王立铭脑科学50讲后续5，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5，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、大脑学习，学习到的是什么

大脑学习到的是相关性，也就是一组输入信号，与自己动作之间的联系。

这里的学习，主要涉及到自己知识体系的第三层。

大脑采取学习相关性来生物个体更好的生存。这个自己几个提醒：

（1）当下深度学习算法，可能是真的有效，当下已经验证过专家系统无法实现到当下深度学习的智能程度。

（2）结合未来人工智能的发展，我们会面对很多正确的相关知识，需要我们自己去找到其中的联系，这也许是新的创新。

（3）我认为学习的到的是因果性，其实在放到更大的适用范围还是相关性，这要时刻提醒自己，自己学习到的东西是由适应条件的；结合每个人看到的世界是不同的，估计学习到的输入输出模式也不同，别人提出不同意见时，自己可以按照自己的知识体系进行推理，同时按照别人的知识体系进行推理，得出一个更好的、适合当下的生存模式即可。

大脑在第三层，学习建立输入和输出之间关系是，学习到的f(x)，是相关性，这个相关性会对应人在四、五、六层哪些不同，有待自己补充。

还有一个知识点，当前没有完全理解明白：

（1）巴甫洛夫的狗，学习到的是两件事情的关系。就是铃铛和好吃的之间有关系，这是将两个事件进行关联学习

（2）斯金纳的鸽子，将自己行为和有吃的结果进行相关学习。

一个是两件是之间的关系，一个是自己行为和事件的关系。只有这两种模式吗，还需要自己后续探索。

2、奖惩机制，参与到学习过程

在第三层，重新塑造新的输入输出模式时，肯定是有原因的，学习的目的也是为了更好生存。

通过添加奖惩机制，就会对输入信号带上价值判断，从而形成新的输出输入模式。

这个奖惩机制，可以是物质、也可以是层面，联系后后面的课程，两种奖励，不做就难受、做了就快乐。通过内部激素的调节，形成新的输入输出网络。

基于繁衍是生物的基本动机，在繁衍中，也是为了获得奖励机制。如果是为了获取奖励机制，拿奖励机制中就成了整个我对人的知识体系的核心。

围绕的奖励机制，引发出预期差的概念，这个预期差是由大脑物质载体的，预期差往外扩充，可以扩充到人类对未来的预期，这个预期预想到现在的我，

这也串联起抑郁症三无的概念：无力、无意、无望。

当下我学习，跨学科学习，也是预期到自己未来比现在更好，自己当做所做的事情未来会收到不小的收获，此时大脑会分泌多巴胺或者其他快乐因子，让我当下就很快乐。

记住，基于奖惩机制这个模型，是否可以成为自己整个知识体系的核心，这个还需要结合其他知识一起调整，最后生成一个自洽的适合自己的知识体系。

3、基于奖惩机制和预期差引发奖惩机制，就可以解释得不到和已得到的两种痛苦。

在第一层和第二层中，可以明确获取到外部信息，自己达到什么状态。

在第三层和第四层，综合判断不需要再分泌更多快乐因子。

在第五层给出脑补信息，我身体不舒服，是因为我没有努力或者这么容易就达到了，好寂寞。

按照得不到和已得到的模式，重新看文学作品、艺术作品表达的思想，调用自己的镜像系统，输入到自己体内进行感受，感受自己的预期差，从而共鸣更多人。

基于预期差，如果通过自己的技术手段，输出合适的作品，满足用户的奖赏机制的需求。

4、如何利用大脑的机制高效学习，

结合奖惩机制，最好的方式是将输入和自己的本能进行结合，用奖惩方式来刺激形成稳定的输入输出模式。

这里涉及到第三层，神经网络处理模式的重塑，第四层，通过情绪关联本能来强化这种模式。

同时，如果关联本能，通过什么方式，让更多的人形成我需要的输入输出方式，这个应该可以从大量典籍和成熟的商业案例中找到。

按照我对自己专业的理解，到一定层次，最直接、最简单的程序设计逻辑，是最可靠、做保险的，大道至简，没要那么多花里胡哨的招法，我能感受到，人类的共同情感也就没几种，共情的方式最有效地也就没集中，情到深处，不需要那么多修饰，就能触达人心。

5、从脑科学看人工智能的发展发展

这又是一个横跨我对人的知识体系和我对智能机器人的知识体系的知识点。

之前的事，快系统和慢系统，对于关键指标，需要在前端直接处理。

借助大脑学习的本质，大脑学习的是两件事物或者事物与自己行为的相关系，从而更好的在环境中生存。

我们积累大量知识，也是相关性，我们只是在一定范围内总结了一些因果性。

当前人工智能采用的深度学习算法，可能是有效的，将大量的输入和输出信息投喂给人工神经网络，人工神经网络自己去形成对应的处理函数f(x)。

基于此，自己的未来的工作重心是，应用这些成熟的技术，利用发现的相关性，更好的为人服务，同时自己也获得相应的回报。