9、神经信息处理与人工神经网络：原理、挑战与应用

神经信息处理与人工神经网络：原理、挑战与应用

1. 神经编码：大脑快，神经元慢

大脑不同区域内及区域间的神经元通过输出尖峰信号相互传递信息，这使得物体的神经表征能够“相互交流”。在大脑中，尤其是皮层，遵循输入特征的拓扑映射原则，即刺激特征的信息编码在对物体做出反应的神经元放电位置，这些位置由先天构架和早期经验共同决定。拓扑保存原则在体感皮层、听觉皮层和视觉皮层中都成立，意味着物体上相邻的特征在其神经表征中也相邻。例如，在初级听觉皮层中，上升的声音频率映射到有序的神经条纹上；在初级视觉皮层中，相似方向的条纹映射到相邻的柱中。

每个由多个特征组成的物体，由映射中激活柱的空间模式来表示。一个皮层柱内的神经元（可能有10000个）冗余地表示一个基本特征。当神经元被激活时，它们会向处理区域层次结构的上下以及同一处理区域发送关于自身激活和当前特征显著性的信息。然而，目前这些信息的本质，即神经编码的本质仍是个谜，信息是由发送的尖峰数量、尖峰的时间还是尖峰的频率来传递的，尚不清楚。

1.1 超快速视觉分类

西蒙·索普（Simon Thorpe）及其团队进行了人类和猴子的图像分类实验。在人类实验中，受试者需将图片分为动物和非动物两类，图片仅展示20毫秒，由计算机控制精确时间。实验结果显示，平均反应时间为250毫秒，下颞叶（IT）皮层的活动平均在150毫秒出现，运动反应的准备和执行平均耗时100毫秒。尽管受试者表示没时间看清图片内容，决策基于感觉，但分类准确率仍达94%。

猴子实验中，平均反应时间为170毫秒，IT皮层活动在100毫秒后出现，视觉处理后约70毫秒准备好运动反应，分类准确率达91%。实验还发现，超快速分类不依赖于物体类别、颜色、注意力或眼睛注