从神经元连接的角度谈谈思维

联想在思维中扮演的重要角色

联想，就是由此及彼，从事物A到事物B，由苹果你可能会想到万有引力，乔布斯，或者…吃。从A事物出发可以联想到很多东西，但这些东西是有优先级的，由苹果你可能更容易联想到梨而不是一本书。所以说这种联想是基于概率的（我是赞同以概率的角度来看待世界），概率的大小可以用事物A与事物B之间的权值来表示。其中权值的更新则来自于生活中的经验（经历体验），你可能小时候在学字的时候苹果是和梨放在一起学的，一开始他们的权值就会比较大，而随着之后的学习这些权值又被不断地更新（这只是一个简化的看法，实际情况要复杂的多）。

联想的微观表现–神经元连接

学习的过程就是在不断的建立或加强神经元的连接。AB间神经元连接的变化就意味着由A联想到B的概率改变。

逻辑是涌现的产物

传统的观点认为人的思维是基于规则的，但你在大脑的神经网络里根本看不到规则的影子，这也就是符号主义的人工智能没有走得更远的原因，只能局限于专家系统的层面。

我们在观察单个神经元的时候也是看不见逻辑的影子的，当众多神经元连接在一起并通过简单互动时逻辑就出现了，思维也是这样。这就是系统的涌现特性。wolfram的元胞自动机模型也类似这样，简单规则产生出复杂的系统。从信息的角度看复杂意味着可能性，而当这个复杂系统是有用的时候我们就看一说产生了智能。人类的思维是比较高级的智能，毕竟经过了漫长的自然选择。

什么是好的思维模型

一个好的模型(不仅仅是思维方面)不只是看起来漂亮，还要是有用的。有用指的是能够对问题做出解释和预测。

有人关于世界提出过这样一个说法:这个世界是模拟出来的，而我们是活在电脑里的程序。就如科幻电影《黑客帝国》、《异次元骇客》里描绘的那样。这个关于世界的模型很吸引人，我们无法证伪。但他不能做出任何预测。这就是阴谋论与科学的区别。

那么如何由此建立好的思维模型呢？

强人工智能的研究也可以看成是对人类思维智能的研究。其中的联结主义的代表产物就是人工神经网络。这种模型很粗略的从人类神经元中获得灵感，目前已经做出了一些不错的成果，比如在识别问题方面已经可以和人类媲美。但还是没有解决根本的问题，怎样让机器也能思考。

(最后，我的一些观点可能不太对，毕竟知识有限。有不同意见的朋友欢迎提出来一起交流。)