掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
上；▓@動植物指南
-
>
世界鳥類百科圖鑒:亞洲鳥類/歐洲鳥類/非洲鳥類/澳洲鳥類(全五冊)
-
>
科壇趣話:科學、科學家與科學家精神
-
>
愛因斯坦在路上:科學偶像的旅行日記
-
>
不可思議的科學史
-
>
動物生活史
-
>
影響世界的中國植物(全新修訂版)
我們如何看見,又如何思考 版權信息
- ISBN：9787521731507
- 條形碼：9787521731507 ; 978-7-5217-3150-7
- 裝幀：一般純質紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
我們如何看見,又如何思考 本書特色
從看見到認知，從人眼到神經網絡，哈佛教授帶你探究思維、學習以及腦科學的未解之謎。通俗曉暢的大家小書，講述我們的視覺與認知中蘊含的奧秘
我們如何看見,又如何思考 內容簡介
這是一本從視覺神經生物學角度介紹人類視覺認知的科普讀物，討論的主題是我們無比重要的眼睛，以及我們的視覺。作者為領域內具有開創性研究的專家，現就職于哈佛大學醫學院。我們為何總是說“眼見為實”，背后有什么科學原理嗎？我們每一天睜開眼就在接收來自外界的信息，那我們的眼睛究竟是如何承載這個世界的信息的，又是如何傳遞到我們的大腦的?人人都說眼睛是心靈和靈魂的窗戶，這又是為什么？在人群中要找一張熟悉的臉是再簡單不過的事，我們習以為常。但是人類是怎么辦到這件事的，這是科學界的重要謎題。我們大腦的運作有三分之一與視覺相關；旧峡茖W家要講清處人類是如何看見感知人事物，背后牽連到人類專享的認知本能。哈佛大學醫學院特聘教授、眼科學家及腦神經科學家理查德·馬斯蘭在本書中試圖以科學的角度來解釋人類如何透過雙眼與大腦去感知、學習與記憶。這本書涵蓋的主題很廣，從光線射到視網膜，到腦部的神經網絡如何把光線承載的訊息轉化成.人腦可以辨識與運用的知識，到計算機計算法要具有什么樣的功能我們才能稱為“人工智能”，以及我們在回憶過去時為什么會呈現出一種第三人視角……在這本書里都有了專業的學術解答。
我們如何看見,又如何思考 目錄
緒論 III
**部分 邁向視覺的**步
第1章 感知之妙 005
第2章 對著大腦的歌者——神經元 011
第3章 眼睛里的微處理器 039
第4章 幽靈神經元 061
第5章 眼把什么告訴了腦 087
第二部分 向荒原進發
第6章 感覺信號進入腦 103
第7章 下一步：皮質不止一片 121
第8章 可塑的感官 135
第9章 編制一張神經網絡：把共同發放的神經元連在一起 149
第10章 機器學習、大腦和視覺機器 173
第11章 對視覺的*新認識 197
第三部分 視野之外
第12章 為什么演化偏愛神經網絡 217
第13章 一些謎題與一些進展 223
第14章 看得見、摸不著 239
術語表 251
致謝 257
注釋 259
參考文獻 269
圖片來源 287
展開全部
我們如何看見,又如何思考 節選
這是一本介紹我們是如何看見的書。從古至今，視覺都是思想家樂于討論的話題，但是從現代角度來說，這些討論大多很幼稚，眼睛確實就像一個照相機，但是視覺不止于此。也許你會覺得你能認出朋友的臉是一件稀松平常的事——古人甚至不覺得這是一個問題，但是事實上這并不簡單。要真正地理解視覺，僅僅知道眼睛的成像原理是遠遠不夠的，你還得知道大腦是如何解讀外部世界的。 違反直覺的是，大腦的運行其實很慢。大腦里的神經元和它們之間的突觸的運行速度只有現代計算機的百萬分之一。然而，大腦可以在許多感知任務上打敗計算機。你可以在幾百毫秒內從人群中認出你的孩子來。你的大腦是怎么做到的？它是如何從刺激——一片光、空氣中的一絲振動、皮膚上的壓力變化——里解讀出外部世界發生了什么的？我們對于大腦所做的事情只知道冰山一角，但我們了解到的內容卻又已經足夠迷人。 我在25歲時成了一名神經科學家，彼時神經科學這個學科尚未建立。時至今日，我對它的興趣依然與當時相差無幾，并沒有隨著時間日益消減。我目睹了我們對大腦認識的進展，也參與了一點兒微小的工作。這本書的總體敘事框架是“視覺是如何工作的”，從視網膜講到了位于大腦顳葉的視覺中樞。與此同時，我也想帶你參與一段科學旅程，看看神經生物學的基礎工作是什么樣的——不是像脫口秀那樣，而是帶你走到實驗桌前看看實際的情況。因此我會穿插講述一些實驗室里的場景，也會介紹一些研究者。我們會一步一步地深入視覺。你會知道我們看到的世界并不是真實存在的世界，我們的視網膜會把真實世界的場景分解成碎片，每個碎片表征場景的一部分特定信息，然后分別用不同的通道傳輸給大腦。這個打碎重編的過程是由視網膜里的神經元完成的。我們將跟蹤這些進入大腦的信號，它們將在那里構建出我們的感知。 大腦中存在許多謎團，但是重要的一點是，大腦并不是一臺固定連接的電話連接網，而是由一群神經元交聯而成的神經網絡。你現在聽到神經網絡或許總覺得它是計算機里的東西，但實際上它*早是由高瞻遠矚的加拿大神經科學家唐納德·赫布（Donald Hebb）提出的。又過了一段時間，這個概念才被計算機科學家借用。隨后幾十年間，神經網絡的潮流時進時退，而性能更強大的計算機終于令計算機科學家開創了機器學習這一新的研究領域，它更為人知的名字叫作人工智能。他們證明，計算機中的神經網絡可以經過學習做出驚人的創舉，這讓神經科學家對大腦中的神經網絡更感興趣了。 因此，如今神經生物學和計算機科學之間展開了許多有益的合作，兩個領域相互促進。大腦是不是用神經網絡來解讀世界的呢？大腦是以“機器學習”的方式來工作的嗎？答案似乎是肯定的，而且大腦做得比計算機好得多。毋庸置疑的是，計算機在很多任務上做得很出色——不僅僅是下棋，還能學會其他更復雜的任務。然而總的來說，人工智能計算機還是只能在某些方面表現突出，而且即使是*簡單的人工智能也需要許多硬件支持，需要許多能源。與之形成鮮明對比的是，我們小小的腦袋只需消耗一盞小夜燈的電量就可以做更多的事情。從這個角度看，計算機是非常糟糕的大腦，而計算機科學的目標之一就是把計算機變得更像人腦。 機器學習的關鍵，正如赫布所想，在于固定連接的神經網絡有很多事情不能做，而連接神經元的突觸（或者說是計算機里的模擬“神經元”）能根據經驗修改。這種可塑性不僅存在于感覺系統里，而且是整個大腦通行的規則。可塑性讓大腦能從損傷中修復，還能讓大腦把資源分配給*重要的任務。在大腦中，神經網絡可以學著去預測世界中有什么物體，它用過去習得的知識來輔助識別視網膜輸入的原始信息。總而言之，這意味著感知不僅僅是對視覺圖景的固定響應，而且是習得的。大腦的神經網絡在看到視覺特征的特定組合時能認出它們。 對于我們理解感知、思維和情感的實際體驗，這意味著什么？我們沒有明確的答案，但是我們可以想象遠處的答案大概會是怎樣。已知的、已驗證的科學知識可以給我們以切入點。我將帶你們走一小段路，看看感官體驗是怎么變成感知和思想的。 *后，這一切中的“我”在哪里？ 當我們從外部看大腦時，談論大腦很容易，但是我們想象中的內在的那個自己在哪里呢？這個問題我們幾乎無從下手——我們陷入了意識的本質，即自我問題。我們將在本書的*后討論這個問題，我沒有答案，只是試圖帶你更清楚地看待這個問題。
我們如何看見,又如何思考 作者簡介
美國哈佛大學醫學院特聘教授、眼科學家及腦神經科學家，主要研究對象為視網膜神經細胞，已發表專業論文百余篇。多年來，他一直擔任馬薩諸塞州眼耳？漆t院的研究主任，這是世界上**的視覺研究機構。他是美國科學促進會(AAAS)研究員、霍華德休斯醫學研究所(Howard Hughes Medical Institute)前研究員、Proctor Medal和Alcon Research Award等獎項的獲得者。他對神經網絡的研究和失明的逆轉做出了開創性的貢獻。
書友推薦
- >
詩經-先民的歌唱
- >
我與地壇
- >
名家帶你讀魯迅:故事新編
- >
經典常談
- >
伯納黛特,你要去哪(2021新版)
- >
朝聞道
- >
【精裝繪本】畫給孩子的中國神話
- >
巴金－再思錄
本類暢銷
