1 新智元推薦
神經(jīng)網(wǎng)絡和深度學習這些人工智能模型有一個假設，那就是二維簡單連接的網(wǎng)絡拓撲結構，最新實證研究推翻了這一點：大腦神經(jīng)元之間存在著高維度連接的結構，而且在解決問題和學習的時候存在著臨機學習的特征（Lazy Learning/Query based Learning)，在神經(jīng)元互相連接的高維度叢林中，復雜的拓撲結構如同沙灘上的城堡，不斷出現(xiàn)又不斷消失(emerging patterns)，驗證了佛家的“諸法因緣生，緣謝法還滅”。
腦科學家發(fā)現(xiàn)人腦能運作多達11種不同的維度，創(chuàng)造出多元宇宙的結構，是人類“從未想象過的世界”。
通過運用一個先進的數(shù)學系統(tǒng)，研究人員揭解出人腦在信息分裂消失前處理信息時的腦部構造。
研究結果刊載于期刊《計算神經(jīng)科學前沿》（Frontiers in Computational Neuroscience），揭示出人腦創(chuàng)造神經(jīng)結構的大量復雜過程，可能有助解釋為何人腦如此高深莫測，以及把腦部結構和功能連接起來為何如此困難。
由瑞士洛桑聯(lián)邦理工學院科學家領導的研究隊伍進行的研究為藍腦計劃（Blue Brain Project）的一部分，計劃目的是細致重組人腦的生物結構。隊伍利用超級計算機，先以嚙齒動物的腦部作模擬研究，了解腦部不同區(qū)域內(nèi)復雜的相互作用。
在最新的研究中，研究人員利用代數(shù)拓撲學（用以描述空間和結構不斷變化的網(wǎng)絡的系統(tǒng)），細致結成神經(jīng)網(wǎng)絡結構。這是首次把此數(shù)學分支應用到神經(jīng)科學上。
研究者凱瑟．琳赫斯（Kathryn Hess）曾提及：「代數(shù)拓撲學像是望遠鏡和顯微鏡的結合，既能放大網(wǎng)絡并尋找當中的隱藏結構，就像在大森林中同時看到樹林和空曠地?！?/p>
在研究中，研究人員對虛擬的腦部組織進行多重測試，發(fā)現(xiàn)腦結構的出現(xiàn)并非偶然；并對真實的腦部組織作出相同實驗，確定先前的試驗結果。
當研究人員對虛擬大腦組織施加刺激時，他們發(fā)現(xiàn)多組神經(jīng)元組成一個團塊。各神經(jīng)元以非常特殊的形式互相連接，產(chǎn)生精密的幾何結構。團塊中的的神經(jīng)元愈多，維度愈高。
在部分情況下，研究人員發(fā)現(xiàn)團塊可多達11個維度。
由神經(jīng)元組成的結構形成高維度的孔隙，研究隊伍稱之為空洞。當大腦完成處理信息，組織和空洞便會消失。
左：這是大腦新皮層一部分（大腦最發(fā)達的部分）的數(shù)碼影像
右：構造物的不同維度；中間的黑孔標志多維空間或空洞的復合體
藍腦計劃
研究人員冉．列維（Ran Levi）表示：「當大腦處理信息時，高維度空洞的出現(xiàn)代表大腦網(wǎng)絡中的神經(jīng)元對刺激物以極有組織的方式產(chǎn)生反應?！?/p>
「大腦對刺激物出現(xiàn)反應先由桿件（一維）﹑平板（二維）﹑立方（三維），繼而是更復雜的四維﹑五維等幾何結構所組成，現(xiàn)象猶如用多維塊體建構成高塔，再將其夷平。大腦反應過程就像用沙建造多維的城堡，最終解體。」冉列維補充。
「通常應用于研究網(wǎng)絡的數(shù)學方法不能驗測到我們現(xiàn)在清楚可見的高維度結構和空間。」藍腦計劃策劃者亨利．馬克拉姆指研究發(fā)現(xiàn)有助解釋為何人腦如此難以理解。
「我們發(fā)現(xiàn)了一個我們未曾想象過的世界。甚至大腦中的小斑點中也有數(shù)以千萬的結構，超過7個維度。在部分網(wǎng)絡中，我們甚至發(fā)現(xiàn)結構多達11個維度。」
研究發(fā)現(xiàn)顯示大腦透過創(chuàng)造復雜的團塊和空洞以處理刺激物，所以研究的下一步是要找出我們執(zhí)行復雜任務的能力是否有必須依靠這些多維結構的形成。
赫斯在與《新聞周刊》（Newsweek）的電郵訪問中，提出研究發(fā)現(xiàn)引領我們更了解「神經(jīng)科學的其中一種基本奧秘：大腦結構與其處理信息的關系」。
她指出，利用代數(shù)拓撲學，研究隊伍發(fā)現(xiàn)到這些精密組織結構隱藏在似是雜亂無序的神經(jīng)元活動模式中，而這種精密結構在研究者使用這種特殊的數(shù)學過濾前根本無法看到。
赫斯再指出，研究發(fā)現(xiàn)當我們以低維度表示檢查大腦活動時，我們只能取得大腦真實活動的投影。這表示我們能見到部分信息，而非全部影像?！敢虼?，我們的發(fā)現(xiàn)可能解釋到為何大腦結構和功能的關系是如此難以理解?！?/p>
「我們發(fā)現(xiàn)的典型反應模式顯示當對刺激產(chǎn)生反應時，網(wǎng)絡線路總是透過建構一系列的幾何表示結構，維度由低至高循序遞增，直至建構突然停止再倒塌——這是對刺激物的反應的數(shù)學標志?！?/p>
赫斯補充：「我們未來的工作是利用代數(shù)拓撲學工具，研究可塑性（即對刺激做出的連接增強和減弱的反應）的作用。可塑性是探究奧秘的學習過程的基本概念，我們期盼將來能就這現(xiàn)象提出新的見解?！?/p>
本文由宏觀資本獨家翻譯及整理自Newsweek，本文不代表宏觀資本/比特港觀點，轉載請注明出處。
點擊閱讀原文查看新智元招聘信息
