主题：【原创】围绕脑科学而发生的若干玄想 -- 鸿乾

1.

"How Particle Physics Can Improve Your Netflix Recommendations" ---see attached

2.老美疯子

http://www.ccthere.com/alist/3808130

if I can borrow "phantom of the opera"

么正性, gauge, 測度, 度規=路徑積分 of phantom, insider your mind, inside my mind, inside of every "free soul"

in a 洛伦兹流形

after all that kind of "phantom shaking out/hashing out", and sometimes in a possibly very bloody way, we may be able to have a clue/路徑 about the real phantoms (n>1, as a hedge), or 伟光正s, kind of the white's version

http://www.youtube.com/watch?v=VlRnzANjVZs

3. 永胜=决战千里之外 in Erik Verlinde 's holography world--Verlinde全息屏

a follow up on prof Verlinde's "holographic screens" (全息屏, Prof li Miao's translation) model, based on that model, Dr. Alexander Wissner-Gross did an AI app, a great one, and looks like more and more physicists are breaking into social sciences field now, with their physics models.

I was reading Verlinde's "On the origin of gravity and the laws of Newton"

http://link.springer.com/content/pdf/10.1007%2FJHEP04%282011%29029.pdf

basically, as I wrote in

http://www.ccthere.com/alist/3808130

Verlinde全息屏= 引力場=溫度場, 量子化=溫度梯度化

3.1

Verlinde全息屏= 引力場=溫度場

classic physics: 溫度 system's partition function is defined without 相互作用, without 引力, and this is where Verlinde made his smartness in modeling 引力場 as 溫度場, smarty as he is;

basically 引力場=信息場=溫度場, in the context of 第一性原理, Born-Oppenheimer approximation, etc:

"The universality of gravity suggests that its emergence should be understood from

general principles that are independent of the specic details of the underlying microscopic

theory. In this paper we will argue that the central notion needed to derive gravity is

information. More precisely, it is the amount of information associated with matter and

its location, in whatever form the microscopic theory likes to have it, measured in terms

of entropy. Changes in this entropy when matter is displaced leads to a reaction force.

Our aim is to show that this force, given certain reasonable assumptions, takes the form

of gravity.

The most important assumption will be that the information associated with a part

of space obeys the holographic principle [8, 9]."

3.2

量子化=量子化=溫度梯度化, entropy 梯度化, then you have 溫度梯度場強@時空點 , the so called entropy force=引力場場強@時空點, 引力 as 力, under 相对论高能条件, or non-相对论-newton 低能条件, so Anthony Wing Kosner AI software can model the those non-相对论-newton 低能 systems

"愛因斯坦 was also telling us, the way we see this world is locally valid, logical, elevator's local life: 局部范围等效原理：引力=局部惯性系加速，and if you want to be more "robust", 狭义相对论 Poincare group always works, and other than that, most of the time newton/classical physics is good enough (we can explain 引力 as 局部惯性系(伽利略慣性系)加速) no gr sweating, happy local elevator life 4 ever, the physics of why we often feel good about ourselves locally;"

引力 as 局部惯性系(伽利略慣性系)加速=you feel 溫度heat locally,

3.3 科普

毛泽东的菩萨蛮·黄鹤楼"把酒酹滔滔，心潮逐浪高" 我失骄杨君失柳， 杨柳轻扬直上重霄九。 问讯吴刚何所有， 吴刚捧出桂花酒。 寂寞嫦娥舒广袖， 万里 ...

引力=生产关系, did his deputy Liu tell him to shut up in the politico bureau's meeting? Mao's 溫度很上火? it has to be.

looks like 毛, 很上火, being bothered by "引力 as 局部惯性系(伽利略慣性系)加速=you feel 溫度heat locally"

what did he do with his 火? beat the "f--- out" of those his counter parties in class struggle, and obviously and maybe most importantly, with the theoretical guidance of the great social 理论物理学家 and the great social technologist, 列寧, an another 天才, and 毛天才 is definitely at that level;

how? in and out class struggle 相空間 of 6k years of Chinese history, where all the important "bits" of those great stories have been recorded and written into Verlinde全息屏, where you could do "面積"積分 to get 測度, and with that 測度, you fight your battle/war in 位形空间, which is conjugate 共軛 to your 相空間 mathematically.

the way 毛泽东 figured out his theory about class struggle as we all know: he basically read all the history of Chinese 6k years of class struggle, all classic case studies of those most bloody ones;

that="引力场没有质量，应考虑无质量场最大的时空对称群———共形群"

=Verlinde全息屏=mapping class struggle into a phase space 相空間, where 么正性, gauge, 測度, 度規 or mathematically unitary group or 測度 can tell us how to beat up those class enemies;

"用规范场的观点来研究引力理论，国内开展得较早，这也与杨先生的影响有关&不过，杨先生所考虑的相当于齐次洛伦兹群，这是不够的&而且，别人也早有文章&后来，周先生提及，引力场没有质量，应考虑无质量场最大的时空对称群———共形群，探讨如何把引力场方程改写为与共形群相关的规范场形式，含义深刻&另一次交谈，涉及规范理论中的磁单极和瞬子&在谈到它们分别与第一与第二陈类有关时，周先生提出：第三陈类会有什么物理？要知道，第三陈类至少应定义在六维空间上，而物理时空只有四维&问题简单而又大胆！然而，这一“第三陈类”之指，恰恰指向几年后极其重要的、规范反常的拓扑起源问"

周先生=周光召, I am not sure how many mainland Chinese 理论物理学家 today can be even close to 周光召 level, not sure about Li Miao, anybody else even can read and understand Verlinde全息屏? I don't know

how can china can catch up with white in physics/math AI? how to 后发优势?

4.

4.1

your post about "人类永生现在还做不到，当然Kurzweil认为还有15年就可以做到"

basically, we're at bottle neck of qm:

so far, "半導體景深" stuff=经典电荷分布

Depth of Focus, DOF=半導體景深, to 光刻 半導體 silicon wafer (大腦皮層?), with clear and small 線寬 and 量產, not easy stuff;

according qm's uncertainty principle : 电子空间定位精度=Compton 波长 h/mc~R/α~10-12 米的量级, with α(精细结构常数) @about 1/137

semi folks have to work at 电子空间尺度 far about the above qm 尺度;

so is our brain with its potential capped/limited @经典尺度. and our brain is basically a piece of condensed matter messing around@常溫平衡態, with pre-installed OS or 聲子場方程(文化,意识形态), fooling around in today's 社会场, with most energy wasted or working with very little return if any, so physics/math oriented AI has a huge productivity potential for human society, in terms of human capital preservation and development.

4.2

human capital preservation and development:

what can be more important than that for any nation?

and that is where white is going to put Chinese way behind, with the way tg is managing china, 漁民,腦殘, and that is why fundamentally, as I said before, I am not sure what tg has been doing is really good or bad for the Chinese nation as a whole and in long term, history will know.

if we have a qm-AI breakthrough, we could potentially and theoretically feel, see and dance with "phantom of the opera", for at least 再活五百年?

we don't know exactly, due to qm's uncertainty principle, but there could be potentially a lot of fun ahead

------------

Unlimited products are like bosons and restaurant reservations are like fermions.

By Rebecca BoylePosted 01.16.2013 at 10:00 am4 Comments

Standard Model

Standard Model Fermilab

From OpenTable to Amazon to your Netflix queue, algorithms sift through what we seem to like and offer future suggestions tailored to fit those trends. But the problem is they do this for everybody. So if everyone gets the same recommendations on OpenTable, everyone will try to reserve a table, and there won’t be any seats left. What's more, if everyone gets a movie recommendation and everyone decides to watch it, the movie gets more popular--creating biases in the system. To improve matters, some researchers in Switzerland took a cue from the master rules of physics.

In particle physics, a given boson or lepton tends to occupy the most favorable energy state. If it’s a force-carrying boson--like a photon, a W boson or a Higgs boson--there’s no limit to how many particles can share real estate in that state. But if it’s a fermion--like a quark, or an electron or proton--then only a certain number can be in the same place at the same time.

Related Articles

How It Works: A Smarter Crash-Test Dummy

McLaren F1 Designer Unveils New Ultra-Efficient Minicar, Smaller (And Cooler) Than Smart Car

Video: DaVinci Surgery Robot Celebrates Its Fifth Birthday

Tags

Technology, Rebecca Boyle, algorithms, bayesian model averaging, netflix, recommendation, standard model of particle physicsAlgorithms should take this approach and function according to the rules of fermions rather than bosons, according to Stanislao Gualdi of the University of Fribourg and colleagues. After all, an object’s utility declines with an increase in the number of people using it, they argue. It’s like everyone buys the same guidebook and goes to the same quiet beach, meaning the beach is no longer quiet.

To study this concept, Gualdi and colleagues looked at DVD rentals. Using this model, a service like Netflix could limit the number of people who can have a single DVD at a time, forcing other DVDs to be recommended and chosen as secondary options. This limits biases that can happen when you give everyone unfettered access to the same thing, and this is good because it gives the whole recommendation engine some new fodder.

As Tech Review's arXiv blog points out, this is not necessarily a way to increase profits, so it's hard to see any recommendation service implementing the idea anytime soon. But it's an interesting concept.

“Crowd-avoidance can be applied to nd a good compromise between satisfying the preferences of users and distributing them among objects evenly,” the authors write. Their paper is posted to the arXiv preprint server.

[Technology Review]

你的这个资料很好。其中有一段，值得强调一下：

我想这是历史上的第一次，用AI帮助做科研。我们都知道，数字计算机对科研的极端重要性。但是，以前这个极端重要性是用在两个方面，其一是做各种科学计算，主要是各种微分方程计算和离散数学计算，其二是做数据处理，主要是管理数据等。当然还有就是用于信息交流等。这次他们的做法，是开了历史的先例，就是说，要做某个科研了，除了以前科研需要做的事情外，还专门建立一个和这个科研有关的脑模型（所谓的深度学习，其实就是一个比较简单一些的脑模型），让这个脑模型来做某种人脑可能并不特别专长的工作，然后极大促进本项科研。

这样一种使用计算机的方法，将很快向各方面普及。可能过若干年后，一个科研组不会使用这样的方法，就完全没有竞争力了。以后这些用于科研的脑模型可能会越来越复杂，在这些特殊方面，将远远超过人脑，就像现在人脑不可能和计算机在科学计算方面比一样。

这些都是我们正在亲眼目睹的大事件，而且正在发生中。可惜的是，来参与我们讨论的人还是太少了。可惜。看树的老鼠河友也不来了。他应该是做大型神经网络计算的。

不知道谁能把上面说的那个默克公司的竞赛的工作找出来，让我们看看他们是具体怎么做的。我是很有兴趣知道的。

看了那个记忆假体的报道，又追踪了一下，感到这个玄想其实不是很远了。

记得以前看过一本书，其中讲到乔姆斯基的一段话，就是，语言是人脑中唯一的可以抓住的东西，其他的东西都抓不住。不是很确实这的确是他说的了。不过，不管是谁说的，这个话在今天是正确的。但是，明天可能就不正确了。按照那位Berger博士的做法，在海马体上安装了记忆假肢，再和外界通讯一下，人脑里面的记忆，就可以不通过语言而交流交换了。

他自己都说：“I never thought I’d see this go into humans, and now our discussions are about when and how. I never thought I’d live to see the day.”。很惊人。

如果这个事情成了，那么你的玄想就不再玄了。设想一下，一位人物过世了（因为其他身体器官的彻底失效），但是，他的大脑还是好的，就可以把他的脑发在营养液中，连上Berger博士的记忆假肢，他的脑就可以继续工作。

我查了一下Berger博士的网站：外链出处 但是没有查到他的论文，就是说明海马体怎样工作的数学公式的论文。你查到了吗？

他帖子的易读性上已经超越人类极限了。

或者真的有上帝。。。

1.

那么人是信息的永动机吗？ [ 墨虎 ] 于:2013-04-28 01:00:54 复:3843180

或者真的有上帝。。。

I don't know

2. what I think I do know

2.1

"語言/意识=脑熱振盪時所輻射的出某特征值的正整數倍的能量 [ 晓兵 ] 于:2013-03-29 13:15:15 复:3861177

1. planck blackbody radiation

黑體輻射:黑體內粒子因為溫度而發生熱振盪時所產生的輻射波,振盪子, 輻射出的能量=某特征值的正整數倍"

2.2

脑熱振盪: huge energy consumption =about 70% of one person's total

energy consumption, if I remember;

2.3

average 脑 and its 熱振盪 vs environment should obey 麦克斯维尔分布(速度分布函数)@温度=most of the time, and its 信噪比 peaks out easily on its 抛物线,with a lot of 信息重复 with 語言重复=waste of our brain energy,

normally, and I think that on average, our 脑 are all "normal" 热脑, and normally

粒子速度=粒子热速度, 粒子分布=经典的maxwell分布

and our 意识粒子 are not very much different from the above physics, unless we have 相对论能量条件, for most of us under most normal situations, with our 意识粒子 doing a lot of 重复工作, low productivity. that is perhaps why, in US, sports are very popular, instead of 学习: for brain, diversity may be more important than 專一!!!

"玻耳兹曼根据H定理证明，在达到平衡状态时,气体分子的速度分布趋于麦克斯韦分布":

平衡状态=系统趋向于势能较低状态

problem1: 信息重复/語言重复 @平衡态/势能较低状态

problem2: to get "real"信息, brain needs to get into those non平衡态/high 势能态, but how?

2.4 Verlinde's 全息屏

I have posted quite bit about Verlinde's 全息屏

Verlinde's 全息屏 will help us to screen out those 信息重复/語言重复, cutting down our brain energy consumption, as an immediate brain app of Verlinde's 全息屏

there will be more Verlinde's 全息屏 apps coming out

智慧生物是很狡诈的，他们会制定规则，甚至用规则去train其他的生物，智慧的和非智慧的。

人丰富的感情=poor logic，似乎可以帮助被train的智慧生物摆脱局部logic的束缚，从而探索更深刻的logic。

人的感情（化学）也许是智慧生物之间博弈的产物，logic（电路）以外的另一套法则。

今天周末，歪一下楼，《燕赵晚报》系河北省内第一家综合类晚报，号称河北省省会最有影响力的报纸。

该报纸于2013年4月25日A10版报道“他发明的异能发电机“颠覆”相对论有多难？”主要描述了鹿泉市张家庄村民张景元，坚持科研几十年，通过面、点发电机使氕气发生聚变产生热量，使轻核聚变研究取得突破性进展。不仅如此，张景元还研究出了自称与科学界公认的物理学、电工学相悖，颠覆爱因斯坦相对论的异能发电机。为此该村民共计借贷数百万元，并直接导致其“家庭的开销都是靠妻子一个人种地维持，三个孩子都学习优秀却因为经济问题没上大学”。该消息被CNBeta等转载评论。

that would be those super smarty 生物's智慧

an example: mao basically managed to 站立在波涛滚滚的class struggle 海面上, and we all know what happened to those others struggling below/above 海面 under mao's feet;

most of us=those others struggling below/above 海面, and most likely under someone's feel

1

we=swimming system, and 海=system's environment/heat bath, and we exchange energy/information with海, and because of 海's 作用 on us, we 扭曲, 曲线, otherwise we would be "a straight line", and our mind/body 经典力学物理特征尺度, our mouse, nose, eyes are pretty much @the 浪花一朵朵尺度, we often suffer from choking, but overall we survive

2.

those 浪花一朵朵 etc=environment,heat bath, 基本平衡的大海'的熵, if @non-平衡的大海, we would not be able to see and come back to the shore again, most likely

"系统在绝对温度零度时存在基础状态，所以熵就是它基础状态的简并态。有许多系统，如晶格点阵就存在一个唯一的基础状态，所以它在绝对温度零度时的熵为零。(因为ln(1) = 0)。"

https://zh.wikipedia.org/wiki/%E7%86%B5

"

1923年，德國科學家普朗克來中國講學用到entropy這個詞，胡剛復教授翻譯時靈機一動，把「商」字加火旁來意譯「entropy」這個字，創造了「熵」字，（音同：商），因為熵是Q除以T(溫度)的商數[5]。

"

https://zh.wikipedia.org/wiki/%E7%86%B5

3. if 基本平衡的大海 is like 晶格点阵就存在一个唯一的基础状态，所以它在绝对温度零度时的熵为零, that would be beautiful, our natural brain can handle it easily

that is pretty much our physics when we drive a car in a busy city, we all can handle it;

4. unlike #3, our social environment =波涛滚滚的海面

4.1

when our social environment is a junior 引力场, after some training and with a good leader, we can handle those 浪花一朵朵 with its 尺度@ about our 物理特征尺度, meaning our mouse, nose, eyes are pretty much @ 浪花一朵朵尺度, and we can handle them, at local;

and at local, we 应接不暇, but feeling great, feeling we 找到了组织, 真理 etc, although in actuality we have only found tons of the big system's熵 with its all kind of 简并态, almost with zero value, so we are swimmer, not leader

for a leader, he needs to know the physics of 大海@平衡 and non 平衡 , to really lead those swimmers out of

大海 for a at least a brief break on the shore

again @local, our brain 物理特征尺度=pretty 热物理特征尺度, not much smarter than our mouse, nose, eye, with all 物理作用 has to be regulated by SR, and they are local per SR

for leaders: GR is a must

sometimes our social junior 引力场 turns into a senior 引力场, then some of us will never come out of 海面 anymore, they become a part of 引力场海, and 4 ever

4.2

at 4.1, in social 引力场, we work very hard, but not really getting any information other than 熵, with a lot of 信息重复语言重复，郭美美, 美美郭,etc, a lot of Chinese 熵 garbage made particularly for Chinese swimmers

app: now we know that a reasonably free sina weibo kind of social media is actually good for sysadm such as tg, 治大国如烹小鲜;

for usa: it is more of market 治大国如烹小鲜, to get the energy/resource out of those weak/stupid 小鲜, and reallocate to those strong/smart/hopefully innovators;

5. how to 站立在波涛滚滚的海面上?

for tg system: you want to have your own 墨办, if you can't figure out how to have a 墨办, then follow those who have got a 墨办, so tg's system 测度=1 中央测度

for usa: in addition to 墨办, you could have 墨 models (such as a customized Verlinde's 全息屏), and possibly a couple of other options, such as sports, religion, etc, USA system wants to select a possible group of leaders from a as competitive (smart) and as diverse (to hedge when some smart=fake) as possible pool of swimmers, because you never know what the next 大海 ahead of you is gong to look like, until you get hit by its 波涛滚滚

做计算机做不了的事:外链出处

这和我们的话题紧密相关。不过，我们可以再仔细看看这些未来的职业：

其中，我特别感兴趣的是：扩容记忆外科医生、儿童设计师、触觉程序设计师。这三个和脑科学特别有关系。扩容记忆外科医生，其实就是我们前几天说的那位Berger博士的工作的实现和延伸，就是在人脑里面加芯片等。居然有人连职业的名字都想好了。儿童设计师是什么呢？我猜想，其实就是对儿童做特殊脑训练的儿科医生/教师。过几十年后，对儿童脑发育有了比较深入的理解，这个职业必然应运而生。我们可以这样设想一下，某个儿童的父母想他发展某方面的才能，例如在滑雪场做空翻左720度+前1080度，他们就雇佣某儿童设计师，来对其脑部做某种hack（中文翻译不能再用黑客了吧？用什么呢？），使得其运动区能够有能力来做这个。而触觉程序设计师是什么？我就不知道了。他也没有说。不过猜测一下，可能是某种软件工程师，专注于机器人的触觉的。

首先推荐这个视频，The Next Generation of Neural Networks：外链出处

这是这个领域的影响最大的家伙在影响最大的公司的讲课，值得仔细看。这也是这个时代的学习的一个典型例子。倒退15年，除非你人在那个公司或者学校，是没有办法听这样的讲课的。借助现代工具，可以了。这是远程学习的开端，仅仅是开端，以后的远程学习的发展将远超于此。

杰夫韩顿在其中说得很好，目前我们不知道脑里面究竟在做什么，我们是根据从外面了解到的情况来推断，并且做一些工程上的事情来模拟。真正需要两方面的工作，一方面是从工程上根据了解到的外部情况来模拟，一方面是科学上仔细了解脑里面在做什么，然后指导工程上的工作。正是秉持这种理念，韩顿的确进了一大步。他的深度学习已经成了当今的显学。大家可以看他讲课中的那几个视频，很有趣，看了应该对这个新一代的神经网络有清晰的了解。据说他现在去谷歌专门做这个去了。是否有人了解他究竟去干什么？这个信息应该有趣。

这就要说到我这次玄想的主题了，元学习机。元学习机，就是最基本的学习的单元，或者说是最小的具备学习的单元，而且可以用这些单元来搭建更大更高级的学习机。有没有这种东西，我不知道。我也不知道在现有的文献中是否有人已经提出乃至建立了这样的东西。因此这里请教大家，如果能提供索引和链接，找出文献中和这种东西相关的，不胜感谢。但是，我相信这个东西是比较重要的，也恐怕是可以做出来的。所以加以幻想。如果真是有这样的东西，或者说，能够建立这样的硬件和软件产品，那么，就有可能开辟新的计算路线，而不再仅是用冯诺曼机了。

还是遵循那种思路，先来从外部观察脑活动，以获取支持的信息。基本的想法是，神经组织接受到外来信号后，必然要做信息处理和学习。不但人脑内部如此，就是更低级的生物，例如蚊子，更甚至于植物，都如此。我们再来看一下，简单生物，例如苍蝇蚊子，是怎么对这种信号输入做处理的。下面是网上找到的一段：

通过这样的描述，我们可以理解，蚊子身体中应该有这样的感受器和处理器，即感受到不同的浓度，然后提交处理器处理，而处理器可以做出准确的判断，只有在浓度的变动幅度和人体呼吸类似的时候，蚊子才会判断有人了，要过去吸血。

据说蚊子苍蝇的神经系统中神经元不过几万到10万，而其中用来做气味感受和反应的，恐怕就更少了，大多少恐怕还是做飞行控制的吧。但是，这么些神经元，就可以做如上所说的那些相当精细的感受和反应。现代计算机的计算功能远超，是否有软件能够做如此精细的判断和控制？

因此，做下面的这些推想，就比较合理了。

最简单的外来信号是什么呢？我想，就是两个标量。这两个标量可以是同时输入，但是由不同的感受部位感受的，例如视觉和听觉，也可以是不同时间输入，例如蚊子前一时间感受到一个浓度，下一时间感受到另一个浓度，总之是两个标量输入。我猜想，恐怕没有比这种信号输入更简单的输入了。而且，其他的任何信号输入，都可以分解成若干组两个标量的输入。目前我对这个分解并无证明，也没有心思去做，这就是搞着玩而非专业的局限。但是从感觉上看，应该没有大问题。

这两个标量，输入到蚊子的最初级的处理器，那么怎么处理呢？当然应该是分别两个标量的大小了。说到这里，恐怕有人要说，这简单，做减法就可以了。但是且慢。我们知道，单个的神经元是不能做减法的。好像没有生物物理或者生物化学的机制让神经元做减法。但是，一群神经元，应该是可以做减法的，否则无法解释蚊子能够做的信息处理。那么，什么样的一群神经元，通过什么样的方式集合和联结起来，然后通过生物物理或者生物化学的机制，就可以很有效做这个减法？而且，做了减法后，可以记住若干重要的量，例如两个量的差，等等。

这个问题，就是元学习机的问题。这样的一群神经元，就是元学习机。我猜想，这样的元学习机，通过叠加，就可以组建成很强大的计算能力，以及学习能力。

最后，举一个生物界的强大的计算能力的例子。我们知道蝙蝠用声纳来抓蚊子吃。但是，空中除了有蚊子外，还有各种悬浮的东西，例如各种小的碎片。蝙蝠完全可以区分。说起来比较惊人，蝙蝠是通过多普勒效应来区分的，因为蚊子要扇翅，就可以产生超声的多普勒，蝙蝠就可以区分。那么蝙蝠的神经元有多少？有数据说，大概是5x10^7个（人脑有10^11个）。这么一些神经元，就可以做如此精密的计算。我估计现有的超级计算机和最好的软件，也未必能够做这样精细和迅速的计算。我们没有能力做一台超声多普勒雷达来探测蚊子，大型的都不行，还不要说微型的了。

我觉得外行人的冷眼，有时候会帮助内行人。有时候行内的人，学得相关背景知识太多，会有灯下黑。

把基本实验事实拿出来，用最基本的物理化学原理去对应。用其他学科的推理方法来推演一下。有时候会帮助内行人启发。

主要是要运用基本方法，基本事实，基本原理，冷静的没有背景知识的，在一片白纸上推演。

扯乱七八糟的东西越多，离真正的本质越远。

尤其各种神秘化的东西，不但反科学，也反理智。

真正的本质事实是，大脑细胞和身体中的其他细胞都是从一个单一的受精卵分化出来的。而原始动物的神经细胞是从基本的上皮细胞分化演化出来的。大脑细胞和小肠，膀胱，胰脏细胞没有什么大不同，都是从表皮细胞分化出的。他们里面是同一套DNA。他们有几乎相同的内部结构。其基本的膜结构是完全一样的。小肠和大脑细胞，运用同样的细胞膜通道做基本工作原理。大脑细胞交换信号分子，打开关闭信号通道，和小肠分泌消化液吸收肽没有任何差异。

离开了这个基本事实，胡编乱扯什么高维空间熵，虚无缥缈的类别，什么量子态，对理解基本事实南辕北辙。

如果你分析小肠形成大粪的过程，不需要高维空间熵，不需要量子态，那么分析大脑也不需要。

要理解，大脑进行计算理智，和小肠大肠形成大粪是一样的原理。这是我的直觉。我认为这是脑科学最重要的一个事实。所有的科学推理都基于此。

（另外一个是，脑科学和计算机计算科学，是两个不同的方向。脑科学探索出的原理，可能对计算机技术并无帮助。我们知道了小肠形成大粪的原理，对建造新型化工厂并无帮助。）

（脑科学，我觉得现在相当于1930年研究遗传规律。我反复回想一下看过的《双螺旋》。我觉得在1930年，即使没有进一步的科学实验结果，如果有人真的非常仔细的思考，通过科学直觉，也能够根据有限的事实，反推出遗传基因的核心规律。）

（这种科学直觉，在很多重大原理性的发现起作用。比如，化学周期表，完全是科学直觉。）

如果连电脑都干不赢，哪他/她就没有存在的必要了。

当然，更好的趋势是电脑和人脑相互相成，变成一把超强的利剑，把活干到极致……

送花成功。感谢：作者获得通宝一枚。恭喜：你意外获得 4 铢钱。1通宝=16铢

作者，声望:1；铢钱:16。你，乐善:1；铢钱:3。本帖花:1

这和教育有一定关系，不过也不是非常直接和简单。受了比较好的教育，应该于比较好的能力做各种调整来适应新的变化。不过这也仅是“应该”，我们常常听说的某人某人又怎么怎么了，不就是没有做到这些“应该”吗？

首先，谢谢你的深度参与讨论，的确感谢。

你说科学的直觉和反直觉，我感到这个提法很好，很有触动。有的时候，某种直觉很有帮助，有的时候，某种反直觉很有帮助。总之，需要启发一些超想象力。

先说明一下，那些过度的发散思维，例如高维空间熵等，其实不是我的想法，而是晓兵的。我认为，可以而且应该多多发散，但是最后还是要聚焦，过度发散思维，对事情并不利。这点我和你没有不同意见。

但是，现在我们具体到一个很具体的问题，那就是最简单的神经元处理信息，是怎么完成的？我猜想这个问题，对接近脑内回路的真相，是很有帮助的。问题很明白放在那里，蚊子接受到两个标量信号，用什么样的神经元回路来处理这两个标量信号，从而获得对食物源的准确判断？

你说，脑科学和计算机计算科学，是两个不同的方向。脑科学探索出的原理，可能对计算机技术并无帮助。的确，这是两个完全不同的方向。但是两者非常相关。脑和计算机都是信息处理机，不过两者的计算原理完全不同，因此各自对不同的计算任务有很不相同的效率。事实上，计算机完全有可能模拟脑内回路，如果我们清楚脑内回路的话。如果那样，可能计算效率就会指数性地提高。这正是众多模拟脑回路的研究者的基本动机。例如，先进科技局的要求，要求对脑内回路处理信息的原理真切了解，就是最典型的。不过，我们是否能够做到，是否能够在短期内理解这些回路，就是问题了。泛泛的脑科学的进展，未必对这个理解有帮助。这点上你是对的。不过，我相信，总体上讲，脑科学的进展，对这点的理解，是会有促进的。

我是猜想，元学习机这个概念的提出，或许对理解这些问题有所帮助。欢迎大家多多提出思路，发散的也好，聚焦的也好。来讨论的河友还是太少了一些。