運算神經科學

運算神經科學（粵拼：wa̱n syu͏n sa̖n gīng fō ho̱k；英文：computational neuroscience）係神經科學嘅一個子領域，專門用數學模型模擬神經系統嘅運作，想靠噉嚟加深人對神經系統嘅理解。喺最基本上，運算神經科學研究會做電腦模擬－用方程式表示神經系統嘅變數之間嘅關係，跟住將呢啲方程式寫做電腦程式嚟行，再睇吓個程式會出咩結果^[1]^[2]。

運算神經科學同人工智能（AI）有好深厚嘅關係：人工智能嘅一個主要目的在於教電腦展示出好似有智能噉嘅行為，所以成日都會想攞數學模型嚟模擬自然智能－即係好似人腦等由大自然創造嘅有智能物體，而「用數學模型模擬人腦」正正就係運算神經科學最重要嘅課題之一^[3]^[4]；兩個領域主要分野在於，運算神經科學係純科學，追求有咁真實得咁真實噉模擬研究緊嘅現象，而人工智能有工程學嘅成份，睇重實用，即係話如果「改改個模型令個模型冇咁貼近現實世界嘅腦」會令個模型做起運算上嚟更加有效率嘅話，人工智能研究者會樂意做呢種修改^[5]^[6]，例如人工神經網絡（ANN）就係噉。

到咗廿一世紀初，運算神經科學經已喺神經內科（專研究神經系統相關疾病嘅醫學領域）等嘅工作上有相當嘅應用價值^[7]。除此之外，「人腦可以用電腦模擬」嘅諗頭仲引起咗一啲科幻同心靈哲學方面嘅思考，例如係 cyberpunk 當中成日出現嘅心靈上載橋段噉^[8]。

根基

兩大概念

用神經造影掃一個人腦會得出類似噉嘅影像；有冇可能寫個電腦程式，個程式行起上嚟會出同樣嘅影像呢？

運算神經科學建基於兩個概念^[9]^[10]：

神經系統係一個曉處理資訊嘅系統。舉例說明，對眼嘅視網膜上面每一粒感光細胞喺受到外界嘅光刺激嗰陣，都會向個腦嘅視覺區域射神經訊號，而個訊號嘅物理性質（例如係頻率）會按佢感覺到嘅光嘅屬性而有所不同－例如係光嘅強度同射訊號嘅頻率成簡單正比，
$f=\beta I$ ，當中 $f$ 係訊號嘅頻率， $\beta$ 係一個固定嘅常數，而 $I$ 係光嘅強度（將資訊用訊號表達），
- 呢啲訊號跟住會上腦，話俾個腦知佢睇到啲乜，而個腦本來唔知眼前有啲乜嘅（不確定性），但佢由感光細胞嗰度收到神經訊號，知道 $f$ ，再解讀訊號得知 $I$ ，就知眼前有啲乜嘢（不確定性減少）^[11]。有關「資訊」要點概念化，可以睇吓資訊理論。
運算係指涉及跟從一個定義好嘅模型、通過一連串算術同非算術步驟做嘅計算，廣義上可以包含任何由輸入俾輸出嘅過程。呢啲計算可以係算術性嘅（加減乘除等），又可以係做邏輯代數（Boolean algebra）嘅處理。例如喺行一段演算法嗰陣，一部電腦會接收用家俾嘅一串演算法，一段演算法包含一串有先後之分嘅指示，每行指示教部電腦做某啲計算... 等等，通過行呢段演算法，部電腦會俾出一個輸出^[12]。有關「運算」概念嘅詳情，可以睇吓運算理論。

定位

運算神經科學係神經科學（專門研究神經系統嘅科學）嘅一門，主張以下呢樣嘢：

「

神經系統入面發生嘅現象可以用運算方式嚟模擬。

」

想像以下呢兩點^[9]：

神經系統做嘅嘢（例如係認知）等同由輸入嗰度計輸出嘅運算，例如一個人解數學謎題可以想像成用條謎題做輸入，然後俾答案做輸出。
呢啲過程可以用電腦嘅運算嚟模擬：即係話運算神經科學工作者相信，有可能寫出一啲特別嘅電腦程式；呢啲電腦程式每個都係做到同神經系統嘅某個部份有一樣嘅輸入輸出關係－低層嘅可以模擬視網膜啲感光細胞，寫個程式係識得「按照感應器感應到嘅光，射出好似神經訊號噉嘅訊號」嘅，高層^{[註 1]}嘅可以模擬成個腦區，寫個程式曉好似人噉「攞一條數學謎題，俾答案」^{[註 2]}；

廿一世紀初嘅學界一般認為，呢兩點好符合現實。假設咗呢兩點成立嘅話，運算神經科學就行得通－例如如果家陣有位神經科學家提出咗個諗法，主張前額皮層（PFC；大腦皮層最近額頭嗰忽）內部嘅運作原理係點點點（一個理論）；想驗證呢個諗法嘅人可以按照呢啲假想嘅原理寫個程式出嚟，睇吓「如果呢啲原理成立，神經系統活動會出點樣嘅規律」，而因為假設咗電腦運算可以充分噉模擬神經系統做嘅嘢，如果發覺個程式出嘅規律同現實觀察到嘅數據嘅規律根本唔夾，就知嗰個理論唔能夠準確噉描述現實^[1]^[9]。

重要模型

細胞模型

感知模型

運動模型

記憶模擬

重要概念

起源

註釋

↑ 「高層」係指將啲細胞層面嘅細節嘢省略咗佢，（例如）將一個腦區啲細胞睇做一大拃點點，每一粒都係「啟動咗」或者「冇啟動」。可以睇埋抽象化嘅概念。
↑ 呢啲高層嘅運算神經科學研究基本上就係 AI 做緊嘅嘢。

睇埋

攷

↑ ^1.0 ^1.1 Trappenberg, Thomas P. (2010). Fundamentals of Computational Neuroscience. United States: Oxford University Press Inc. pp. 2.
↑ Press, The MIT. "Theoretical Neuroscience". The MIT Press.
↑ Zorzi, Marco; Testolin, Alberto; Stoianov, Ivilin P. (2013-08-20). "Modeling language and cognition with deep unsupervised learning: a tutorial overview". Frontiers in Psychology. 4: 515.
↑ Shai, Adam; Larkum, Matthew Evan (2017-12-05). "Branching into brains" (PDF). eLife. 6.
↑ Kriegeskorte, Nikolaus; Douglas, Pamela K. (September 2018). "Cognitive computational neuroscience". Nature Neuroscience. 21 (9): 1148-1160.
↑ Brooks, R.; Hassabis, D.; Bray, D.; Shashua, A. (2012-02-22). "Turing centenary: Is the brain a good model for machine intelligence?". Nature. 482 (7386): 462–463.
↑ Soltesz, I., & Staley, K. (Eds.). (2011). Computational neuroscience in epilepsy. Academic Press.
↑ Koene, R. A. (2014). Feasible mind uploading. Intelligence Unbound: The Future of Uploaded and Machine Minds, 90-101.
↑ ^9.0 ^9.1 ^9.2 Piccinini, G., & Shagrir, O. (2014). Foundations of computational neuroscience (PDF). Current opinion in neurobiology, 25, 25-30.
↑ Seung, H. S. (1996). How the brain keeps the eyes still. Proceedings of the National Academy of Sciences, 93(23), 13339-13344.
↑ Chen, A. H., Zhou, Y., Gong, H. Q., & Liang, P. J. (2004). Firing rates and dynamic correlated activities of ganglion cells both contribute to retinal information processing. Brain research, 1017(1-2), 13-20.
↑ Computation in Physical Systems. Stanford Encyclopedia of Philosophy.

拎

A Brief Introduction to Computational Neuroscience Part 1. Towards Data Science.

[13] 「高層」係指將啲細胞層面嘅細節嘢省略咗佢，（例如）將一個腦區啲細胞睇做一大拃點點，每一粒都係「啟動咗」或者「冇啟動」。可以睇埋抽象化嘅概念。

[14] 呢啲高層嘅運算神經科學研究基本上就係 AI 做緊嘅嘢。

[trappenberg2010-1] 1.0 ^1.1 Trappenberg, Thomas P. (2010). Fundamentals of Computational Neuroscience. United States: Oxford University Press Inc. pp. 2.

[2] Press, The MIT. "Theoretical Neuroscience". The MIT Press.

[3] Zorzi, Marco; Testolin, Alberto; Stoianov, Ivilin P. (2013-08-20). "Modeling language and cognition with deep unsupervised learning: a tutorial overview". Frontiers in Psychology. 4: 515.

[4] Shai, Adam; Larkum, Matthew Evan (2017-12-05). "Branching into brains" (PDF). eLife. 6.

[5] Kriegeskorte, Nikolaus; Douglas, Pamela K. (September 2018). "Cognitive computational neuroscience". Nature Neuroscience. 21 (9): 1148-1160.

[6] Brooks, R.; Hassabis, D.; Bray, D.; Shashua, A. (2012-02-22). "Turing centenary: Is the brain a good model for machine intelligence?". Nature. 482 (7386): 462–463.

[7] Soltesz, I., & Staley, K. (Eds.). (2011). Computational neuroscience in epilepsy. Academic Press.

[8] Koene, R. A. (2014). Feasible mind uploading. Intelligence Unbound: The Future of Uploaded and Machine Minds, 90-101.

[piccinini2014-9] 9.0 ^9.1 ^9.2 Piccinini, G., & Shagrir, O. (2014). Foundations of computational neuroscience (PDF). Current opinion in neurobiology, 25, 25-30.

[10] Seung, H. S. (1996). How the brain keeps the eyes still. Proceedings of the National Academy of Sciences, 93(23), 13339-13344.

[11] Chen, A. H., Zhou, Y., Gong, H. Q., & Liang, P. J. (2004). Firing rates and dynamic correlated activities of ganglion cells both contribute to retinal information processing. Brain research, 1017(1-2), 13-20.

[12] Computation in Physical Systems. Stanford Encyclopedia of Philosophy.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[註 1]

[註 2]