14、全脑建模：受生物启发的认知架构

全脑建模：受生物启发的认知架构

1. 全脑建模的挑战与简化模型

在当前计算能力下，计算单个神经元的特定空间几何结构等是不可能的。因此，使用霍奇金 - 赫胥黎（Hodgkin–Huxley）类型的神经元模型在细胞水平上对人类大脑进行建模同样复杂。于是，人们提出了细胞水平建模的简化形式：
- 二维神经元模型 ：它是四维霍奇金 - 赫胥黎细胞膜方程的简化形式。
- 脉冲神经元模型 ：如积分发放模型（integrate-and-fire model）和脉冲响应模型（spike response model）。
- 格罗斯伯格（Grossberg）的分流网络方程 ：这是继霍奇金 - 赫胥黎细胞膜方程之后的另一种神经元模型的网络变体形式。

这些简化模型面临的关键挑战在于，它们在生物学上的合理性，包括与大脑特定区域细胞膜方程的解剖数据的匹配程度、参数以及参数值的选择和设置。而且，将这些模型扩展到全脑水平仍然很复杂。

2. 全脑建模的当前方法：认知架构层面

为了对整个大脑进行建模，当前最常用的方法是采用更高的认知层面，即系统或认知层面。下面将介绍六种不同类型的认知架构，它们可用于在系统和认知层面上对整个大脑进行建模。

2.1 集成认知架构概述

集成认知架构可以定义为一个单一的系统，它能够产生所有方面的行为，并且在各种领域和知识库中保持一致。这个系统由许多模块（或组件）共同工作以产生行为，这些模块包含知识表示、用于存储内容的记忆以及利用和获取知识的过程。

集成认知架构常