神经漫游

本期内容

人的架构是如何实现智能的？计算神经科学运用数学模型、理论分析和大脑抽象，试图解答的就是这个问题。以计算理论为工具，我们揭示而非简化人脑神经结构之“湿”与复杂性。

我们强烈推荐你使用泛用型播客客户端（iOS苹果自带播客、Pocket Casts、Overcast、Castro或安卓AntennaPod）收听我们的节目。这是第一时间听到我们的节目并得到每期完整背景资料的唯一方法。搜索「神经漫游」，你也可以在国内各大音频平台找到我们。

本期纲要

04:30 计算和神经，谁为谁服务？

11:05 计算神经科学 vs. 计算认知科学研究人这种架构

14:40 行为实验能帮助我们确定因果关系吗？

20:09 最后“抠得只剩肉色的部分了”的行为实验

25:09 对照物理的发展，还处在经典力学阶段的神经科学

29:10 就 David Marr 3 层展开：当我们说自上而下和自下而上时，上和下是什么？

39:20 从哪一层开始研究取决于你相信哪一层；连接组从底层开始

43:43 对连接组的反驳的反驳

46:05 一个类比：拆开手机从晶体管开始能弄懂手机的运作吗？

49:40 人的目的是什么：活下来？

53:34 进化论，对抗生成网络［生成对抗网络］与机器学习的三种学习范式

01:04:19 大型劝学计算神经科学：1）男女失衡？2）计算机才是风口？3）谁有前途 4）对数学感兴趣最好？

延伸阅读

[David Marr 的三个层次：Implementation - Algorithm - Computation](https://www.albany.edu/~ron/papers/marrlevl.html)

/ 顾金涛（老猫）提到 /

因不可知的原因部分参考资料显示不全，请移步官网或推文，谢谢呀。

- 老猫一件私货：科研界的性别偏差。（下次也邀请做计算的师姐来聊一期。）

见 https://www.nature.com/news/women-need-to-be-seen-and-heard-at-conferences-1.20825

/ 李想提到 /

- [行为实验](https://en.m.wikipedia.org/wiki/Cognitive_science#Behavioral_experiments)：目标为收集人/实验动物行为反应的实验

- Sparsity（稀疏度）：指在神经网络（当然也可以是跟一般的网络）中，神经元（更一般而言 不同单元）间的连接保持相对低的数量（例如相对于全连接）

- Tom Griffiths 一篇论文，大意是通过在 Marr 的三层中的 computational level 上加限制，并反解出对应的最优决策，有助于理解/发现人在相应环境下的行为

见 https://onlinelibrary.wiley.com/doi/pdf/10.1111/tops.12142

/ 杨闰哲提到 /

- Hebbian & Correlation Game - [赫布法则 Hebbian rule](https://en.m.wikipedia.org/wiki/Hebbian_theory)可见第一期延伸阅读

- （来自闰哲）Runzhe & Kyle & Sebastian 最新的论文:  https://www.cs.princeton.edu/~runzhey/demo/asilomar2019.pdf

- 53:34 提到的机器学习3种学习方法：[监督学习（Supervised Learning）](https://en.wikipedia.org/wiki/Supervised_learning)，[强化学习（Reinforcement Learning）](https://en.wikipedia.org/wiki/Reinforcement_learning)，[非监督学习/无监督学习](https://zh.wikipedia.org/zh-hans/%E7%84%A1%E7%9B%A3%E7%9D%A3%E5%AD%B8%E7%BF%92)；以及尚未有百科的自监督学习

- 社会学家 Charles Tilly 著作《[为什么？](https://book.douban.com/subject/25858710/)》（Why）

- Sebastian Seung vs. Tony Movshon 就“大脑”“大脑地图”“神经科学的未来”的论战, https://blog.eyewire.org/brain-brawl-sebastian-seung-vs-tony-movshon-at-columbia-university

- [Gorilla](https://gorilla.sc)是一个在线的行为学实验平台 

/计算机白痴汉那 没贡献/

本期人物

李想：纽约大学心理系二年级博士生，对计算认知/神经科学感兴趣，目前手上的项目主要是前者。曾经的兴趣之一是跟老猫一起做饭，现在的兴趣之一是回忆跟老猫一起做饭的日子。

顾金涛（老猫）：本科生物，现在在上海纽约大学跟着 Sukbin Lim 用数学模型研究记忆和神经可塑性，还在找课题。

杨闰哲：普林斯顿大学计算机系与神经科学研究所在读博士，本科毕业于交大ACM班，研究兴趣主要包括人工智能与计算神经。个人主页：https://runzhe-yang.science

汉那：UCSD 认知科学本科在读。心灵哲学；语言认知；科技人文；后人类。写字，摄影，嗜咖啡。游荡者。书呆子。野心家。

剪辑/北方

后期/小葵花

神经漫游意在漫游神经与认知科学之领域，揭示认知表象与内里之趣味，由此连接业余与大众的智慧。

我们强烈推荐你使用 泛用型播客客户端（如iOS系统中，苹果自带播客、Pocket Casts、Overcast、Castro或安卓系统中的AntennaPod）收听我们的节目。这是第一时间听到我们的节目并得到每期完整背景资料的 唯一方法。搜索「神经漫游」，你也可以在网易云音乐，喜马拉雅，荔枝 FM，哔哩哔哩找到我们。

# 本期内容

这一期我们聊了一个更普世的话题：抑郁症如何自救。如果你和我们一样好奇抑郁症的，关心抑郁症是否会发生在自己或周遭亲友身上，希望亲历抑郁与有工作经历的三位主播能为你指北。

# 大纲

03:32 「最擅长隐藏」的患者和不承认自己「有病」的病人

08:10 如何识别我/我的亲朋患有抑郁症的可能？

15:02 抑郁症经历或许是自我认知的一次浴火重生

17:57 抑郁症患者的自我认知与评价为什么总低于实际情况？

23:44 抑郁症患者求助指南：我该信任量表吗？

27:55 看了医生我是不是就是“精神病”？他人知道后会怎么看我？

30:50 心理咨询已经不足够，心理治疗师哪里找？

37:55 吃药否？副作用真的可怕吗？从躯体症状认识抑郁症

# 延伸

- 抑郁障碍定义与 DSM-5 判断标准（Depression Definition and DSM-5 Diagnostic Criteria）：

https://www.psycom.net/depression-definition-dsm-5-diagnostic-criteria/

（1，2）整日整日的兴趣丧失、无愉快感；（3）未瘦身节食而有显著食欲降低或体重减轻；（4）可肉眼观察的思考与运动迟缓；（5）日常精力衰退或疲乏；（6）过低自我评价或自我价值感，有不正常内疚感；（7）专注或思考能力下降，或犹豫不决；（8）反复出现死亡与自杀念头或有自伤计划；

- 内源性抑郁患者的自知力

https://baike.baidu.com/item/%E8%87%AA%E7%9F%A5%E5%8A%9B/10893511

# 人物

Birdie：中科院心理学硕士在读，神经现实副主编，致力于精神疾病科普，精神病患心理健康与个人成长；满满的好奇心，喜欢探索自己熟悉和陌生的各种领域。
和几门语言产生过一些交集；偏爱有趣的地方和有趣的人；江湖豪杰和酒肉朋友身边有一大堆；兴趣广泛到难以想象；将“你是个好玩儿的人”奉为人生最高评价。

Spring：王春天。心理学从业者，神经现实副主编，希望每天能在10点之前睡着。

Veina：上海交通大学医学院基础医学博士在读，目前主要研究离子通道结构与功能。对精神疾病的关注源于抑郁症经历，可以说，抑郁症在一定程度上重塑了我的生活，从理解问题的视角，对自我的认识，以及到科研工作方向的选择等方方面面。现在，在神经科学方面，我最大的心愿是能尽自己所能去发现抑郁症及其他精神疾病发生的生理基础，或者说情绪如何实现在生理层面对我们机体的影响，当然，生理与心理的交互这是一个巨大的议题，我愿成为这个议题发展路上的一块砖。

神经漫游意在漫游神经与认知科学之领域，揭示认知表象与内里之趣味，由此连接业余与大众的智慧。

我们强烈推荐你使用 泛用型播客客户端 （如iOS系统中，苹果自带播客、Pocket Casts、Overcast、Castro或安卓系统中的AntennaPod）收听我们的节目。这是第一时间听到我们的节目并得到每期完整背景资料的 唯一方法。搜索「神经漫游」，你也可以在网易云音乐，喜马拉雅，荔枝 FM，哔哩哔哩和声破天 找到我们。

# 本期内容

借着科幻式的推理，神无杨汉那我们三人谈起无人驾驶车的技术困境与科学基础来；末了还作了一番门外汉的伦理探讨。提到技术这个词，你不可避免地想到冰冷繁冗的细节。但技术也是日常的，正是那些习以为常的智慧创造了不假思索的便利。从业已熟悉的车辆道路城市，我们尝试畅想一个无人驾驶的复杂未来：无人车，共生道路，智慧城市。

# 纲要

[01:57] 感官缺失的无人驾驶汽车不懂「做人」
[06:68] 要达到近人的判断力，机器不必拥有心智理论（ToM）？
[18:46] 像蚂蚁群落那样开车：群体智慧
[28:25] 可能最适合「无人驾驶」的道路
[33:08] 如何减少交通事故中的「人过」
[37:32] 深度学习不保证可靠性时，只得走人力的捷径
[40:49] 耗子都能「开车」了，AI 技术怎么回事
[44:30] 无人驾驶的电车难题无解？不仅是哲学问题
[52:10] 人与无人车共生于道路；流动空间重构公共生活
[55:20] 规避道德问题之难，譬如路权
[58:20] 科幻式反思：隐私 / 人脸识别 / 推荐算法 / 加密软件

# 科幻节选

# 延伸

/神无量子提到/

会开车的老鼠（果壳）/ 开车老鼠（科普中国）

环境丰容（Environmental Richment）不仅对大鼠这类啮齿动物有效果，对灵长类动物也有效果，中国有科学家对动物园里的猩猩做过环境丰容实验，发现环境丰容可以引导其形成一些特定的行为，增加行为的多样性。

为什么蚂蚁永远不会“堵车”？

集体智能 Collective Intelligence

小明不背锅_b站

ESP 车身电子稳定程序

ACC 自适应巡航技术

EPS 传感器

LKA 车道保持系统

燃油喷射系统：机械控制、电动控制、机电混合控制

电控汽油喷射系统：隶属于燃油喷射系统的一个子类，现代汽车大部分使用的就是这款技术。可以看出来，无人驾驶其实不仅仅是关乎于算法与识别，系统工程的各方面应用与信息交互也是非常重要的

/汉那提到/

2018 年报道 Cruise 无人驾驶汽车缺陷的文章（路透社）指出该车不善判断物体静止与移动。

心智理论（Theory of Mind）：人类先天能够以类推方式，假定其他人拥有与自己类似的心智，并根据这个假设来观察周围，做出合乎社会期待的反应与行动。原先被认为是人类特有，而后发现灵长类动物也具备简单的心智理论。（譬如倭猩猩能推断低级肢体语言，而非更复杂的心智活动）

无人驾驶汽车无法解决拥堵问题（好奇心日报），此外卡尔索普提出自动化快速交通（Autonomous Rapid Transit，简称“ART”），在国王大道等主干道的预留车道上开辟一条无人驾驶货车专用道。行驶在这些车道上的无人驾驶货车车速更快，对无人驾驶技术程度的要求也较低。这些货车可以单独行驶，也可首尾相连一起行驶。

MUJI 在芬兰首款无人驾驶巴士（好奇心日报）：日本 MUJI 与芬兰自动驾驶公司 Sensible 4 合作设计了一款名为“GACHA”的自动驾驶公共汽车，预计 2019 年 4 月开始在埃斯波市（Espoo）对公众开放。“这是世界上第一辆适合各种天气的自动公交车”。

非场所（non-place），马克欧杰（Marc Augé）用它定义一类人类学意义上的中转站。人人路过和匿名的公共场所，其空间不被或很少被人类活动改变或建构。

非场所：超现代人类学入门

特德姜（Ted Chiang）作品《赏心悦目：审美干扰镜提案风波纪实》

陈楸帆作品《这一刻我们是快乐的》，参考书评

【延伸阅读】无人驾驶车辆无法作人一般的直觉反应涉及一个具身认知的问题，即重新表征和建立一个外部世界的模型还是用多个简单的反馈系统以涌现一个复杂有机体。

【延伸阅读】莫拉维克悖论（Moravec‘s paradox）：人工智能能轻易做到人类看来属于「相当聪明」的工作，例如逻辑难题，而难以完成人类小孩能轻易完成的事，如对话和直觉区分物体。

【延伸阅读】无人车与劳力不足问题在日本（好奇心日报）

/杨闰哲提到/

计算机视觉（Computer Vision）：用计算机代替人对图像中的目标进行感知、识别、分割和理解的人工智能技术。随着深度学习的在计算机视觉各任务上的成功，广泛应用于无人驾驶。有一些无人驾驶公司声称使用“纯视觉”技术，无需使用依赖昂贵的激光传感器。

监督学习（Supervised Learning）：一种机器学习范式，使用有标注的数据训练机器学习模型，以预测新数据的标签。大部分无人驾驶涉及的计算机视觉任务，如图像识别，语义分割，都在监督学习的范式下进行。

强化学习（Reinforcement Learning）：一种机器学习范式，让智能体在环境中试错，以期学会最大化的预期利益策略。相比监督学习，强化学习的监督信号更稀疏，具有回馈延时的特点。一般可应用于序列决策问题，比如无人车的控制。多智能体强化学习也是一个新兴的热门研究领域。

分布式系统（Distributed Systems）：分布式系统是一组计算机，透过网络相互传通信后并协调它们的行为而形成的系统。在未来，如果无人车普及，很可能出现相互协同无人车分布式系统。

拜占庭将军问题与一致性（Byzantine Generals Problem and Consensus）：不同的无人车通过通讯交换信息达成共识而按照同一套协作策略行动。如果不存在一个中心化的权威，无人车可能发送错误的信息，或者信息损坏，导致不同的成员关于全体协作的策略得出不同结论，从而破坏系统一致性。历史上Shostak把这个问题比作“拜占庭将军问题”：有一群将军必须共同进攻或者撤退。他们可以把自己的决策预先告诉他人，然后根据各自听到信息达成一致决定。如果7个将军中3个想进攻，3个想撤退，1个是叛徒，那么叛徒可以通过向两个群体发送不一致的消息让将军们产生无法产生一致行动。

Leslie Lamport, Robert Shostak, Marshall Pease. “The Byzantine Generals Problem,” ACM Transactions on Programming Languages and Systems. （1982） https://www.microsoft.com/en-us/research/publication/byzantine-generals-problem/

第五代通信技术（5G）：目标传输速度高达2Gbit/s，延迟仅为1-4毫秒，可实现宽通道带宽和大容量多输入多输出系统（MIMO）。无人驾驶可以5G技术实现车联网，把摄像头和雷达传感器采集到的大量信息实时传到云端进行计算。

本地计算与云计算（Local Computing v.s. Cloud Computing）：云计算是一种基于互联网的计算方式，终端可以请求共享服务器的软硬件资源和数据，减少用户终端的处理负担。现在因为传输实时信息的时间成本，无人驾驶的计算是在大部分是在本地进行的，对无人车的算力有一定的要求，但在未来随着5G技术的普及，可以把计算转移到云端，从而减少单台无人车的芯片成本。

信息聚合（Data aggregation / Data fusion）：将多种不同源的数据进行整合，从而形成更加统一，精确的信息。信息聚合方法其实广泛引用于今天的地理信息系统，未来也可能应用到无人车系统中。

局部规则与涌现论（Local Rules and Emergentism）：简单的局部规则可能产生出非常复杂的整体。一个支持无人驾驶的交通系统可能是复杂的，但这样的复杂系统也许只需要简单的、局部定义的规则去维护。

Wolfram最爱的元细自动机（Cellular Automata）是一个从简单的、局部的规则中涌现复杂的例子。其中第110号规则已经被证明是图灵完备的。

Stephen Wolfram. “Statistical Mechanics of Cellular Automata,” Reviews of Modern Physics. （1983）, https://www.stephenwolfram.com/publications/cellular-automata-complexity2.

Matthew Cook. "Universality in elementary cellular automata,” Complex Systems （2004）,https://pdfs.semanticscholar.org/12d6/f0bb183050dd78b7671929455b7fdfdf73ce.pdf

无人车与失业问题：美国超过350万卡车司机，同时卡车司机也是美国增速最快的职业。如果真的让无人卡车上路，如何应对失业率的陡升与妥善安置失业司机将成为一个不可忽视的经济和社会问题。当然，在无人车取代他们之前，先要通过工会这一关。

Scott Santens, Self-Driving Trucks Are Going to Hit Us Like a Human-Driven Truck. https://medium.com/basic-income/self-driving-trucks-are-going-to-hit-us-like-a-human-driven-truck-b8507d9c5961

决策边界（Decision Boundary）：在机器学习的分类问题中，把输入空间分成两半的超平面。神经网络通过分类边界学习来极小化经验误差。对于无人车识别路况等任务，输入空间是像素和其他传感器采样组成的高维空间，决策边界非常复杂。

对抗攻击（Adversarial Attack）：一种通过构造对抗样本使得机器学习模型失效的攻击方法。在图像识别领域，研究发现我们通过对图片进行一些肉眼难以分辨的像素改变，或者添加特殊的标记，就能让深度学习模型识别出现严重错误。这对基于计算机视觉的无人驾驶技术来说，是一个重大的安全隐患。

电车难题（Trolley Problem）：一个著名的伦理学的思想实验。人们经常用这个思想实验来讨论以边沁（Jeremy Bentham）为代表的功利主义（utilitarianism）和以康德（Immanuel Kant）为代表的义务伦理学（deontological ethics）在道德选择上的冲突。如果十字路口的无人车必须要做出道德选择，它会如何应对这种道德两难？

MIT Media Lab进行过一个“道德机器实验”：他们设计了一系列场景，研究在不可避免的事故情况下，公众认为无人驾驶汽车如何应对道德两难。他们最终收集到的来自233个国家和地区的数百万人用10种语言做出的4000万项决定，三种强烈的偏好：优先保护人类、优先保护更多生命、优先保护年轻的生命。这或许能成为通用机器伦理的基石。

Iyad Rahwan. “The Moral Machine experiment,” Nature. （2018）, https://www.nature.com/articles/s41586-018-0637-6

差分隐私（Differential Privacy）：是一种基于密码学的数据共享方法，它可以可证明地最大化所需数据的准确性，同时最大程度减少身份信息泄漏的可能性。机器学习所依赖的大量数据，可以通过差分隐私的方法进行加密，从而保护数据的隐私安全。

# 人物

神无量子：我叫神无量子，是一个热衷于写科幻小说的家伙，当然不是因为我小说写的特别好特别多，而是因为我为了写小说去做了很多乱七八糟的事情，学了很多奇奇怪怪的知识，了解的广度远大于深度。成为了新时代的斜杠青年的次生代谢产物—歪杠青年。

杨闰哲：普林斯顿大学计算机系与神经科学研究所在读博士，本科毕业于交大ACM班，研究兴趣主要包括人工智能与计算神经。个人主页：https://runzhe-yang.science

汉那：UCSD 认知科学本科在读。心灵哲学 / 语言认知 / 科技人文 / 后人类。写字，摄影，嗜咖啡。游荡者。书呆子。野心家。

剪辑 / 北方
后期 / 小葵花

神经漫游意在漫游神经与认知科学之领域，揭示认知表象与内里之趣味，由此连接业余与大众的智慧。

我们强烈推荐你使用 泛用型播客客户端 （如iOS系统中，苹果自带播客、Pocket Casts、Overcast、Castro或安卓系统中的AntennaPod）收听我们的节目。这是第一时间听到我们的节目并得到每期完整背景资料的 唯一方法。搜索「神经漫游」，你也可以在网易云音乐，喜马拉雅，荔枝 FM，哔哩哔哩和声破天 找到我们。

# 本期内容

当上海的深夜，普林斯顿的正午与圣地亚哥的早晨通过数字信号相拼接，我们讨论了：深度学习还需要我们知道什么？为什么抑郁症这么难着手治疗？人的认知与大脑究竟是怎么运作的？认知科学如此多层面的研究颗粒度带来麻烦了吗？

# 纲要

00:20 一个博士在国内，一个博士在美国，一个本科生在美国
03:00 「连接组计划」：用计算机方法纳米级重构大脑？
7:15 深度学习的隐喻：像飞机和炼金术的存在
13:35 一个理论：表示复杂事物，认知比我们想的更”偷懒“
        认知里的低秩假设与互联网推荐算法
22:35 玛丽莲梦露与祖母细胞
        人工智能模仿人，人的认知研究借鉴计算
27:07 像拆主机读电路板那样，“打开”脑壳
33:30 在美国读博士是什么体验
39:30 隔“行”如隔山：我们能多大程度跨层级地研究认知？
47:35 我们到今天依然无法确定抑郁症产生的机制
        有意思的肠脑：为什么抑郁症患者大多是老胃病
57:25 认知科学的尴尬现状
01:04:50 研究认知的「3 levels」：计算，表征与算法，与应用
01:10:07 困难的问题解决既需要自上而下，也需要自下而上

（末尾有彩蛋 Aftershow。）

# 延伸

杨提到的概念和人

赫布法则 Hebbian rule：一个神经科学理论，解释了在学习的过程中脑中的神经元所发生的变化。赫布理论描述了突触可塑性的基本原理，即突触前神经元向突触后神经元的持续重复的，可以导致突触传递效能的增加。

祖母细胞 Grandmother Cell: 一种假设，指在人脑中存在一个或一组神经细胞，当某些特定的概念如你的祖母头像出现时，该组细胞就会激活。

Dd Marr 与 3 levels 理论：英国心理学家和神经科学家，被认为是计算神经科学的创始人。

参见 Marr, D. （1982）. Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. Henry Holt. ISBN 978-0716715672.

Simple v.s. Complex Cells：在视觉皮层中存在的两类细胞：简单细胞（simple cells） 和复杂细胞 （complex cells）；后者在视觉信号中区分“什么”、“哪里”，参与边界和边缘识别。

Nelson Goodman：美国哲学家。

参见 Goodman （1995） 第三章 “New Riddle of Induction": Nelson Goodman （1983）. Fact, fiction, and forecast. Harvard University Press. p. 74. ISBN 978-0-674-29071-6.

谢林点（Schelling Point）：博弈论中人们在没有沟通的情况下的选择倾向，做出这一选择可能因为它看起来自然、特别、或者与选择者有关。

后向传播算法（Back-propagation）

参见 Learning representations by back-propagating errors, Nature 1986, https://www.nature.com/articles/323533a0

低秩假设（low-rank hypothesis）：来自矩阵近似理论

参见 The Manifold Ways of Perception, Science 2000, https://science.sciencemag.org/content/290/5500/2268.full

参见 Learning the parts of objects by non-negative matrix factorization, Nature 1999, https://www.nature.com/articles/44565

杨的个人研究与导师

Sebastian Seung（杨的“老板”，博士导师之一）：研究神经科学，物理，生物信息学，机器学习，深度学习以及人工智能等领域。连接组学的先锋。

Seung 在 TED 介绍连接组计划 Human Connectome Project

汉那提到的概念和其他名词

认知科学六边形

失语症 aphasia：失语症患者伴随著语言习得脑区的损伤出现一个或多个语言机制的损伤。这四个沟通的语言机制分别为听觉理解、言语表达、阅读和写作，以及功能性的沟通。

布若卡氏区 broca's area

功能性磁共振成像 fMRI

沃尔夫假说 / 语言相对论：认为不同的语言的使用者会因语言差异而产生思考方式，行为方式的不同。

一位被称为「艾滋病药史」的病人

affordance （设计界的「可供性」）//节目中介绍有误，不是 Don Norman 而是心理学家 James Gibson 最先从环境心理学里巧妙挪用了这个概念；前者后来在人机交互领域将这个概念发扬光大。

汉那提到的虚构与非虚构作品

巴别塔之犬

你一生的故事 The Story of Your Life

哥德尔、艾舍尔、巴赫 / 集异璧 / G.E.B.

Veina 提到的医学药品与语汇

抗抑郁药的基本类型与特征

靶向治疗

肠脑

/本期提到的神经现实文章/

拥有自我觉知的，会让我们更理解意识？

认知科学死了吗？ 

发布于「神经现实」

# 人物

杨闰哲：Always exploring, ever curious. 

       个人网站 runzhe-yang.science。
Veina：一个试图从生物学角度研究精神世界的研究僧
汉那：UCSD 认知科学本科在读。写字，摄影，嗜咖啡。游荡者。书呆子。野心家。