神經元比作燈泡的話,閾值就是這個燈泡的開關。神經元的閾值有如下特點:

  • 一般情況下,大多數神經元都有眾多的輸入,而每個輸入都有獨立的閾值;
  • 它們決定著神經元是否被輸入激活或何時被激活,換言之,閾值就是神經元對輸入產生響應的靈敏值;
  • 這些閾值並不是固定不變的,它們可以隨著使用的頻率而改變,或者單次使用的劇烈程度而改變,簡單來說就是,要麼用進廢退,要麼異常重要;
  • 連接的閾值是與輸入的電特性是一一對應的,同一連接不同的電特性會表現出不同的閾值;
  • 閾值雖然會變化,但也會有保持相對穩定的時候。一旦某個神經元鏈路的輸入的閾值變得穩定,那麼代表這個神經元鏈路已經成熟,不再輕易改變,這相當於程序的固化;

而正因為這些特點才賦予神經元或神經元群強大的 “運算能力”。

神經元的輸出有兩種類型,分別是輸出興奮和輸出抑制。輸出興奮的作用是在於試圖激活其所連接的神經元,簡單來說就是向其輸出正能量;而輸出抑制則與之相反,是用於傳播負能量的。無論是輸出興奮還是輸出抑制,都統稱為輸出神經沖動或曰發放動作電位。

無論是輸出興奮還是輸出抑制,隻要令到被輸出對象的狀態發生改變,這個輸出通道就會得到強化,形成記憶痕跡,這個時候這個連接通道的閾值會發生改變。如果這個連接通道是經常使用,最終會導致這種連接非常穩定和被再次激活的優先級得到提高,通常我們會把這種情況稱之為習慣。因此,從某種意義上來說,閾值可以理解為某段信息通道的被遺忘值。

由於神經元有不同的形態和連接方式,大多數神經元有不同的電特性(輸出有多種形式,如下圖),有些以穩定頻率輸出,有些以衰減頻率輸出,甚至有些以周期性爆發的形式輸出興奮。總之神經元的電特性是多樣的,正是由於這種多樣性配合閾值的多樣性,可以使得神經元或神經元群能組成各種各樣的電路,並實現非常復雜形式的輸入與輸出。

無論神經元的輸出樣式如何,神經元輸出興奮的作用大致有三類:驅動外設,通信和調節特定神經回路。

  1. 驅動外設大多數就是指控制肌肉運動或釋放激素等;
  2. 通信是指通過傳遞興奮給其所連接的神經元因而實現運算的功能;
  3. 神經元也可以通過傳遞興奮或抑制來控制其所連接的神經元網絡的運作,如同控制肌肉一樣。

神經元對輸入的響應有兩個特點,一是預熱特性,一是疲勞特性。

神經元的預熱特性事實上是神經元閾值這個屬性的另一種表現,是指最近被激活過的神經元,它對輸入做出反應的靈敏性會更高,這使得它可以在與其它神經元競爭時表現出更高的優先級,簡單來說就是更易被再次激活。但隨著時間的流逝,如果沒有再次被激活,這個被預熱的神經元會逐漸變“冷”。以下有個實驗可以很好的解釋神經元預熱的特性:

做個實驗,

我們先把“蛋糕”念十遍,

蛋糕,蛋糕,蛋糕,蛋糕,蛋糕,

蛋糕,蛋糕,蛋糕,蛋糕,蛋糕,

我們過生日的時候吃什麼???

好的,我們再念“太陽” 念十遍

太陽,太陽,太陽,太陽,太陽,

太陽,太陽,太陽,太陽,太陽,

請問圍繞地球轉的是???

我們繼續再念“才怪” 念十遍

才怪,才怪,才怪,才怪,才怪,

才怪,才怪,才怪,才怪,才怪

他不是豬嗎????

這就是神經元預熱情況。這個特性在學習方法中有很多應用,為瞭不跑題,在此處就不展開討論。


原創不易煩請點贊


疲勞特性是指,某些神經元對於那些“意料之內”的信號或者那些沒有變化的信號或者哪些沒有意義的重復輸入信號產生 適應表現,使得原來的閥上刺激變為閥下刺激,即不會輕易被這些相同的輸入再次激活。(註意這裡說的神經元疲勞特性,和我們說因用腦過度而感覺大腦疲勞是有區別的,前者是指神經元對輸入的響應特性,是微觀的;後者是指人類意識對特定信息的識別和解釋,是宏觀的)相反地,這些神經元對“意料之外”信號反應靈敏,響應及時。例如,我們看到一張平常的臉的時候,我們一般對此沒什麼關註,但是如果這張臉多瞭一個眼的話,我們肯定第一時間發現,並嚇一跳。

神經元疲勞特性非常有用,簡直就是一舉多得,它可以起到的作用是:減少能量的浪費,及時發現異常,實現默認功能,實現常閉功能,避免過載,避免循環,對輸入信號進行運算等等。

在電腦編程的時候,如果我想知道某個輸入是否有數據更新,我會在程序設定為每隔一段時間詢問這個輸入,把數據讀出來然後判斷是否有數據更新,這是常用的編程方式。例如操作系統提供一項服務就是監聽服務,就是通過每個時間間隔讀取鍵盤或鼠標的輸入信息來判斷用戶是否有敲擊鍵盤或鼠標的行為。但是這種方式會消耗計算機的執行時間(占用計算機的運算資源)。如果隻有一兩個輸入需要如此監測,對整個計算機應用程序來說沒什麼,但是如果有非常多個輸入需要這樣詢問,那麼計算機的運算資源會被耗光,因而幹不瞭其它事情。而神經元的疲勞特性很好地避免瞭這種浪費資源的情況,神經元通過對前一時刻的輸入與後一時刻的輸入自動作對比分析,如果是一樣的,那麼神經元表現出對信號疲勞特性,不再對輸入信號作出任何反應,即不向外輸出興奮,但是如果信號不一致,神經元馬上發放興奮輸出到別的神經元,即向上匯報“數據有更新”,這樣就可以減少整個大腦的能量消耗。

如果神經元在很短的時間內,被多次相同的信號重復激活,那麼它也會表現出疲勞特性,一方面為瞭避免因激活迅速消耗完其細胞體內能量儲備而造成不可逆轉的細胞損傷;另一方面激活頻率太高對細胞的使用壽命也是一種挑戰。

計算機會出現死循環。我們的大腦也有循環,正是因為有神經元疲勞這個特性才使我們可以跳出死循環。例如,當人類失戀的時候,就會表現出一種循環,即經常想起失戀,然後傷心,傷心加強記憶,強烈的記憶增加想起失戀這件事的機率。。。。。。

幸好神經元會因為被使用得太頻繁而表現出疲勞,所以才會失戀的人最終走出此傷疼的記憶。這個因人而異,短則1個月,長則大約3年。

最後神經元疲勞特性還有一個偉大的貢獻,就是可以對輸入信號進行“比較”運算,並對不同的輸入按照某種規則映射輸出不同的結果。神經元會對前一時刻與後一時刻的輸入進行比較會產生多種表現,如果比較結果為相同信號,神經元表現出疲勞的特性,輸出為零;如果比較信號為線性的增減關系,則以某一約定頻率(電特性)向下一層神經元或神經元群發放興奮;如果比較結果是某一非線性關系,則會以另一約定頻率發放興奮。通過這樣這些神經元構成一個能對輸入信號產生識別的神經網絡,這種網絡在大腦裡非常常見。

以上是介紹單個神經元的屬性及特點,有瞭這些基礎,下面開始討論一下,多個神經元組合後的特性。

雖然單個神經元所能實現的功能是有限的,但是眾多神經元組合成神經元網絡是可以實現難以想象的復雜的功能。至於人類大腦的神經元網絡的結構如何?以及這些神經網絡的工作原理是什麼?至今人類還未曾搞明白,此處不做討論。盡管如此,大的方面無法弄明白,小的方面還是可以探討一下。根據神經元上述的特性,以及計算機和認知學方面的知識,我們還是可以推測出神經元之間構成神經元鏈路的類型和其特點。

神經元鏈路的類型有多種,但是比較典型的有如下這幾種:

第一,序列鏈路。也即一個神經元或者是一個神經元群組成的單元按序列的形式連接下一個。這樣的鏈路可以完成有如流水線作業般的工作,如計算程序的執行。

第二,多對一輸入鏈路。這種鏈路是指多個神經元的軸突分別連接到一個神經元的樹突上的鏈路。就是下圖這種形式,

這種連接方式在大腦的神經網絡隨處可見,它的意義在於,當這些輸入的電壓疊加後達到或超過神經元的閾值時,這個神經元才會產生動作電位向其它神經元輸出興奮。這種連接方式在很多介紹神經網絡的書籍中都可以見到,但是其主要的作用卻從未提及。其主要作用在於“競爭”。如美國總統究竟是希拉裡還是特朗普來當呢?這當然有選民所投的票數來決定的。所以這種鏈路的作用主要用於“投票決定” 。為什麼這樣說呢?先留個尾巴,在後續的文章中我會詳細說明這種結構。

第三,一對多輸出鏈路。這種鏈路和上述鏈路剛好相反,在大腦的神經網絡中也是隨處可見。它的作用有兩個,分別是:a)輸出控制信號或把相同的信息傳遞給多個神經元或外設(如四肢),b)向被輸出興奮的多個神經元發送廣播通知,尋找目標神經元。

如下圖就是輸出控制信號,有左側前廳神經核出發,兵分三路分別是6,7,2用於調控雙眼的運動。這種由一個輸出點向多個終端發送指令的方法,經常用於驅使多個終端配合完成某件事的情況。

一對多輸出鏈路的第二個作用,廣播通知作用,是大腦非常重要的功能。神經元的這個自動應答的廣播通知功能,是當代計算機夢寐以求的功能,至今也未能實現的功能。在現代計算機技術的編程條件下,如果要在某堆文件夾中查找某個文件,就需要一個一個文件夾查詢,一個一個文件進行對比才能找到目標文件,如果這些文件的數量比較小的情況下,計算機是可以很輕松就實現這個功能,但是如果數量非常大的話,那麼就需要耗費很長的計算機執行時間,甚至出現死機也完成不瞭任務。在編程中這種查找情況就是經常出現,並且很消耗計算機計算資源。而神經元一對多的輸出鏈路的廣播通知功能,並不需要一個個查詢對比這麼麻煩,隻需要一個神經元或神經元群組成的單元對其所連接的多個神經元或神經元群組成的單元同時持續輸出相同電特性的興奮,如果存在匹配的神經元或神經元群組成的單元時,這個神經元或神經元群組成的單元就會響應這個輸入,並因最先達到閾值而去極化,向下一層神經網絡發放神經沖動。這種情況類似於,上學時老師點名查看哪個學生逃課,點到名字的就會應答。這個能力是並行運算的關鍵技術,不可等閑視之。

如下圖,當一個神經元被激活後,它把興奮同時傳給下一層神經網絡,在這層被傳遞興奮的神經網絡當中,由於會有一個神經元的權值是最高的(權值越高即閾值與低),所以它會被首先激活。例如,當我想,“我喜歡吃的水果是什麼?”的時候,即下圖最頂端的神經元被激活,跟著我想到是“榴蓮”即權值為1的神經元被激活(代表此刻這個神經元閾值最低,最容易被激活)

第四,關聯鏈路。這種鏈路是指,一個神經元或神經元群組成單元與另外一個或多個神經元或神經元群組成單元相互關聯所組成的鏈路。這種關聯鏈路又分兩種形式,分別是:A)互鎖關系;B)函數關系。

互鎖關系是指 若A被激活,B必須被抑制,反之亦然。這種關系形式在電力拖動的電路種非常常見,在大腦神經網絡的回路種同樣存在著這種鏈路。

函數關系很好理解,即A與B成函數關系時可以使得C保持不變。例如,保持眼睛盯著某個視點不變,轉動頸部的量與轉動眼睛的量剛好成反比。例如在控制手的末端走直線運動時,臂部關節的控制量與肘部關節的控制量成某一函數關系才能實現。

下圖是序列鏈路,一對多,多對一和關聯鏈路的組合鏈路。

第五,閉環鏈路。這種鏈路是指,為瞭達到某種目的而形成反饋控制的鏈路。從另一個角度去理解這個鏈路的意義就是,對現實情況進行自動化調整,使得現實與預測或計劃情況偏差最少。它由輸入,輸出,反饋,比較,調節輸入幾個部分組成的。

(如下圖)為瞭實現眼睛對某一對象的穩定觀察,大腦啟動瞭這個鏈路,在頭部轉動時,導致左側水平半視管旋轉運動,即產生反饋信號,這個信號直接輸入到左側前庭神經核,神經核經過“比較”輸出調節輸入的信號,並經6,7,2三路分別向3個執行件輸出控制信號,從而達到調節輸入來保持眼睛的凝視。

閉環鏈路在大腦中不單是常用來運動控制的,也是大腦實現更個功能模塊自動化的基礎,也是一種非常常見且有用的鏈路。我會在以後的文章裡會詳細介紹這種鏈路的神奇之處。


原創不易煩請點贊


參考文獻:

[1]Mar F. Bear , Barry W. Connors , Michael A. Paradiso. [Neuroscience: exploring the brain. 2nd ed.] ISBN 0-683-30596-4.

本科碩士學年課程論文如何寫?幹貨來瞭快來收藏!
錢存放在餘額寶裡面,真的安全嗎?內行人說出答案
錢存放在餘額寶裡面,真的安全嗎?內行人說出答案
編碼日志 | 這些疾病該如何編碼?快來學習!
不小心刪除微信APP,重新安裝後聊天記錄怎麼恢復?
不小心刪除微信APP,重新安裝後聊天記錄怎麼恢復?
會銷模式之品鑒會模式的詳細解讀
會銷模式之品鑒會模式的詳細解讀
什麼是超融合服務器

0

  1. This post has no comment yet

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注