謝 勤

（廣州市科技和信息化局，第16屆亞運會組委會信息技術部 廣東 廣州 510000）

1 問答一

Q1：

關于《大腦處理信息量化模型和細節(jié)綜合報告》，《基于量化模型的對大腦高效可靠處理信息實現(xiàn)機制的分析》，《基于大腦處理信息量化模型的對若干認知問題的分析》系列綜合報告和這一系列綜合報告的參考文獻的一些作用

A1：

作用一.

對復雜信息系統(tǒng)而言，單純做一兩個實驗，統(tǒng)計一兩個現(xiàn)象的關聯(lián)性對弄清復雜信息系統(tǒng)運作原理，包括系統(tǒng)遵循的基本數(shù)學原理意義有限，會經常出現(xiàn)實驗結果不可重復，不同團隊結果相互沖突，概念系統(tǒng)混亂的情況。特別是以檢測相對極少數(shù)量的神經細胞活動模式解釋宏觀層面的精神現(xiàn)象和動物行為現(xiàn)象（這些宏觀現(xiàn)象是大規(guī)模神經網絡運作的結果）必然導致實驗結論在可信度上的降低。因此，單純的醫(yī)學領域知識是不夠的，需要整合多學科知識，上面的文獻是有用的：

綜合整理分析已有的涉及神經生物學、信息科學、數(shù)學、解剖學、生物化學、生理學、病理學、藥理學、腦電圖學、醫(yī)學影像學多學科，涉及分子層面、細胞層面、微環(huán)路和環(huán)路層面、系統(tǒng)層面（例如人各種情況下的腦電現(xiàn)象和癥狀等）多層面的各種知識和實踐經驗，建立有堅實解剖學基礎、能聯(lián)系各層面、能解釋已知的各種現(xiàn)象、量化描述大腦信息處理過程的模型和框架，發(fā)現(xiàn)、掌握系統(tǒng)運作所遵循的基本規(guī)律和原理，會對更深刻理解大腦信息處理運作機制有所幫助；將有利于對各種神經系統(tǒng)疾病發(fā)病機制的理解、治療方案的制定；也將有助于我們更深刻地理解，理性、客觀地對待我們已知的各種知識和所建立的各種理論。

作用二.

上面文獻也不是單純的“一些想法”，而是通過對大量的多學科、多層面的現(xiàn)象和數(shù)據的綜合分析，總結提出腦復雜神經網絡運作所遵循的一些簡潔規(guī)則和框架原理。打個不恰當?shù)谋确剑谡J識系統(tǒng)運作規(guī)律方面的作用類似于總結提出“天體運作遵循更為簡潔的原理，而不是托勒密宇宙模型中描述的那樣復雜”。

2 問答二

Q2：

關于《大腦處理信息量化模型和細節(jié)綜合報告》，《于量化模型的對大腦高效可靠處理信息實現(xiàn)機制的分析》，《基于大腦處理信息量化模型的對若干認知問題的分析》系列綜合報告和這一系列綜合報告的參考文獻所描述的大腦運作機制的一些重要作用

A2：

將大規(guī)模神經網絡（大量的腦細胞及細胞間的連接）處理復雜信息（例如存儲和回憶起一個連續(xù)的過程）這一復雜的神經網絡訓練問題轉化為對一系列規(guī)模受控的子網絡的訓練問題，解決了大規(guī)模神經網絡處理復雜信息的樣本量和網絡規(guī)模匹配問題（對網絡能否準確高效存儲和提取信息起重大影響），而且保證了信息存儲和提取的可靠性。

3 問答三

Q3：為什么說血液循環(huán)機制對大腦信息處理起到了“基礎時鐘”的作用

A3：

在回答Q2的A2所述機制中，血液循環(huán)機制（包括微循環(huán)機制）起到重要作用：

1.在處理某一特定信息例如圖像A 的時候，相關網絡中興奮的細胞能“興奮程度達到一定程度，能滿足存儲和提取信息需要”是需要通過增多動脈血帶來的某組物質達到的，大腦處理其他信息例如圖像B、圖像C…的相關網絡的細胞會相應地獲得少一些的動脈血帶來的某組物質，因而“興奮的細胞興奮程度比較小”，成為對A 的存儲和提取影響不大，對自己存儲的B圖像信息，C圖像信息…也影響不大的“無關網絡”；

2.處理圖像B的時候情況類似；

3.處理圖像C的時候情況類似…

4.血液循環(huán)機制（包括微循環(huán)機制）這種“組織起特定的系統(tǒng)資源處理特定的信息，而不是讓整個系統(tǒng)所有資源都參與所有信息的處理”的特性降低了處理某一特定信息的網絡規(guī)模和結構風險，有利于大腦正確而高效地處理復雜信息。

5.動脈血這種“組織起特定的系統(tǒng)資源處理特定的信息”的特性功能上類似于現(xiàn)代馮諾依曼體系計算機系統(tǒng)中“時間片”的功能；客觀上，動脈血也能一定程度上決定全局范圍內的某個細胞在一段時間內是否發(fā)生動作電位，有著“timing control”的功能；等。因此，系列綜合報告參考文獻中的論文提出“blood circulation plays the role of basic timer when brain processing information”。

4 問答四

Q4：

能反映“處理某一特定信息時，相對整個腦神經網絡，信息處理相關網絡范圍非常有限，有大規(guī)模的神經網絡屬于信息處理的‘無關網絡’”的直觀現(xiàn)象

A4：

從神經科學中一些已經被大量實驗證明的常識可以看到，例如：

1.腦電圖技術中，當采用雙極導聯(lián)法時，只要兩個電極在頭皮上離開一定距離，都可以記錄到的腦電波說明在處理某一特定信息（例如“十到幾十毫秒的一幀圖G1”）時，同步興奮的細胞數(shù)量相對于整個腦神經網絡規(guī)模是非常有限的。

2.fMRI技術的事實基礎和fMRI技術的大量應用也表明，在處理某一特定信息時，興奮的細胞數(shù)量相對于整個腦神經網絡是非常有限的。

3.等等。

［1］ 謝勤，王乙容.大腦處理信息的過程存儲和重組模型［J］.現(xiàn)代生物醫(yī)學進展，2007，（3）：432－435，439

［2］ 謝勤.血液循環(huán)在大腦信息處理過程中的時序控制作用［J］.現(xiàn)代生物醫(yī)學進展，2008，（6）：1152－1159

［3］ 謝勤.過程存儲與重組模型［Z］.www.sciam.com.cn，2006

［4］ 謝勤.一種關于腦電波起源和含義的觀點［C］.中國神經科學學會第七次全國學術會議論文集.北京：科學出版社，2007：144

［5］ 謝勤.血液循環(huán)在大腦信息處理過程中的時序控制作用整理［C］.中國神經科學學會第八次全國學術會議論文集.北京：科學出版社，2009：135

［6］ 謝勤.血液循環(huán)在大腦信息處理過程中的時序控制作用整理［J］.中外健康文摘，2011，8（20）：93－98

［7］ 謝勤.大腦處理信息的樣本量和網絡規(guī)模問題［J］.中外健康文摘，2011，8（21）：88－91

［8］ 謝勤.大腦處理信息量化模型中的另一種樣本重組方案［J］.中外健康文摘，2011，8（22）：209－210

［9］ 謝勤.大腦處理信息的樣本量和網絡規(guī)模問題［C］.中國神經科學學會第九次全國學術會議論文集.北京：科學出版社，2011：366

［10］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編［J］.中外健康文摘，2011，8（48）：78－80

［11］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編二［J］.中外健康文摘，2012，9（4）：101－102

［12］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編三［J］.中外健康文摘，2012，9（16）：61－62

［13］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編四［J］.中外健康文摘，2012，9（23）：193－194

［14］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編五［J］.中外健康文摘，2012，9（20）：56－57

［15］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編六［J］.中外健康文摘，2012，9（29）：238－239

［16］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編七［J］.中外健康文摘，2012，9（33）：45－46

［17］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編八［J］.中外健康文摘，2012，9（39）：393－395

［18］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編九［J］.中外健康文摘，2012，9（39）：402－403

［19］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編十［J］.中外健康文摘，2012，9（39）：407－408

［20］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編十一［J］.中外健康文摘，2012，9（50）：112－113

［21］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編十二［J］.

［22］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編十三［J］.

［23］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編十四［J］.

［24］ 謝勤.大腦處理信息量化模型中的細節(jié)匯編十五［J］.

［25］ 謝勤.大腦處理信息量化模型和細節(jié)綜合報告［J］.大家健康（下旬版），2013，7（11）：6－9

［26］ 謝勤.基于量化模型的對大腦高效可靠處理信息實現(xiàn)機制的分析［J］.大家健康（下旬版），2013，7（11）：11－13

［27］ 謝勤.基于大腦處理信息量化模型的對若干認知問題的分析［J］.大家健康（下旬版），2013，7（11）：14－15

［28］ 謝勤.大腦處理信息量化模型和細節(jié)綜合報告［C］.中國神經科學學會第十次全國學術會議論文集.北京：科學出版社，2013