Credit: Pixabay/CC0公共领域
神经科学是最明显与医学和/或心理学相关的领域
然而，我在物理和计算机科学方面的背景使我能够探索并进一步理解大脑如何计算和存储信息，识别潜在的物理机制以及它们之间的相互作用
我与柏林自由大学的弗雷德曼·普尔弗缪勒教授的长期合作试图回答一系列问题，主要是当我们在动物界最亲近的亲戚努力做到这一点时，小孩子如何能够快速地将符号与意义联系起来？为了找到答案，我们使用神经网络模型与脑成像实验进行比较
这些神经模型是提高我们对复杂大脑功能理解的潜在工具，在我们的新Nature Reviews Neuroscience论文中的一个主要论点是，它们需要在神经生物学上是现实的，以覆盖大脑功能的复杂性；过于简单的模型可能会错过相关的方面和机制
大脑模型通过模拟大量类似神经细胞(神经元)及其相互连接(突触)的相互连接的处理单元来工作
近年来，这一领域取得了重大进展，例如，揭示了神经元、突触和人类新皮质连接结构的新特征，新皮质是中枢神经系统的一大部分，对感知、语言和意识等高级功能至关重要
我们的新论文讨论了不同类型的神经模型，以及需要发生什么才能使它们变得尽可能真实，从而尽可能有用
从局部网络到全脑网络，在不同的规模和细节水平上有几种不同的模型，可以帮助我们更好地理解当我们看到、感觉到或说话时，我们大脑中发生了什么
我们认为，神经网络模型需要弥合不同层次的近似人脑模型之间的差距，以便全面了解大脑功能
具体来说，我们需要了解神经细胞功能的微观水平(大致在微米级)，局部神经元簇中相互作用的介观水平(毫米)，以及肉眼可见的宏观水平(厘米)
然后，我们可以研究这些尺度上的过程之间的相互作用，并接近模拟所有这些过程中的脑回路的模型
这似乎对超越大脑功能单一、孤立方面的研究取得进展至关重要；世界各地的各种团体已经开始参与这个想法
这种被称为大脑受限建模的新方法，使用了不同空间分辨率水平的最新神经生物学材料证据，使神经网络更加真实，以实现人类特有能力的机械对应
大脑受限模型被用来模拟人类的认知功能，并将它们与大脑进化过程中发生变化的神经元物质联系起来——例如，理解猕猴和人类之间的差异
重要的是，我们要了解物质结构是否与功能性认知变化有关
例如:我们知道很多在人脑中实现的新的进化发明，但我们不知道的是，比如说，一个新的纤维束或皮层区域在功能上对认知有什么贡献
纤维束本身可能看起来是一种相当笨的材料
只有在与其他材料的功能性相互作用中，它才能获得功能性意义，并最终产生象征意义
这可以用真实的大脑模型来研究，就像我们在普利茅斯与普尔弗米勒小组合作研究为什么人类比其他灵长类动物更容易学习语言一样
未来，有可能执行受个体大脑特定特征约束的神经计算建模
用单独约束的神经网络获得的结果可以为预测未来的神经可塑性动力学打开新的视角，并且可以用于规划个性化治疗或手术，例如用于患有脑肿瘤的个体
因此，应用于特定人群甚至个别案例的大脑受限建模可能会打开富有成效的未来前景
这是一个很长的路要走，但令人兴奋的考虑
了解大脑不仅对神经科学、心理学和卫生部门有用；导出的原理也可以作为人工智能的一种形式在计算机上实现，甚至可以用来设计由硅神经元和突触组成的全新计算硬件，而不是普通的CPU
在之前的几个项目中，我们有硬件设计师和认知机器人专家，他们的目标是在硬件和机器人上复制大脑过程
重要的是，我们要把已经拥有的知识联系起来，以便在未来获得和理解更多关于大脑功能的知识
随着近年来取得的进步，我有信心我们能够实现这一目标
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
