《脑的高级功能与神经网络》读书笔记

《脑的高级功能与神经网络》读书笔记

#

一、引言：本书的学术定位与研究视角

黄秉宪先生编著的《脑的高级功能与神经网络》出版于2000年5月，由科学出版社出版。这是一本论述脑的高级功能——如感知、记忆、思维过程的神经网络专著。全书以建立神经网络模型为主线，介绍了脑的结构、生理及信息处理的基本知识，并在此基础上对记忆和思维过程的原理作了探讨。

从作者在前言中的表述可以看出，本书具有明确的学术立场和方法论主张。作者指出：“知识经济时代已现端倪，知识对人类生活的作用更加突出。人脑是知识的生产者，知识的传播、存贮和使用都有赖于人脑的高级信息处理功能。”这段话点明了本书写作的时代背景和现实意义——在知识经济时代，理解人脑如何生产、存贮和使用知识，具有基础性的科学价值。

作者的核心观点在其前言中有清晰的阐述：脑的高级功能主要依靠细胞以上系统水平的研究，因为“脑的高级功能是各个脑区相互协调的结果”。单个神经元虽然足够复杂——有多个离子通路、有上万个突触、已有上千个方程式来描述其生物物理过程——但“单个神经元对人脑的信息处理过程的作用是极微不足道的，只有大量神经元群的活动才能反映脑内的信息处理过程”。基于此，作者提出的研究路径是：“从系统科学的观点，以信息处理为主线，综合认知心理学、神经心理学、神经生理和解剖学，以及神经网络研究的成果，建立脑的高级功能的神经网络模型，并以模型为工具才能有效地揭示诸如记忆、思维、决策等脑的功能的结构和规律。”

这一方法论立场对于当今的脑科学研究仍具有重要的启发意义。在分子生物学和基因技术高度发展的今天，还原论的研究范式在脑科学中占据主导地位，但从系统层面理解脑的高级功能，仍是不可或缺的研究路径。

二、第一章核心观点的深入分析

2.1 脑是复杂的信息处理系统

第一章开宗明义地指出：“脑是迄今我们所知的最复杂的组织。它的复杂性不仅表现在其组成单元数目巨大（有约10^10~1011个神经元，10^14个突触），而且主要表现在其各单元之间有着极其复杂的相互联系和相互作用。”

这一论断的核心在于：脑的复杂性不仅在于其组成单元的数量，更在于这些单元之间的组织方式。作者通过人脑与鼠脑的对比来强调这一点：“人脑与鼠脑在细胞结构方面，在传递信息的神经递质方面有很大的相似性。而其表现出来的脑的整体功能上，却有本质的差别。这一差别应从神经网络的联接的差异去说明。”

这一论述具有深刻的方法论意义。它告诉我们，研究脑的高级功能，不能仅仅停留在对单个神经元的精细描述上，而必须关注神经元之间的联接模式——即神经网络的结构和动力学特性。这正是本书选择神经网络建模作为研究主线的原因。

2.2 脑的层次结构特征

作者详细描述了神经系统的层次结构——从分子水平（约1埃）到整体脑（约1米），跨越了大约10个数量级的空间尺度。这个层次结构包括：分子→突触→神经元→局部网络→运算单元→系统→脑。

特别值得注意的是作者对视觉系统的分析。书中指出：“从猴的视觉系统的解剖和生理研究，已揭示在大脑皮层中有35个区与视觉有关。其大致的联系基本已搞清……其中有305条视通路，将皮层30余个区联系，大致可划分为十级。”

这段描述揭示了脑的高级功能的一个重要特征：信息的处理不是在单一脑区完成的，而是经过多层次的、并行和串行结合的处理过程。视觉信息由视网膜转换为神经信号，经过外侧膝状体到达视皮层原感区（V1），然后到达纹外区（V2），此后分为两条通路——视运动信息处理通道（MT→MST）和处理形状和颜色信息的通路（V3→V4→IT）。

作者还指出了一个重要的结构特征：除了逐级上传的通路外，“还有越级上传的通路，许多通路是交互的，即有由上级向下级传送信息的通路。特别在较高层次上，有着错综复杂的联系。”这种复杂的交互联接模式，“增加了定量分析这类系统的困难”，但也正是脑的信息处理灵活性的结构基础。

2.3 并行处理与串行中心的统一

在讨论脑的并行处理特征时，作者提出了一个极富洞察力的观点：“脑内同时存在两类信息处理型式。即有意识和无意识的神经信息处理。人脑有注意机制存在，可以对同时传入的多种信息进行选择地处理，根据当时的情景和对生存的意义，在每一时刻将最重要的信息置于信息处理的中心，而这个中心为意识所感知，并且对同时存在的无意识的信息有决定性的影响。即脑在其并行信息处理过程中，形成一个当前的中心，意识是顺序出现的，属串行性质。意识成为脑内并行信息处理的串行中心。”

这一论述将意识置于信息处理框架中来理解——意识不是一种神秘的超自然现象，而是脑的并行信息处理系统中的一个“串行中心”。这个“串行中心”概念很好地解释了为什么我们的意识体验是连贯的、单一焦点的，即使脑内的信息处理是大规模并行的。

作者进一步指出：“无意识的活动，在一定条件下，可以转变为有意识的活动。两种不同信息处理方式同时存在并可在一定条件下相互转换，可能是脑内信息处理的灵活性的重要因素。”这一观点为理解创造性思维提供了线索——直觉和灵感可能正是无意识信息处理向意识层面“浮现”的结果。

2.4 可塑性与自组织

“可塑性是神经结构的重要特点，特别是通过突触的可塑性变化，可以改变神经元间的联系，从而改变了神经网络的特性，实现记忆和学习功能；使得脑成为有自组织能力的系统。”

作者指出，脑的可塑性不仅存在于发育过程中，而且“在整个生命活动过程中，脑不断随经验而进行可塑性变化，从而实现对信息存贮和处理能力的改进。”这意味着脑不是一个固定的、硬连线的机器，而是一个动态的、终生可变的自适应系统。

书中引用了几个有力的实验证据来支持信息表达区的动态变化性。例如：“高度技巧的钢琴演奏家，其对钢琴声音的听皮层代表区，比对照（未练过钢琴弹奏者）大25%，而增加的程度与练琴年限相关。”还有实验证明“听皮层对某一频率声音的代表区可因同时刺激基底神经核而扩大。通过1周的训练即有明显增大。”

作者对这些证据进行了深入的理论概括：“人脑是一个特殊的信息处理机器，它能在使用中不断提高其处理能力，并在部分受到损坏时，用小的改动而保持一定的工作能力。而脑的信息处理结构（及脑的信息表达代表区）可能是人体各个器官中个体差异最大的结构。”

这一结论将脑定位为一个“在使用中提高”的自适应系统，其个体差异远大于其他器官。这为我们理解个体认知差异和学习能力的可塑性提供了神经科学基础。

2.5 信息处理的先天确定性与后天可调性

第一章中最精彩的分析之一，是作者对脑的信息表达区“先天大致确定而又后天局部可调变”这一特征的论述。

作者首先提出问题：“大脑皮层各区所代表的信息内容是否先天地确定了呢？”然后从信息编码的理论角度论证：“纯从信息编码的角度看，原则上并不要求预先确定脑内的表达。脑的任何部位都有可能通过联接的可塑性变化学会表达任何信息。”

接着引用Edelman的“神经达尔文主义”（神经群体选择理论）来说明信息表达的非预定性质。但作者随即给出了辩证的分析：“但实际上，脑在进化过程中，由于机体生存环境虽有差别，但大致情况仍有类似，为了快速适应环境，脑在先天大致上确定了不同信息类型的表达区域。”

作者举出了语言处理的例子来证明这种大致的先天分区：除了布罗卡区和维尔克区分别代表运动性语言区和感觉性语言区外，“近年来，还发现处理语言脑区的进一步的分化。有专门负责专有名词的区域在颞极，而普通名词的代表区则在内侧颞叶。而动词的专门表示区则在左前部。”

这种“先天大致确定而后天局部可调变”的结构，是作者对脑的信息处理组织原则的精辟概括：“它兼顾了能较快形成信息处理能力与应付可能出现的新情况两方面的需要。”如果所有代表区都通过学习来确定，建立速度太慢；如果完全先天固定，又无法适应新环境。脑的这种折中设计体现了生物进化的智慧。

2.6 建模和仿真是脑综合研究的最有效方法

在第一章的结论部分，作者明确提出了建模和仿真作为脑研究方法论的必然性。作者区分了不同层次的模型需求：

• 详细神经元模型：基于离子通道和树突分布等生物物理细节，“现已有上千个方程描述的神经元模型”，可直接与实验记录对照。
• 简化神经元网络模型：对复杂神经元模型简化后，“用40个神经元的网络系统的仿真，模拟了此网络1.5分钟的运行情况，在IBM并行机SP1花费了1.8小时”。
• 高级功能的神经网络模型：“涉及上百万个神经元，所以一般用很简单的神经元模型来着重研究神经元间联系的作用。”

作者强调在高级功能的神经网络模型中，“神经元本身应尽量简化，以免纠缠在细节中，不仅增加分析和仿真困难，而且还可能掩盖本质的东西。”

这一观点对于神经网络建模实践有重要的指导意义。作者还提出了一个重要的科学认识论观点：“在神经网络的建模中假设往往是必要的。但这些假设应在神经系统的一般规律和整体功能的启发下提出。假设本身可能要求实验的检验。如果在假设下，整个系统的工作符合实际，也将促使人们进行生物学实验，从而也推动实验神经生物学的进展。”

这种模型与实验之间的互动关系——模型预测→实验检验→模型修正——正是现代计算神经科学的核心方法论。

三、第二章脑的基本结构和功能的深入分析

3.1 脑的大体解剖结构与多级递阶控制

第二章从解剖结构入手，为读者建立对脑的基本认识。书中按照从下到上的顺序介绍了脊髓、脑干、间脑（丘脑）、大脑皮层、小脑、基底核和边缘系统。

一个贯穿全章的重要分析框架是“多级递阶结构和离中控制”。作者指出：“脑不仅在功能上而且在结构上，各部之间都是相互配合，相互协调形成一个有机的整体。在神经系统中，以大脑皮层为中心，外部信息经脊髓、脑干、丘脑上达大脑，经过大脑的综合分析，然后发出控制命令向下传到肌肉、腺体、支配机体的活动。”

作者将这一结构比作“一个完善的多级计算机系统”，但特别强调：“它与一般多级计算机系统不同，存在几个专门的协调机构。这些机构将同类信息和控制命令有效地组织起来，使之能更充分地加以利用。其中小脑为运动协调中心，丘脑为感觉传入信息协调中心，而下丘脑则为内环境控制的协调中心。”

这种三个专门协调中心的划分，使我们对脑的功能组织有了更清晰的理解。特别值得注意的是小脑的功能扩展——作者引用最新研究指出：“除了在运动协调中的作用外，近年来，通过深入研究已发现小脑在认知、定时和知觉辨识等方面也起着重要作用的证据。如从脑图像观察发现，当被试在完成由名词产生相应的动词的认知任务时，小脑被明显的激活。已有人提出了小脑协调认知过程的设想。”

这一发现暗示了一个重要的组织原则：“脑的结构可能是按其完成的运算而聚集。而完成一种功能需要进行不同的运算并且要求不同运算的相互配合。因此，在完成一种功能时，要求能完成不同运算功能的不同脑区间的协调。”这打破了传统上将脑区与单一功能简单对应的观念，强调了功能实现的多脑区协调本质。

3.2 脊髓的局部控制功能

作者对脊髓功能的分析简洁而深刻：“脊髓由此成为快速反应的局部控制器。当人体的局部组织受到侵害时，这一局部控制器可以快速反应避免受到损伤。”

作者进一步指出其设计意义：“长期进化形成的神经系统，采用了‘中央’与‘地方’各司其事的安排，把集中与分散统一起来，从而有效地保证机体的正常活动。”

这里蕴含着一个重要的工程学原理：分布式控制系统的可靠性优于集中式系统。脊髓作为“局部控制器”，能够在不需要大脑皮层参与的情况下完成快速反射，避免了信号传递延迟可能造成的损失。

3.3 脑干网状结构的状态控制中心

作者对脑干网状结构的分析尤为精彩。书中指出：“由低等哺乳动物到人，脑干网状结构容积仅增加2.5倍，而延髓容积增加9倍，大脑皮层容积增加90倍。可见网状结构是比较基本、古老的脑结构。它可能是机体状态的控制中心，或相当于电子计算机中的排队中断系统，有选定整个系统工作状态的能力。”

将脑干网状结构比作“计算机中的排队中断系统”，这一类比极为精当。它揭示了脑干网状结构的基本功能——不是处理特定信息，而是设定整个系统的“工作模式”或“运行状态”。

作者引用了具体的数字：“人的网状结构内大约有200万个神经元，而机体的各种基本工作状态，有人估计大致有20多种，如睡眠、进食、争斗、逃避等。每一种状态下，脑干网状结构内兴奋神经元分布不同，从而控制机体各部分，以适应生存的特定要求。”

特别值得注意的是对“争斗状态”的描述：“在争斗状态中，视觉空间分辨率降低，痛觉系统几乎完全切断，清晰的思维暂时停止，表现出愤怒的神情，此时运动趋向于固定的动作模式，并引起血糖上升等。”

这段描述与心理学中关于“战斗或逃跑反应”的研究高度一致。从信息处理的角度来看，这些状态变化实际上是对信息处理资源在不同模式下的重新分配——在生存危机时，将资源从精细的认知处理转移到快速的运动反应。

作者还介绍了Kilmer和McCulloch基于网状结构特点提出的状态转换模型：“此模型包含12个相同的模块，每一模块相当于脑干网状结构横切面厚度约100微米内的神经元及其联接。通过计算机仿真，获得了预想的结果，即可模拟动物在遇到情况变化时，迅速改变其基本状态的能力。”

“如同万花筒一样，稍微旋转一角度，就会出现各种不同的图案”——这一比喻生动地描述了状态转换的机制：不是逐步的、连续的变化，而是快速的、整体的重新组织。

3.4 丘脑：脑的信息整合与注意控制枢纽

作者对丘脑的分析展示了这一结构在脑信息处理中的核心地位：“有人将丘脑比作是大脑计算机的操作管理系统。”

特别是丘脑网状核的功能：“所有传递信息到皮层去的纤维都有侧支到达此核。而它又发出抑制性纤维到达所有其他丘脑核。显然它在调节整个丘脑的兴奋水平上有极重要的作用。由于网状核的这个特点，曾经提出丘脑网状核为控制脑的注意机制，有如探照灯一样，只有被照射的部位才能有高度的兴奋成为注意的中心。”

“探照灯”这一比喻源于Crick等人的理论，将注意理解为一种通过选择性增强某些信息通路而实现的调制过程。作者对这一机制的评价是审慎的——指出“网状核还与脑干上行激动系统有联系，为睡眠控制的一个重要环节”，说明注意和睡眠/觉醒控制可能共用部分神经机制。

书中还引用了关于“丘脑-皮层相互作用产生EEG”的观点：“一般认为由头皮记录的脑电图（EEG）反映了大脑皮层的整体状态……而EEG的产生机制还不太清楚，但一般认为是丘脑和皮层之间的相互作用的结果。”

3.5 大脑皮层：脑的高级功能物质基础

作者对大脑皮层的描述提供了重要的定量数据：“人类大脑皮层约有2600立方厘米容积，而猴脑只有400立方厘米……表面积约2500平方厘米，厚度在1.5~4.5厘米之间，平均2.5厘米。”

关于神经元数量和类型：“目前一般认为，有10^{12个神经元，还有数目更多的胶质细胞。每个神经元平均可与10}4其他神经元联系。其神经细胞主要有锥体细胞、星状细胞和梭状细胞……而在形态上还可进一步划分为50~60种不同类型。锥体细胞为大脑皮层所特有的细胞，为兴奋性细胞，占皮层中细胞的70%以上。脑内信息的内容决定于皮层锥体细胞的兴奋模式。”

“脑内信息的内容决定于皮层锥体细胞的兴奋模式”——这是一个重要的论断，它将脑内信息编码问题具体化到了锥体细胞群体的活动模式层面。

3.6 大脑皮层的功能分区

第二章对大脑皮层各叶的功能进行了详细的分析。

枕叶作为视觉投射区，“17区接受外侧膝状体的输入，有简单型感受野和复杂型感受野两类不同细胞。简单型感受野细胞对有一定朝向和位置的窄条形光刺激有最优反应……而复杂型细胞也对一定朝向的窄条光刺激有最优反应，但对位置无严格要求。”18区和19区则包含“超复杂型细胞”，“对有一定方位的端点、角隅、拐角的线段有最强烈的反应。”

顶叶中，“中央后区为躯体的感觉区。身体各部分在此区上有代表区。感觉愈灵敏的部代表区占的面积也越大，脸部、手、舌占重要地位。”特别重要的是顶下区（39、40区），“仅见于灵长类，由猿到人此区面积逐渐加大，结构亦渐复杂。顶下区有一部分包含在语言感觉区内。”

颞叶“从功能上看，是各叶中最不均一的”，包括听觉投射区（41区）和联合区（42区、22区），以及多种感觉影响的非听觉性皮层。特别值得注意的是“嗅周皮层在陈述性记忆的巩固过程中有重要的作用”。

3.7 边缘系统：情绪与记忆的交汇

作者对边缘系统中与认知和记忆相关的结构进行了重点分析。

海马在记忆中的关键作用将在第四章详细讨论，但第二章已经指出其“结构比较规整且在记忆中起极关键的作用，目前已成为神经科学研究的一个热门。”

杏仁核的分析揭示了其在情绪-认知交互中的作用：“杏仁核可能在认知功能和情绪反应间建立联系中起重要作用……杏仁核对记忆有调制作用，特别是涉及学得对恐惧的经验。但它不是厌恶性情绪训练所产生的记忆的存贮部位。杏仁核可能由调制出现在杏仁核激活的脑区内记忆存贮过程，从而调节新近获得信息的存贮。”

这一区分——记忆的“调制”与记忆的“存贮”——是理解情绪与记忆关系的关键。杏仁核不直接存贮情绪记忆，而是通过调节其他脑区的记忆存贮过程来影响记忆的形成。

隔区与海马的密切关系也得到了阐述：“隔核与海马有交互的联系……海马中出现的4~7赫兹的θ波，在内侧隔核损坏时被取消，可以认为隔核是海马θ波的起拍器。”

扣带回的注意功能是近年来研究的重要发现：“近来已证明：扣带回是注意系统的重要组成部分。用脑图像研究发现，在注意某一目标时，在目标表达的皮层区附近的扣带回区域有最强的激活。”

3.8 脑的三个基本功能系统

第二章最具理论深度的部分是关于鲁利亚的“三个基本功能系统”理论的阐述和发挥。

第一功能系统——调节紧张度和觉醒状态：这一系统的核心是维持适当的觉醒水平，使信息处理成为可能。作者指出：“觉醒使它们处于准备状态”，而“信息评估系统和注意系统可能交叠在三个功能系统之间的机构”。

第二功能系统——接受、加工和存贮信息：这一系统的核心特点是信息的层次加工。作者详细描述了三个级别的结构：

• 第一级（原感区）：信息的初步接收，“一个神经元不仅对视对象的形状响应，而且对其色彩及运动等特征亦能响应”——信息是多元的、混合的。
• 第二级（特征分析区）：信息的特征分解，“将形状、颜色和运动信息以及形状中各种因素加以分离”，如同“食物先经过胃肠的分解，变为各种氨基酸等基本成分”。
• 第三级（联合区）：信息的综合与抽象，“在这里对不同传入信息不仅有一般的综合，而且要上升到抽象的表示，特别是数、概念等的表示。这里还产生了语言表示的符号系统。”

作者将这种三级处理比作食物的消化吸收过程：“有如动物从食物中取得营养时，首先将食物分解为葡萄糖和各种氨基酸等较单纯的成分，然后将这些基本成分合成机体所需的蛋白质等。”这一类比虽然简单，但有效地传达了“先分解后综合”的信息处理策略。

第三功能系统——规划、调节和控制：主要位于前额叶，“人脑的前额叶的面积在3.5~4岁时急剧增加，而且细胞大小也增长得很快。”

作者用计算机的类比来说明三个系统的关系：“第一功能系统相当于计算机的电源、时钟及启动程序等，第二功能系统相当于中央处理器、存贮器等，而第三功能系统相当于计算机的软件及应用程序等。”

但同时指出脑与计算机的根本区别：“脑的计算（处理）与存贮是在同一结构内进行，而计算机中则是分离的……脑的运算和调控过程都是用神经元来完成，软硬件不能明确分离。脑的这种安排，最少是在以神经元这种生物元件组成的信息处理‘机器’中是极合理的。”

3.9 神经元模型与突触可塑性

第二章对神经元和突触的描述提供了建模的基础知识。

神经元的多样性：“神经元间胞体大小及其突起的分布形式差异很大……下丘脑神经元直径仅有3~5微米，树突野也很小。而大脑皮层运动区的巨锥体细胞，其直径可达120微米以上，并有长而粗的顶树突，轴突长达50厘米以上。大脑皮层的锥体细胞可以接受10000个以上的突触输入，而小脑的浦氏细胞有极大的树突区域（250微米×250微米×6微米），可以有200000个突触。”

神经递质与调质：书中详细列举了三大类神经递质（单胺类、乙酰胆碱、氨基酸类）和神经调质（神经肽类），并指出“目前已知的神经递质和调质，其数目已超过100种”。更重要的是：“近年来还发现：神经肽与神经递质如ACh，单胺类和氨基酸可以在一个神经元中共存和共释放。”

突触可塑性的多种形式：书中列出了一张详细的表格，包含了10种不同类型的可塑性突触，从简单的习惯化到Hebb学习律。作者指出：“在实际神经系统中，应有多种不同可塑性突触存在。以便实现复杂的信息加工。”

这些基础知识对于理解后续章节中的神经网络模型至关重要。

3.10 实现基本功能的神经网络

3.10.1 侧抑制网络

侧抑制是“神经系统信息处理的基本形式”。Hartline在鲎视网膜上的经典研究建立了数学模型：

​$r_p=e_p-{\sum }_{j\ne p}{k}_{pj}(r_j-r_{pj}^0)$​

侧抑制网络的信息处理功能包括：①突出边框、增强图形反差；②作为空间频率的高通滤波器；③对光学系统缺陷引起的成像模糊有补偿作用；④在联想存贮器前作预处理可增加存贮容量。

3.10.2 反馈抑制网络

反馈抑制网络的功能分析是本书的一个亮点。作者指出：“在信息加工方面，经初步分析最少有如下两方面的优点。其一为保证在一区域内神经元的总兴奋水平较低并大致恒定，这样神经系统的能量消耗可减少，而且形成稀疏编码，已证明稀疏码使系统存贮容量增加。其二是使兴奋模式分化，使不同输入兴奋模式更接近正交，有利于存贮和加工。”

“反馈抑制结构还可提供对某一脑区的总兴奋水平进行控制的条件。通过远距控制输入到抑制性中间神经元群，可以改变一脑区内总的兴奋水平……注意和选择系统可能通过这些抑制神经元实现所需的控制。”

这一分析将反馈抑制与注意机制联系起来，为理解注意的神经基础提供了具体的网络机制。

3.11 小脑感知机模型与CMAC

小脑感知机模型的描述是神经网络与神经科学结合的经典案例。作者详述了小脑皮层如何被视为一个特殊的感知机：

“小脑皮层有二类输入：攀缘纤维和苔藓纤维，有五种不同细胞：浦氏细胞、颗粒细胞、篮状细胞、星状细胞和高氏细胞。后三者为抑制性的，起负反馈作用并改善网络性能，而前两类为兴奋性细胞，为信息表示和处理的基础。”

“假定苔藓纤维输入相当于感知层，而颗粒细胞层相当于联合层，而浦氏细胞是小脑皮层的唯一输出，它相当于决策层，攀缘纤维则起着传递‘教师’命令的作用。而攀缘纤维是经下橄榄核中继的大脑皮层信号，即大脑皮层为小脑感知机的教师。”

这一模型“已为许多生物实验所证实”，包括伊藤正男教授在前庭动眼系统中的大量研究。但作者也指出“小脑不是简单的感知机”——大量的决策元件（浦氏细胞约2×10^7个）和反馈抑制网络提高了分辨能力。

CMAC（小脑模型操纵控制器）是工程应用的延伸：“这是一种控制是模仿小脑而设计，它是一个有学习能力的系统，对多自由度运动的控制，不是通过解数学方程来达到，根据输入命令和反馈信号，通过学得的表列式变换，求得合适的控制命令。”

3.12 联想记忆与脑的存贮策略

作者对联想记忆神经网络的分析非常深入，特别关注了“人脑在进化过程中已形成一套在生物元件约束下有效提高其联想存贮容量的方法”：

1. 近似正交化预处理：通过侧抑制和反馈抑制网络，减少输入信息编码的相关性。
2. 稀疏编码：在N个神经元组成的网络中，每一时刻仅有n个神经元兴奋（N >> n），Amari的估计表明稀疏编码可大大提高存贮容量。
3. 阈值自动调节：通过反馈抑制结构实现，可减少串音并提高容错能力。

书中给出的定量比较令人印象深刻：“如在10万个神经元中有100个神经元同时兴奋代表一事件，则此时的存贮容量……即可以比一半单元兴奋的Hopfield网络有高192倍的事件存贮容量。”

海马CA3区的稀疏编码（n/N ≤ 0.05）和齿状回的近似正交化功能，是这些理论预测在生物系统中的实际体现。

3.13 皮层功能柱

功能柱是大脑皮层组织的一个重要特征。书中提供了详细的定量描述：

“体感区的功能柱一般直径为300~400微米，而高度为3毫米。在视觉皮层中的功能柱的情况已有较深入的研究。从对朝向柱和优势柱的研究，可以把初级视皮层看作是由1毫米见方，深2毫米的小块为功能单位所组成。这一小块称为超柱。”

超柱包含了“一整套朝向柱（各种最佳朝向的）、一套左、右眼优势柱和若干处理颜色信息的小杆”。不同类的功能柱“交叉地分布在超柱内，每一具体的皮层解剖结构内，可同时属于n个不同类功能柱”。

四、方法论评析：系统科学与信息处理视角

4.1 信息处理作为脑的主要功能

贯穿全书的核心立场是：信息处理是脑的主要功能。作者明确指出：“由于脑的主要功能是信息处理，因此，需要从信息和信息处理的角度去考察脑的工作，才能深入揭示脑的工作原理。”

这一立场对脑研究具有深远的方法论意义。它意味着：

1. 我们应该关注脑内神经活动所表达的信息内容，而不仅仅是电信号本身。
2. 应该从信息编码、信息传输、信息加工、信息存贮等信息处理的基本维度来分析脑的功能。
3. 脑的解剖结构应被理解为支持有效信息处理的功能架构。

作者特别批评了某些物理学家“仅从这些电活动本身着手，而忽略其中所包含的不同信息内容”的做法：“尽管他们应用先进的非线性动力学等工具，但由于将不同意义的多种电活动混合在一起处理，其结果不可能对脑功能的了解作出实质上的贡献。”

这一批评在当今仍具有现实意义。在非线性动力学和复杂系统理论应用于脑研究的实践中，如果不区分不同脑区、不同神经活动所承载的不同信息内容，而仅仅进行数学分析，确实难以产生对脑功能的深入理解。

4.2 建模作为理解脑的关键方法

作者提出的建模方法论具有层次性：

1. 生物基础：模型必须建立在神经系统的实际结构和功能基础上（“以生物实际为基础”）。
2. 适当简化：在研究高级功能时，应尽量简化单个神经元的描述，重点研究神经元间的联接。
3. 假设的可检验性：模型中的假设应能被实验检验，从而推动实验神经生物学的发展。
4. 模型与实验的互动：模型预测→实验检验→模型修正的良性循环。

4.3 对“神经达尔文主义”的评价

书中对Edelman的神经达尔文主义进行了平衡的评价。一方面承认“一个神经元群体通过竞争和选择，可以表示不同信息内容，不是预先确定其所表示的内容”——即理论上有道理。另一方面又指出实际上脑“在先天大致上确定了不同信息类型的表达区域”——即进化已经为常见的信息类型预设了处理区域，以提高效率。

这种辩证的分析体现了作者对脑功能组织原则的深刻理解。

五、个人思考与评价

5.1 本书的前瞻性

虽然本书出版于2000年，但其中许多观点在当今脑科学研究中得到了进一步证实和发展：

1. 多脑区协调：近年来脑网络研究（如脑连接组计划）充分证实了脑的高级功能确实依赖于多脑区的协调活动。
2. 皮层可塑性：皮层代表区的动态变化已被大量实验证实，音乐家、出租车司机等特殊训练群体的脑结构变化研究已成为经典。
3. 小脑的认知功能：小脑参与认知加工的观点已从小众发现变为广泛共识。
4. 意识的“串行中心”理论：将意识理解为并行信息处理中的串行中心，与当代意识的全局工作空间理论有异曲同工之妙。
5. 稀疏编码：稀疏编码已被证明是感觉系统中广泛存在的编码策略，极大提高了信息存贮效率。

5.2 神经网络建模的挑战

本书坦诚面对了神经网络建模的挑战。作者承认“这是一个很不成熟的领域”，即使在作者进行了20年探索之后，“仍然是一知半解，失误和不足之处在所难免”。这种学术诚实值得尊敬。

书中提到的几个关键挑战包括：

• 层次间的复杂关系：不同层次结构间“层次间的联系可能相互交错，有时难于采用相对隔离的处理”。
• 定量分析的困难：视觉系统305条通路、30余个区的复杂交互，“增加了定量分析这类系统的困难”。
• 计算资源限制：即使模拟40个神经元的详细模型1.5分钟活动，在IBM SP1上也需要1.8小时。

5.3 有待深入的问题

基于本书的内容，可以提出以下有待进一步探讨的问题：

1. 编码问题：脑如何用“类似的脉冲发放来表达内容丰富的信息”？时间编码和同步振荡的意义是什么？
2. 有意识与无意识的转换机制：什么条件下无意识活动转变为意识内容？
3. 跨层次涌现：单个神经元的简单活动如何涌现出脑的高级功能？
4. 学习与先天结构的关系：先天确定的神经通路结构如何与后天学习相互作用？

六、总结

《脑的高级功能与神经网络》是一本从系统科学和信息处理视角探讨脑的高级功能的重要著作。它不是一本简单的教科书，而是作者20年研究思考的结晶。

本书的最大特色在于其方法论立场：坚持从系统角度、以信息处理为主线、综合多学科成果、通过建模和仿真来揭示脑的高级功能。这种立场使得本书超越了纯粹的神经解剖学描述或纯粹的计算模型研究，而是在生物实验数据和理论模型之间架起了一座桥梁。

书中关于脑的三个基本功能系统、多级递阶结构、有意识/无意识信息处理、稀疏编码、联想记忆容量优化等论述，即使在今天看来仍然具有启发意义。它为读者建立了一个理解脑的高级功能的系统性框架，这个框架不是静态的描述，而是动态的、面向建模和仿真研究的。

在当今脑科学和人工智能快速发展的时代，重新审视这本书中的思想，对于理解脑的工作原理、发展新一代智能系统，仍然具有重要的参考价值。