本文写于 2024 年 12 月 11 日，在网站搭建后迁移至本网站

前言

为了探明 AGI 之路的方向，我对神经科学展开了初步的研究。
我在图书馆随便找了一本 Goldberg 教授的《大脑总指挥》作为入门书籍。
本书对大脑整体结构进行了初步介绍，然后着重于大脑的额叶、认知展开了详细叙述，最后建立了一个启发式的神经网络数学模型进行建模
（Goldberg 教授毕竟主要负责临床的研究，对数学模型更多是启发式的设计）。

本书在前几章着重于引入，并介绍人脑功能结构的理论，尤其是额叶。
在后几章本书着重于介绍一些临床案例，提出了类脑神经网络数学模型的启发式设计，以及一些神经科学相关的社会问题。

基于我的学习目的，我将着重于学习人脑的机制，临床的一些案例以及社会问题我将直接略过。
在最后，我会以计算机科学的角度，提出一些我自己的思考。

大脑的整体结构

在微观角度，人脑主要由许多神经元的连接组成。神经元之间通过电流传输信号，信号到达神经元后通过生化反应产生新的电流，最后组成了整个神经网络。
其中神经元之间突触接触的强度是动态变化的，或者说“可学习”的。

在宏观角度，大脑的结构总体上是一个层级结构，不过也有左右、前后的一定功能分化。
大脑层级大体上可以分为大脑皮质和皮质下组织。

皮质下组织较为原始，在演化中出现得非常早。皮质下组织有两组重要的结构：丘脑和基底核。
丘脑负责处理外在感觉信息，下丘脑负责处理体内的情况，丘脑和下丘脑合称间脑。
而基底核则负责发起动作和控制动作，其中有个叫杏仁核的结构较为特殊，其控制生物生存有关的决策，如攻击或逃跑、是否交配、是否摄取食物等。

小脑也是一个很重要的结构，在解剖上而言，小脑是整个大脑的缩小版。小脑的主要作用是协调感觉和动作，让生物能够以正确的时机做出精确的动作。

在进化后期皮质才开始出现。首先是原皮质和旧皮质，包括海马回和扣带回。
对于这些结构的作用并没有明确的结论。
不过可以知道的是海马回大概对记忆的形成起到激励的作用，而扣带回与情绪有关。
扣带回、海马回、杏仁核合称边缘系统。

最后是新皮质。新皮质是覆盖大脑上的很薄的一层，并且有许多褶皱。
新皮质剧烈改变了大脑处理信息的方式，赋予了大脑强有力的计算能力和复杂程度。
总体上，新皮质的前后分化为：前面负责动作，后面负责知觉。
相比于原始生物来说，我们人脑新皮质发达，执行决策更依赖于新皮质，而不是皮质下组织。
新皮质有四个主要的脑叶：枕叶处理视觉、颞叶处理听觉、顶叶处理触觉、额叶处理动作，其中，额叶位于新皮质的最前面，是认知的主要所在地，也是决策的中心。

大脑皮质

皮质作为人脑主要的决策制定者，一直是一个重要的课题。
早期，神经科学家一直相信人脑是“模块化的”：即大脑每个区域一定有其专门负责的功能。
但是随着人工神经网络的发展，和大量的实验表明，大脑的功能是分散的，并且每个人的大脑的功能分化都有所不同，这样的观点便不攻自破了。

例如语言，早期认为人脑一定有一个区域专门负责语言的处理。
但是从进化的角度来讲，只有人类使用语言，难道人类相比其他生物凭空多出来一个“语言模块”？ 这样的假设显然是不合理的。
事实上，实验表明，语言的表征在人脑中是分散的。
每个人皮质不同功能的分化应该是通过独立的学习得到的。
接下来，本文将会着重介绍大脑皮质，特别是额叶这一皮质中最重要的部分。

新颖-常规理论与半球的关系

与直觉相悖，许多生物的组织都会有不对称性，这也包括人脑。
我们把这种现象称为半球侧化，即左半球的功能与右半球并不相同。

科学家早就发现，对于成人，左脑的损伤很具有破坏性，往往会为患者带来语言障碍，而右脑则无足轻重。
但是对于年幼的小孩则相反，右脑的损伤会带来很强的破坏性，而左脑反之。
基于这些现象，作者提出了一种新颖-常规理论：左半球负责认知常规，右半球负责认知新颖性任务。

作者使用了神经网络数学模型描述了这一理论。
左半球的神经元更为模块化，整体可以看作几个聚集的强连接神经元组成的迷你网络，而每个迷你网络之间的连接较弱，即神经网络权重的标准差更高。
右半球相较更不模块化，整个神经网络没有很明显的分化，即神经网络权重的标准差更低。

这样的现象能够表现出左半球有更强的专业性，右半球有更强的泛化性。
右半球像是对最优的决策做了一个平均，这决定了右半球在处理新颖任务时有基本的泛化能力。
而随着对任务的不断熟悉，左半球开始从专业化的角度分析如何做出最优的决策，决策的执行也将越来越偏向左半球。
直到对任务完全熟悉后，由于左半球的专业性，会对任务表现出最高效的性能和最好的效果，这时也完成了对一个任务从新颖到熟悉的过程。

根据此理论，作者得到了一个有趣的结论：右半球的学习速率比左半球的学习速率实际上会更慢。
事实上，右半球是对最优决策进行一个平均，更多是一个习惯上的决策，而我们知道养成一个习惯通常是需要很长时间的。
对于新颖的任务，我们的认知缺乏时，我们往往会优先根据我们以前在类似任务上的“习惯”做出决策。
不过随着我们对情境的了解，我们就可以通过左半球来修正我们的决策。

同样地，作者也拿出了案例作为论证。
通过正电子成像术，我们对被试重复呈现一个信息，观察被试的大脑激活情况。
实验表明，当任务是新的时，右侧近颞叶与左侧近颞叶同样活跃。
不过随着对任务的熟悉，右侧近颞叶的激活水平逐渐降低，而左侧近颞叶基本保持同样的激活状态。

新颖性，参与者中心与额叶的关系

不只是半球侧化，新颖性与额叶同样有着联系。
或者说，认知常规与认知新颖之间的区别是非二元的。
总体上来说，执行新颖任务时，前额叶前部及右部激活更强，反之亦然。

额叶在处理新颖性任务时，往往会需要选择性地“记住”一些经验。
这样的工作记忆并不是指指定一个信息让被试去记忆，而是在工作的过程中自动判断哪些信息需要记忆。
额叶在这个过程中需要选择那些信息需要记忆并且完成对已有记忆的调度（检索需要的、记住可能会需要的、遗忘不需要的）。

我们在做决策时，并不一定有所谓的“正确答案”。
作者将任务分为了两种：参与者中心任务（如今天穿哪件衣服）和真实任务（如 1+1=?）。
参与者中心任务更偏向于“什么是对我好的”，而真实任务则是“寻找真相”。
作者表明，前额叶对于参与者中心任务有明显作用。
在一个案例中，在处理参与者中心任务时，被试的前额叶以及枕颞叶同时被激活，而在处理真实任务时，被试仅仅枕颞叶被激活。
可以表明，对于一些模棱两可的任务，额叶的作用是非常重要的，它可以反映一个人的喜好、偏见等因素。

情绪与认知控制

本书一开始就介绍到，前额叶皮质参与情绪的调节，而不是仅仅由皮质下结构完成。
并且，左右半球的前额叶皮质对情绪调节有着不同的分工。
其中，左半球与积极情感连结，右半球与消极情感连结。
例如，乐观开朗的人会持续表现左前额叶区域激活的趋势，习惯抑郁、烦躁不安的则相反。

通常我们认为，杏仁核与情绪控制有关。
与额叶对应，当收到来自外界的正向刺激后，左杏仁核将会被激活，而右杏仁核则相反。
因此可以说，我们的情绪由额叶、杏仁核构成的情绪控制回路协同控制。
有实验表明，当外在的威胁逐渐逼近时，调节情绪的功能逐渐由前额叶皮质转向杏仁核。
因此可以推测，前额叶的功能是在杏仁核的基础上根据认知进行预测得到的。

根据前面提到的新颖-常规理论我们知道，左半球是长期记忆的仓库。
而选择信息进行记忆、和对已有记忆的强化，可能都与多巴胺的参与有关。
多巴胺的作用类似于强化学习中的“奖励”机制，用于引导如何进行更好的决策，即引导如何选择信息进行记忆。

千人千脑：个体间的人脑差异性

众所周知，每个人的大脑的都有极大的不同。
比如说，有的人有音乐天赋，却没有数学天赋；有的人有极强的数学天赋，却五音不全。

作者首先探究了男性与女性间的认知偏好。
结果表明，男性的选择更偏向于情境相依，而女性的选择更偏向于情境独立。
其中，情境相依是根据周围的一些相关信息做出选择，而情境独立是根据经验进行平均化选择。
两种选择方式没有优劣之分，在相对稳定的环境，情境独立较为明智，而在不稳定的环境，情境相依较为可取。
在实际的生活中，我们往往是在这两种选择方式中进行权衡，做出最终的选择。

实验表明，男女之间的认知偏好差异与大脑的不同侧化方式有关。
男性的大脑左右半球差距更加明显，而女性的大脑前后部差距更加明显。
或者说，男性的大脑前后部交流更为密切，女性的大脑左右半球交流更为密切。
总体上，男女的大脑结构实际上是一个互补的关系。

人类，至少是成人，比其他任何物种都依赖先前的知识，人类倾向于保守、固着于熟悉的方式。
但是社会的发展总是需要创新，不过过度保守或过度创新都是不可取的。
人脑是否有这样一个机制，调节保守与创新之间的平衡呢？

世界上不乏擅长遵循规则的人，但是也有一些人擅长创新。
虽然擅长创新的人能为科学、文化或商业发展出新趋势，但是难以以持续、系统的方式执行自己的想法。
不过擅长遵循规则的人可以很好地接手这一切，并持续地发展下去。
可以说，这两种人在社会上都是不可或缺的存在。

有这样一个社会现象：左利手群体似乎比较具有创造性。
对于人类来说，右利手的比例近九成，但对于类人猿来说，利手的统一性并不存在。
这样统一的利手倾向是人类独有的，这多少与文化因素影响有关。
此外，左利手虽然表现得比较有创造性，但是许多精神疾病都有特别高比例的左利手。
虽然有关左利手，我们只能做一些猜测，但不可否认的是，左利手确实与创新性等现象有一定关系。

另外本章还讨论了自我感。
科学证据认为，自我感直到进化很晚才出现。
而区别自我和非我的功能主要由前额叶完成。
作者怀疑，人类的宗教信仰是因为早期人类不能很好地区分自我和非我，将自我的一些感受解读为非我，即一些我们认为的“超现实”现象。

额叶受损的案例得出的结论

额叶比大脑任何地方都更容易受到伤害。

作者先是表明了疼痛机制相关的过程。
有一种叫做扣带回切开术的程序可以免除痛苦的主观感觉，但不能免除生理上的知觉。
但是做过手术的患者对于曾经难以忍受的痛苦，变得全然漠不关心。
也有其他的实验表明，痛苦在本质上是社会的，而不是身体的，痛苦可以由同理心、社交等引起。
其中右腹侧前额叶皮质似乎通过控制前扣带皮层调节社交苦恼。

我们知道牛顿力学表明，当力作用于物体时，物体会改变运动状态，额叶也是如此。
额叶的决策会改变当前动作的状态，作者用一个临床案例表明了这一点。
作者介绍了一个切除了两边额叶的病人，他表现出很强的“惰性”。
当请求他做一个动作时，比如说画十字，他会忽略指令，直到作者举起他的手强行推一下。
但是当他开始画十字时，他又无法自发停下，一直不停地重复同样的动作，直到作者把病人的手拿开。
作者将这种行为称为“持续”行为，即持续保持重复的动作。

作者指出，额叶损伤的病人无法规划和预期行动结果。
他试着让前面那位病人讲述一个故事，并起了个头。
结果是，这个故事的前后逻辑并不通顺，一开始是在讲一个虚构的“产金蛋的鸡”，后来直接变成了讲病人身边的一个录音机。
作者将这种行为称为“场依存”行为，即采用模仿的方式做出行动。

作者指出，人脑持续保持注意力是很重要的功能，而且直到演化较晚才出现。
对狗来说，狗在做一件事时，很容易被突然的外界刺激打断，然后忘记手中的事跑去一探究竟。
很明显，狗并不具备强大的保持注意力的能力。
当额叶受损，病人将很容易受到外界刺激或不相干联想的影响，从而导致分心。

同样地，作者表明额叶损伤会导致心智刻板化，以及会对自身的病症无法产生认知，这里不作赘述。

额叶的外部连结受损的案例得出的结论

作者通过一个临床案例，指出了额叶与外部失去连接，同样会使额叶丧失功能。
其中，作者提到了记忆缺陷的两种形态：顺行性遗忘（忘记患病后发生的事物）和逆行性遗忘（忘记患病前发生的事物）。
并指出额叶与外部连结受损可能会导致记忆缺陷。

精神分裂症是一种具有强大破坏性的心智紊乱。
作者表明，精神分裂症也与额叶分离有关，不过是内部的生化过程引起的
作者指出了一种会导致精神分裂的因素：多巴胺生化作用异常。

以下为个人观点：
对此，我认为认知层面的问题也会带来精神分裂。
具体举个例子：
对于持续产生负反馈的大范围额叶皮层神经元，额叶的情绪调节机制将会对这些神经元逐渐分离，表现出精神分裂的症状。
并且根据精神分裂患者的性格差异大的特性，我们大致可以判断在不同的性格状态下，激活神经的功能也是有差异的，或者说，使用的是不同区域的神经。

作者还介绍了注意力缺陷障碍（ADD）和注意力缺陷多动障碍（ADHD）。
作者还表明大脑中存在一个注意力回路的功能结构，下面我会以此为重点展开叙述。
作者将注意力类比成舞台的一组灯光。
舞台存在于大脑皮质后区，这块区域主要负责处理外界的信息。
前额叶皮质则充当灯光操作员的角色，负责控制注意力。
前额叶皮质发出的操作则通过网状激活系统完成控制，引导灯光的开启闭合。
完成控制后，大脑皮质后区将会返回新的反馈，前额叶再根据新的反馈做出新的控制，循环往复。
整体上，人脑的注意力机制是由前额叶皮质、后侧皮质、网状激活系统组成的回路系统。
这与机器学习中的注意力机制还是有所不同。

接下来，作者讲述了一个 ADHD 治愈的案例，和抽动秽语综合征的案例，这里不再赘述。

对于严重的抽动秽语综合征患者和前额叶损伤患者，经常会出现一种“利用行为”。
即当在环境中看到可以被利用的物品，会立即做出动作利用。
例如抓取并饮用别人的杯子，穿上别人的外套等等。
这是由于基底核脱离了大脑额叶的控制开始运转，因而表现得像额叶尚未进化时一样。
基底核虽然原始，但仍具有基本的学习、探索、利用功能，并且基底核的性能应当比额叶更加快速。
作者猜测，在基底核中，同样有着类似于大脑半球侧化类似的分工，与大脑皮层形成层级的关系。

神经的可塑性

随着年龄增长，大脑也在老化。
大脑的老化有两个通用规则（不同于阿尔茨海默症）：
前额叶皮层更早受到影响，以及右半球更早受到影响（与此互补的是，右半球往往最早得到开发）。
为什么皮层的左后区域就可以逃过一劫呢？
神经科学界有一条近一个世纪都未曾受到挑战的公理：当我们从童年成长为成年，大脑慢慢失去可塑性以及变化的能力。
不过最近的研究表明，即使是成年人，甚至是老年人，也可以通过学习持续获得新的神经元，并且大脑有着强力的代偿机制。
也或许是这样的机制抵消了左半球大脑的老化。

接下来，作者通过一些例子说明了认知活动可以确实地促进神经组织的生长，并影响大脑形态。
例如伦敦的出租车司机（伦敦的出租车司机考试很严格，需要认识几乎每一条街道）相比普通驾驶员拥有更大的海马。

作者接着介绍了有关认知健康的现状，这里不作赘述。

解构黑盒

在本章，作者先是简要概述了大脑的生化过程，然后提出了一个简易的深度神经网络模型。
这里我将着重对神经网络模型进行介绍。

作者提出了一个简易的半球侧化模型：
作者提出，左半球应该有更强的深度连接，而右半球应该有更强的宽度连接。
接着作者设计了一个大致的固定模型，左右半球网络都由四层构成：输入层、第一隐藏层、第二隐藏层、输出层。
其中左半球的第一隐藏层最宽，而右半球的第二隐藏层最宽。

作者还想到，可以用遗传算法模拟自然选择。
不过我个人认为，遗传算法用于皮质下结构的训练很有帮助，但对具有认知的额叶并不那么适用。
原因为人类目前额叶的发展不再受制于自然选择的影响，而是文化、教育的影响。

作者还提到了类似临床的实证研究方法，即损伤网络的一部分，然后观察结果。
这样的研究对于反向推理人脑的功能是意义重大的。
不过我也相信，这样的分析方法对人工智能也会有所价值。
另外还有对男女大脑分别建模等等，这里不再赘述。

接下来。作者对模型的特性进行了一系列描述。
首先是“动态学习”：在处理同样的任务时，随着新颖性到常规性的变化，主导半球将会由右半球变为左半球。
作者对左右半球的不同表征形态进行了描述。
其中左半球类似于散点图，存储每个知识的狭窄表征，内部关联性不强。
而右半球由均值和标准差表征，总体上相对同质。

其次是左右半球的“学习速率”不同，且两个半球间存在竞争。
之前我们讨论过，右半球的学习速率往往比左半球低。
在选择反应过程时，大脑会对左右半球不同的决策过程进行权衡，并选择最优的反应。

最后，作者对大脑记忆的过程提出了想法。
前额叶皮质和海马回作为“元系统”，共同促进后部皮质的长期记忆。
其中，前额叶皮质负责促进参与者中心表征的记忆，而海马回负责促进真实表征的记忆。
作者强调，时间顺序在参与者中心表征的记忆中更为重要。

一些思考

智能系统整体架构

我们知道，大脑的处理和控制是遵循层级结构的。
有这样一个观点：胎儿在子宫内的成长过程似乎会经历一遍类似生物演化的过程。
因此，人类大脑的线索也可以根据生物演化的线索来推断。
例如大脑这样的层级结构，当然也与生物演化有关。
同样地，智能系统也可以根据大脑演化的思路进行设计和训练，即内部模块采用高效的传统机器学习与强化学习算法，然后不断扩展外部深度学习模块来调节计算的过程。
其中外部深度学习模块就可以包括现在的大语言模型。
同样地，在训练时，可以先用内部模块学习一些低级的动作，如走路、跑步、抓取物品，然后慢慢引入外部模块学习视觉任务、语言任务等。

对于智能系统整体架构的设计还有一个线索，它是存在于每个人自身的：
即我们的认知。
我们知道，我们的认知存在于外部的大脑皮层的某一部分。
而对于一些“认知控制”和“自动控制”的功能，我们可以大致判断他们在空间中的位置（当然并不绝对）。
比如说记忆，明显它是“自动控制”的。
毕竟存在一种现象，想忘记的事情，越是想忘记，越是记得清楚，这说明我们的记忆和遗忘并不是我们的认知控制的。
对于不同的控制方式，我们可以采用不同的算法设计。
比如“认知控制”任务，我们可以让其与外部的深度神经网络，特别是负责语言的部分产生更多的连接。
相反，“自动控制任务”可以让其与其他部分产生连接，特别是皮质下组织对应的内部模块。

深度神经网络的功能分化

我们可以从大脑皮层各个区域的功能分化发现：大体上大脑确实存在着不同位置负责不同功能的现象。
但是，这些功能的空间边界并不是那么明显。
在这里，我提出一种理论猜想：功能扩散理论。
即皮质下区域的功能分工会由内向外通过连接朝皮质扩散，正是这种扩散的过程导致了皮质空间上的功能差异，并且没有明确的界限。
当然，这样扩散的过程也与皮质不同区域中的连接，以及功能所需要的神经元数量有关。
例如男性与女性的不同皮层功能分化形态，就是由皮层前后部，左右部的不同连接有关。
同样的，对于深度神经网络来说，不同小模块间的连接也会引发功能扩散现象。
我们可以根据这种现象显式地做出模块分工，即不同区域采用不同预训练网络，然后将它们连接起来，这样可以大致的近似大脑的功能分化情况。
在训练时，我们同时更新所有预训练网络微调，即可模拟大脑的“功能扩散”自适应不同功能所采用的神经元。

根据上面的理论，大脑皮层功能主要是取决于皮层下组织的功能分化与皮层下组织与皮层的连接。
因此对于半球模型，我有一种更为优雅的设计。
先用简单的机器学习算法模拟不同的处理过程，比如新颖性任务处理和常规性任务处理，然后分别将新颖性任务处理模块和常规性任务处理模块与深度神经网络的不同部分连接。
这样的设计将会自然而然地使深度神经网络的不同部分产生不同的功能。
当然，为了胜任这些任务，两边的深度神经网络需要不同的结构形态，对此有两种解决办法：
第一种，是通过超参数显式控制神经网络的形态，使对应左右半球的深度神经网络产生不同的结构。
第二种，更有技术前景地，研发出一套根据任务自动学习生成新神经元并自适应调整连接结构的算法，让左右半球通过学习自动产生不同的结构。

智能系统内部的机制

对于某些任务，仅仅的前馈神经网络架构是不足以胜任的。
在关于本书的讨论中可以看到，人脑会使用许多控制大脑和身体改变状态的方式采集新的信息，具有连续推理能力，并且在执行任务时可以产生所谓的“工作记忆”。
而这样的状态和控制的机制明显不能仅仅通过一些前馈网络的计算得到，我们需要一些机制上的设计。

比如控制注意的机制（不是注意力机制），需要通过一些动作来调整身体（如转动视角，调整眼睛焦距）便于获取新的信息，并与之前的信息统合，再经过连续推理（推理时间可以由网络自由决定，并且网络要知道自己能不能得出确信的结果）最后得到答案。
这样的过程明显不能仅仅通过前馈网络得到，因为包含了动作的控制和反馈，以及连续重复推理的过程。
为此，我们是否需要一种全新的机制，让模型能够自由决定思考的时间，然后知道自己是否能得出确信的结果？

以及记忆的机制，我们知道，大语言模型在学习的过程中本来就会产生记忆，但是过多的记忆对模型精度，模型的参数量有着要求。
对于固定结构的大语言模型来说，这样会不会出现一些问题呢？
我们知道人脑会产生新的神经元。
对于新的记忆，我们可以通过这些新的神经元来记忆。
这样动态插入神经的方式可以避免固定结构模型的高精度要求，但这也是需要特定的机制才能完成的。

同样，大脑也有着调节的功能。
本人倾向于认为，大脑会对持续产生负反馈的神经元进行“剪枝”，这在上面关于精神分裂的讨论中已经叙述过。
并且，对于一些不需要的记忆，大脑也会自行遗忘。
关于这些维护大脑安全运行的自动化功能，同样也需要一些机制的设计来完成。

此外，我还有一个生命周期的想法：
众所周知，大脑是会随着时间成长和老化的。
在这个过程中，首先是经历了儿童时期的基本任务的学习，即大脑发育，然后是青春期的高强度认知学习后，即大脑基本发育完成，最后逐渐相对刻板化（根据前面的讨论，并不会绝对固化）。
对于智能系统来说，同样也需要一个循序渐进的过程（至少我个人认为，从目前深度神经网络知识蒸馏的方法中可以看出）。
在学习初期，先是加强内部的学习，对应儿童阶段，然后转向加强外部的学习，对应青春期，最后逐渐趋于稳定，形成一个稳定的系统。
为什么趋于稳定性很重要呢？
我们知道，青少年时期是心理和精神问题的高发期，这一定程度上也是因为“学习率”太高导致的。
此外，社会对于青少年价值观引导的重视程度，我们也是有目共睹的。
因此，“学习率”太高有时并不是一件好事。

其他有趣的思考

相信大家都做过梦吧，做梦对人脑又有什么作用呢？
我有一个猜想，睡眠是大脑进行自动维护的过程，此时，我们的认知被锁定，大脑由自动化功能所接管。
首先就是上面提到的大脑自动维护的功能。
在睡眠时，大脑自动对产生负面情绪的神经元剪枝，遗忘掉没用的记忆，以及调整大脑的其他状态（当然这些在清醒时也会发生，不过睡眠时速率会变快）。
做梦时，我猜测，是大脑自动生成了一些模拟真实世界的场景，测试在调整大脑结构时主要的功能有没有受到影响，也就是所谓的“Pseudo Ground Truth”。
当然，做梦也是大脑自动化过程的一部分，这些是大脑的内部机制规定的。

当然，问题这就来了，这些机制到底是怎么形成的呢，发明大脑的人可真是个天才（？）。
我们知道，这些机制对每个人来说都是相似的，这是整个物种的特性。
所以这些机制大概是刻在基因里的，是存在遗传的，也存在着自然选择。
那么，这些机制可不可以通过学习得到呢？
至少在自然界，它是通过自然选择得到的，因此对于这些机制的探究，也不是完全不可能做到。
我们可以通过遗传算法对这个过程进行建模，但我毕竟没有研究过遗传学，这里就不讨论了。

简单的总结

总体上来说，我的智能系统从人脑得到启发遵循从内向外的推理和学习过程。
从设计上，我从功能分化和内部机制两个角度入手，提出了我自己的设计理论。
最终，我提出了一些有趣的思考，旨在提供一些启发性的其他的设计思路。

后记

写到这里时，已经是我写这篇笔记的第4天了。
不知不觉中，我居然也写到了上万字，而且迸发出了很多意外的灵感。
这也是我第一次这么认真地去研究一个与我专业相差如此大的交叉学科（虽然存在着紧密的内在联系）。
但至少，作为一个目前来说还算有点理想的AI爱好者，我相信神经科学可以给予我力量去实现我的目标。
总之，希望我一路好运吧 😊