神经漫游隔周二更新

神经漫游意在漫游神经与认知科学之领域，揭示认知表象与内里之趣味，由此连接业余与大众的智慧。

我们强烈推荐你使用泛用型播客客户端收听我们的节目（如小宇宙，苹果自带播客，Pocket Casts, Overcast, Castro, 安卓的AntennaPod等）因为这是第一时间听到我们的节目并得到每期完整背景资料的最佳方法。搜索「神经漫游」，你也可以在网易云音乐，喜马拉雅，荔枝 FM，哔哩哔哩和 Spotify 找到我们。

这期节目又是一期，漫游式节目。在这期节目里我们邀请了哲学背景和科学背景的朋友来进行讨论。我们以还原论讨论起点，漫步到了各种各样的哲学和科学话题。还原论可以简单理解为将复杂事物分解为部分来理解的认知方法。我们从“什么是还原论”这个问题开始，讨论了哲学上的各种还原论形式；进展到作为认知方法的还原论有什么缺陷；再转到用还原论解释心灵的问题在哪里，还原论和脑科学、人工智能有什么关系上。本期节目可能不会是一期有明确演讲或问答脉络的节目，但却会是一期沙龙式的由很多围绕着还原论展开的小话题的节目。希望你能喜欢科学和哲学在还原论这个问题上的碰撞，并对一些哲学、科学问题有新的看法。

本期纲要

01:58 介绍两种还原论：取消主义和心脑同一论

12:15 还原论有什么问题？复杂系统的整体-部分关系

27:18 心脑同一论的问题与意识的产生

35:30 用奥卡姆剃刀选择理论有问题吗

参考延伸

• More Is Different. By P. W. Anderson. Science 04 Aug 1972: Vol. 177, Issue 4047, pp. 参考文章


• 戴维·多伊奇《真实世界的脉络》，见豆瓣


• 梅拉妮·米歇尔《复杂》，见豆瓣


• 把心灵还原到物理层面的两种理论
  
  
  
  
  • 取消的物理主义（eliminativism）：不存在心灵状态，只存在脑状态。心灵状态是一种空虚的、像鬼魂一样的虚构物，它不指向任何实际存在的东西。这在本体论上是激进的。
  
  
  • 心脑同一论（mind-brain identity theory）：存在心灵状态，但是心灵状态=脑状态，正如水=H2O。这在本体论上是保守的。心脑同一论还蕴含了如下规范性的推论：常识的大众心理学（folk psychology）框架可以并且也应该被神经科学的理论框架所取代。
  
  


• 奥卡姆剃刀：简洁是美德。“简单性”是一条挑选理论的重要参考标准。在其它条件相同的情况下，本体论上预设更少的理论是更好的。


• 连接主义的人工智能：感知机（perceptron），模仿神经元实现感知问题的可能性，用于图像识别分类等
  
  
  
  
  • Marvin Minsky, Perceptrons: an introduction to computational geometry
  
  
  • 无法解决线性不可分的问题，如「异或问题」
  
  
  • 更多历史：「大脑神经网络——不完美的民主社会」
  
  


• John Hopfield 重新盘活连接主义
  
  
  
  
  • 用神经网络解决 NP 难问题（e.g., 旅行商问题 travelling sellsman problem）John Hopfield, David Tank. “Neural” computation of decisions in optimization problems. Biological Cybernetics, 1985. https://link.springer.com/article/10.1007/BF00339943
  
  


• 并行分布式信息处理 Parallel and distributed processing (PDP)


• 神经表示是分布式的，计算是并行的。


• 获图灵奖的"深度学习三巨头"：Yoshua Bengio, Geoffrey Hinton, Yann LeCun


• 专家系统：基于知识数据库和符号推理的早期人工智能系统。https://en.wikipedia.org/wiki/Expert_system


• 联想记忆网络：与循环神经网络类似，是一类带反馈连接的人工神经网络模型，可以用来模拟记忆的存储和提取，或者模式补全 https://www.tutorialspoint.com/artificial_neural_network/artificial_neural_network_associate_memory.htm


• 银烛推荐科幻《为您效劳》——选自莱姆《完美的真空》


• AlphaFold 做蛋白折叠，价值函数估计 Senior, Andrew W., et al. Improved protein structure prediction using potentials from deep learning. Nature 2020.


• distributional reinforcement learning：预测价值回馈的分布。Bellemare, Marc G., Will Dabney, and Rémi Munos. A distributional perspective on reinforcement learning. ICML 2017.；Dabney, Will, et al. A distributional code for value in dopamine-based reinforcement learning. Nature 2020

本期人物

闰哲：普林斯顿大学计算机系与神经科学研究所在读博士，本科毕业于交大ACM班，研究兴趣主要包括人工智能与计算神经。个人主页：https://runzhe-yang.science

银烛：本科在复旦学哲学，目前在NYU学心理。哲学上有很强的自然主义和怀疑主义倾向；对思考有无节制的纵欲倾向；一直搞不清楚自己对人文和科学的爱好比。

小羊：经济学出身。因为研究行为经济学，去脑科学领域做过科研民工，主要做语言方面的研究。现在又回头从事金融行业。有自己的一档播客「顷刻」。

汉那：认知科学本科在读。写字、翻译、设计。探索人为何如此聪明，又愚蠢如斯的答案。