复杂是为了简化

《决策大脑》复杂是为了简化,页面无弹窗的全文阅读!

复合模型

如果我们考虑一下上述特征之间所有可能的互动，就会发现一种非常有意思的情况。皮质空间分配方面的半脑差异与通路架构方面的半脑差异的综合影响是怎样的？皮质空间分配方面的半脑差异与不同的多巴胺能和去甲肾上腺素能神经调质效应的综合影响是怎样的？通路架构方面的半脑差异与不同的多巴胺能和去甲肾上腺素能神经调质效应的综合影响是怎样的？在同一大脑中，皮质空间分配方面的半脑差异、通路架构方面的半脑差异与不同的多巴胺能和去甲肾上腺素能神经调质效应的综合影响又是怎样？

为了解决上述问题，我们可以通过创建一个拥有三组变量的网络来研究各种机制的综合影响。这三组变量分别是：皮质空间分配、通路长度和突触增殖的效率。在如此安排之下，左半脑会给隐藏层一分配更多的空间，拥有更多的短通路，学习起来也相对较快（因为形成长期记忆的效率更高）。相反，右半脑会给隐藏层二分配更多的空间，拥有更多的长通路，学习起来相对较慢（因为形成长期记忆的效率更低）。为了解决“新奇”半脑学习较慢而“熟悉”半脑学习较快这样一个看似矛盾的问题，我们需要做如下考虑。左半脑是相对具体的表征的集合，每一种表征都反映了某个狭义输入类别的本质属性。当有机体遇到一类新的输入时，左半脑会在不改变已有表征的前提下形成新的狭义表征。但是，右半脑中蕴含的是有关世界“平均”状态的综合表征。每当有机体遇到一类新的输入时，这个综合表征就会发生一定的变化，但是变化并不大。每当有机体遇到无法与之前形成的任何一个狭义表征相匹配的新挑战时，就会默认选择有关世界平均状态的综合表征，直到有机体形成能够反映新输入的基本特征的新狭义表征。我们将在本章后面进一步讨论该过程。我们可以在这个复杂网络上进行上述全部操作。这个复杂的模型可能会产生最有趣的结果。

我们推理的下一步是绘制因生化调节和架构特性差异而具有不同学习速率的计算模型的初步草图。