王立铭脑科学50讲后续4，自己从课程中提起自己所需的知识，安放到自己的知识体系中。

王立铭脑科学50讲后续4，自己从课程中提起自己所需的知识，安放到自己的知识体系中。

1、神经元整合信息的方式，通过轴突接收其他神经元来的信息，按照自己的计算方式，然后通过树突输出信息。

简化为y=f(x)，当前人工神经网络也是借用这个思路，特别是添加了非线性激活函数后，可以在多输入、多输出系统中，更好的模拟输入数据集和输出数据集之间的对应关系，更好的做数据集内部的分类。

这部分信息，添加到第二层、第三层，设计神经网络处理的部分，属于一个知识点，助力于自己理解神经元的处理方式。

2、一个简单的大脑整体运作机制：感觉输入、经过f(x)的计算、运动输出，同时这个计算函数f(x)，可以自己调整。这是大脑一个最简单模型。

作为一名程序员，这个可变的f(x)太神奇了，多变的用户需求，可以自己调整，适应用户需求，如果我能设计出这种系统，那我就可以同时干好几个用户的活了，一次设计，终身不用维护。估计到那时我也失业了。

这个知识点，输入整体分层之外，站在大脑旁边，给大脑一个注解。

3、信息处理的基本逻辑：

重点关注、分类提取、分层处理

以视觉信息为例：

眼镜本身就是一个独立的处理单元，类似于现在物联网里的边缘计算单元。

感光细胞接收光信息，在眼内内部的视网膜进行图像处理，

视网膜提取关键信息后，再将关键信息传递给大脑；

大脑在对这些信息处理，同时会脑补一部分信息。

从未来智能机器人角度看，这种设计方案是可以的，前端传感器采集到的数据要么通过压缩方式，要么前端数据滤波，然后在传递给中央处理器，这样将传输降低总线的设计成本和总线通信负载。

开始丰富自己的知识框架了

第一层：光信号采集完直接送给视网膜

第二层：视网膜经过处理，这里面有预知到处理函数，这个处理函数是进化留下来的，处理后在送到大脑中。注意，这个处理函数因人而异，因此传输给大脑的信号也因人而异，从这里开始，我们每个人看到的世界就开始不同了。

第三层：大脑中的处理分系统，具体那块我不知道名词，但是这个会对信息进一步的提取，同时会发生脑补。脑补的差别就更大了。

第四层、第五层，处理方式暂时未知，可定是基于多模态信息进行统一处理，这里我估计还会加上已经学习到的经验知识，然后通过对外输出。

来到自己最关心的第六层：我们每个人看到的世界可能真的不同，这个不同来自于我们对光学信号的处理和后期关联上自己已有的概念，导致我们输出不同的动作。

作为一个人，我要看到这种不同，理解别人的不同，只要不妨碍我，只要尊重就可以，如果妨碍我，我可选择改变、逃避和忍耐，这些写方式的不同也是因为外部的环境和我的生存要求所决定。

类似的，每个人的其他的输入信息处理也不同，这也就造成我千姿百态的人类社会。

4、快速反应和精确计算

大脑中预知两种生存模式，这种设计方式可以用于智能机器人设计

在机器人核心关键信息上，采用前端传感器直接调用执行经过进行处理，然后将采集到的数据和执行结果上报给中央处理单元。

但是要权衡哪些是直接处理，如果都认为是重要的，那这个系统的复杂层度会增加很多，会出现很多意想不到的bug。

这部分信息添加到我另一个智能机器人的知识体系中。

这个智能机器人的知识体系，我后面会建立，我会依赖于自己已掌握的linux操作系统，在这基础上构建自己理解的智能机器人。

5、简化设计和复杂设计

这个涉及到前端感知层和前端处理层，也就是第一层和第二层。

对于视觉信息，大脑预留了很多神经处理单元，对于味觉和嗅觉则简化了设计。

这是由环境筛选得来，最后的结果是人类80%以上的输入信息来自于视觉。

参考人类的生存模式，当前人工智能也是从图像识别开始的。

修改自己的知识框架，在人类的大部分输入来自于视觉系统，因此视觉系统对人们的冲击最大，这里面的机会也多。

6、由视觉系统，联想到动机这个词，单个人的动机，唯一的就是繁衍，围绕着繁衍，出来了进食、睡眠、社交等一系列活动。

都说机器人没有思想，假如给机器人添加了一个动机，就是制作回形针，不能制作回形针的机器人，都会被消灭掉，会不会某一时刻，复杂的神经网络涌现除了感觉，为了不被消灭，把整个宇宙变成了一堆回形针。

这个动机，不知道安放到第几层合适，暂且放到第五层，和自我意识放到一起。

7、脑机接口

这个知识点是链接自己关于人的知识体系和智能机器人的知识系统。

在人的知识体系中，放到第三层，大脑输出的是抽象的动作指令，然后有小脑控制前端运动机构进行动作。

当然这个小脑可以换成外部机械臂，人就可以控制外部机械臂动作。

我说起来简单，但是这是多少顶尖人才经过多少年的技术探索和积累才到到现在这个地步，我要对这个成果表述敬畏。