1 新智元推薦

神經網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絡拓撲結構，最新實證研究推翻了這一點：大腦神經元之間存在着高維度連接的結構，而且在解決問題和學習的時候存在着臨機學習的特征（Lazy Learning/Query based Learning)，在神經元互相連接的高維度叢林中，複雜的拓撲結構如同沙灘上的城堡，不斷出現又不斷消失(emerging patterns)，驗證了佛家的“諸法因緣生，緣謝法還滅”。

腦科學家發現人腦能運作多達11種不同的維度，創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學系統，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《計算神經科學前沿》（Frontiers in Computational Neuroscience），揭示出人腦創造神經結構的大量複雜過程，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，計劃目的是細緻重組人腦的生物結構。隊伍利用超級計算機，先以齧齒動物的腦部作模拟研究，了解腦部不同區域内複雜的相互作用。

在最新的研究中，研究人員利用代數拓撲學（用以描述空間和結構不斷變化的網絡的系統），細緻結成神經網絡結構。這是首次把此數學分支應用到神經科學上。

研究者凱瑟．琳赫斯（Kathryn Hess）曾提及：「代數拓撲學像是望遠鏡和顯微鏡的結合，既能放大網絡并尋找當中的隐藏結構，就像在大森林中同時看到樹林和空曠地。」

在研究中，研究人員對虛拟的腦部組織進行多重測試，發現腦結構的出現并非偶然；并對真實的腦部組織作出相同實驗，确定先前的試驗結果。

當研究人員對虛拟大腦組織施加刺激時，他們發現多組神經元組成一個團塊。各神經元以非常特殊的形式互相連接，産生精密的幾何結構。團塊中的的神經元愈多，維度愈高。

在部分情況下，研究人員發現團塊可多達11個維度。

由神經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（大腦最發達的部分）的數碼影像

右：構造物的不同維度；中間的黑孔标志多維空間或空洞的複合體

藍腦計劃

研究人員冉．列維（Ran Levi）表示：「當大腦處理信息時，高維度空洞的出現代表大腦網絡中的神經元對刺激物以極有組織的方式産生反應。」

「大腦對刺激物出現反應先由杆件（一維）﹑平闆（二維）﹑立方（三維），繼而是更複雜的四維﹑五維等幾何結構所組成，現象猶如用多維塊體建構成高塔，再将其夷平。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。

「通常應用于研究網絡的數學方法不能驗測到我們現在清楚可見的高維度結構和空間。」藍腦計劃策劃者亨利．馬克拉姆指研究發現有助解釋為何人腦如此難以理解。

「我們發現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以千萬的結構，超過7個維度。在部分網絡中，我們甚至發現結構多達11個維度。」

研究發現顯示大腦透過創造複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行複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，提出研究發現引領我們更了解「神經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，利用代數拓撲學，研究隊伍發現到這些精密組織結構隐藏在似是雜亂無序的神經元活動模式中，而這種精密結構在研究者使用這種特殊的數學過濾前根本無法看到。

赫斯再指出，研究發現當我們以低維度表示檢查大腦活動時，我們隻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。「因此，我們的發現可能解釋到為何大腦結構和功能的關系是如此難以理解。」

「我們發現的典型反應模式顯示當對刺激産生反應時，網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學标志。」

赫斯補充：「我們未來的工作是利用代數拓撲學工具，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，我們期盼将來能就這現象提出新的見解。」

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

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!