人類唯一的出路: 變成人工智慧 | 初篇 人類巨靈和大腦結構

關注“

FightingCV

”公眾號

回覆“

AI

”即可獲得超100G人工智慧的

教程

點選進入→

FightingCV交流群

本公眾號為http://waitbutwhy.com的官方中文內容源

本文作者TimUrban：

Wait but Why的作者Tim Urban 是埃隆馬斯克（特斯拉/SpaceX創始人）強烈推薦的科技博主。他寫的AI文章是全世界轉發量最高的。他的粉絲還包括：Facebook創始人馬克扎克伯格，FacebookCOO謝麗桑伯格等。Tim也是TED演講平臺上有史以來最受歡迎的演講者之一。

馬斯克（特斯拉/SpaceX創始人）

本長文作者是Tim Urban，之前大熱的文章《為什麼有很多名人讓人們警惕人工智慧》也是出自他手，英文原文刊載於

http：//

waitbutwhy。com

本翻譯版本由謝熊貓君提供，全文共六萬字。兩百餘張圖片，分成六個章節，將分成五篇推送完成。

特斯拉/SpaceX創始人

在一個由人工智慧和“其他所有生物”組成的未來，人類只有一條出路：“變成人工智慧”。

簡述人類語言、智慧和人類巨靈的崛起

第一章：人類巨靈（約7000字

簡述大腦結構，為了解腦機介面提供基礎知識

）

講述腦機介面的基本原理和目前的技術水平

第二章：大腦（約8000字）

講述目前腦機介面跨越到全腦介面所要面臨的挑戰

第三章：腦機介面（約12000字）

全腦介面實現後未來的人類會是怎樣

第四章：挑戰（約8000字）

人類唯一的出路：變成人工智慧

本次推送是

第五章：魔法紀元（約13000字）

，包括了以上第一章和第二章的內容。約15000字，100張圖，會佔用您10MB左右的流量。本文預計閱讀時間20分鐘，建議先收藏。

第六章：大融合（約10000字）

總過五篇推送中的第一篇

2017年3月，我接到一個電話。。。。

好吧，其實談話不是這麼簡單，圖中描述的也不是我們的實際用詞。但是當我明白了埃隆馬斯克的新公司的目的後，我突然發覺，埃隆真的就是要造一頂魔法帽。

我在之前的文章裡面談論特斯拉和SpaceX的時候，我明白了當你要真正的瞭解一些特定的公司的時候，你需要開啟兩種視角——微觀視角和宏觀視角。微觀視角用來關注工程師們面對的技術挑戰，而宏觀視角用來關注人類這個種族所面對的存亡挑戰；微觀視角用來解讀現下這個世界的剪影，宏觀視角用來解讀我們如何走到了現下的這一步，以及遙遠的未來會變成怎樣。

在接觸了Neuralink之後六個星期，我意識到它不只是埃隆的新創業公司，它在激程序度、工程創舉和任務的宏大程度上，都要超越特斯拉和SpaceX。特斯拉和SpaceX想要重新定義未來的人類會做什麼，Neuralink則想要重新定義未來的人來會是怎樣。

Neuralink的使命所開的腦洞之大，再配合上人腦迷宮般難以想象的複雜程度，使得這次我接觸了一些很難完全理解的一些概念。但是這也是我最感振奮的一次。在花了足夠的時間在微觀和宏觀兩個視角上思考後，我終於理解透徹了。這種感覺就好像乘坐時光機去了一趟未來，然後再回到當下來和各位讀者解釋，其實未來比我們預期的還要不可思議。

但是在我帶你乘上這臺時光機之前，我們先要用從微觀和宏觀視角觀察一下——根據我的親身體驗來說，埃隆的魔法帽計劃需要很多的背景知識才能瞭解。

所以放空你的大腦，忘記它對自身和大腦未來的瞭解，換一身舒適的服裝，然後隨筆者一起跳進這思維的漩渦吧。

01

第一章

人類巨靈

六億年前，所有生物都是無所事事的。

因為任何生物都沒有神經。沒有神經就不能動，甚至不能思考，或者處理任何資訊。所以生物只是存在，然後等待死亡，如此往復。

直到水母出現。

水母是第一個意識到神經是個好東西的動物，它有世界上最早的神經系統——一個神經網。

水母的神經網使得水母能夠從周圍環境中收集重要資訊，比如物件、食物和捕食者的位置。收集了這些資訊後，神經網透過電話網路式的方式，把資訊傳遞到身體的各個部位。相比漫無目的的漂浮著，水母能夠收集和處理資訊，意味著水母能夠隨著環境的變化而做出反應，從而能夠更好的生存。

稍後，另一個動物帶來了一個更酷的點子。

這種叫扁形蟲的動物，發現如果在神經系統中有一個為一切做決策的“人”，一個神經系統大佬，整個神經系統會更有效率。這位大佬活在扁形蟲的頭部，並且設定了一條規則——所有神經收集到的任何新資訊，都需要直接傳遞給大佬。於是，扁形蟲的神經系統就不再是一張網，而是一個以大佬為中心，有著無數信使在大佬和其它神經之間快速傳遞資訊的傳輸體系，我們在這裡把它稱作大佬快傳體系：

扁形蟲的大佬快傳體系，是世界上最早的中樞神經系統，而扁形蟲頭部的大佬，就是世界上最早的腦。

很快，神經系統大佬這個超酷的點子流行了開了，地球上有了成千上萬的動物有了腦。

隨著動物們開始演化出各種錯綜複雜的身體系統，大佬的工作也變得日益繁忙。

又過了一段時間，哺乳動物出現了。在那之前的動物王國，生命是個很複雜的東西——動物們的心臟要跳動，肺也要呼吸。但是哺乳動物遠比這些基本的生存功能要複雜，除了生存之外，哺乳動物還要接觸複雜的感覺，比如愛、憤怒和恐懼。

對於爬行動物的腦來說，它們原本只需要和其它爬行動物或者更簡單的生物打交道，但是哺乳動物太複雜了。於是，第二個大佬出現在了哺乳動物的身體裡，和原本的大佬搭檔，專職處理新的需求，大佬二號就是世界上最早的邊緣系統（limbicsystem）。

在接下來的一億年裡，哺乳動物的生活變得越來越複雜，直到有一天，兩位大佬發現一個新的住戶搬進了它們的指揮大廳。

這個新的住戶看起來只是一個隨機產生的嬰孩，但事實上，它是新皮質（neocortex）的原型。雖然它一開始什麼都不說，但是隨著生物界演化產生了靈長類和大猿（great ape），以及早期原始人（hominids），這個嬰孩逐漸長成了小孩，進而長成了一個青年，也開始有了自己的行事規則。

青年大佬的點子非常有效，於是它變成了造工具、狩獵策略以及和其他原始人的合作等事務的預設決策者。

在接下來的幾百萬年中，青年大佬變得年長和睿智，它的點子變得越來越棒。它學會了穿衣服，使用火焰，和製造狩獵長矛。

但是它最酷的點子是“思考”。它把每一個人類的頭部變成了一個獨立於外界的小小世界，使得人類能夠思考複雜的想法，能夠透過決策來推導，能夠制定長期規劃。

然後，又過了大概10萬年，它有了一個更大的突破。

人類的腦已經進化到了能夠理解“石頭”這兩個字的讀音雖然不是一塊石頭，但是可以被用來指代石頭——這意味著，

（埃隆馬斯克發推讚揚本文）

到大約公約前5萬年前的時候，更多用來指代物件的詞彙被創造出來了，人與人之間能夠用完整和複雜的語言互相交流。

新皮質把人類變成了魔法師。它不但把人類的頭部變成了一個充滿了複雜思想的海洋，它所發明的語言還能夠把這些複雜的思想透過空氣振動造成的符號式的聲音傳達給其他人類，這些符號式聲音的接收方，能夠把這些聲音解碼，並且把這些聲音後面包含的思想匯入到自己思想的海洋中。人類的新皮質已經思考這種思想很久了，現在它終於能把這些思想與人交流。

接下來就是新皮質們的派對。新皮質彼此之間分享各種事情：過去的故事，編出來的段子，自成的觀點，未來的計劃。但最有用的，還是分享他們學到的東西。如果一個人類透過試錯學到了吃某種漿果會拉肚子兩天的慘痛經驗，他可以把這個經驗用語言分享給整個部落的人，就好像把經驗影印了一遍，然後分發給了每個人。部落的人們會把這個經驗用語言轉達給他們的孩子，他們的孩子會轉達給再下一輩的孩子。同樣的錯誤，不會被不同的人重複，一個人從經驗中得來的智慧，會穿越時間和空間，來保護每個人不用遭遇同樣的痛苦經歷。

同樣的過程，會在每一個新穎的竅門被發現的時候再重複一遍。一個天賦異稟的獵人，能夠很好的觀察星象和動物的年度季節遷徙，創立出一種觀察夜空來預測獵物迴歸的時間的體系，然後他會把這種體系與其他的獵人分享。雖然能夠自己創立這種體系的獵人非常罕見，但是透過口耳相傳，這種獵人所在部落的所有後輩獵人們，都會從這個祖先的聰慧中獲益——每一個獵人探索的突破，都會成為未來所有獵人的起點。

這種知識上的進步會讓狩獵季更加有效率，這就給了部落成員更多的時間來改進武器，經過幾代人的積累，也許後輩中又會有一個格外聰慧的獵人，發現一種製造更輕、更堅固的矛的方法，讓獵人扔矛變得更精確。於是，部落裡每一個現在的和未來的獵人都會用上更有效的矛。

語言，讓最聰明的人最棒的靈感，經過數代人的積累，聚成了一座小小的部落知識之塔——一份他們所有祖先的“屌爆了”時刻排行榜。每一代後輩都能夠把這座知識之塔裝進自己腦中，成為自己人生的起點，走向更好的發現，把這座知識之塔越建越高。語言就是以下這條曲線

跟這條曲線的區別的關鍵

兩條曲線巨大的不同源自兩個方面。有了語言，一代人之內可以互相學習很多知識，把這些個人的知識點結合起來。同時，代與代直接可以透過語言把更多的知識傳遞給下一代，使得知識在歷史中留存更久。

當知識能夠被分享，它就變成了一個巨大的跨代合作工程。幾百代人以後，“不要吃那種漿果”這個小貼士，變成了一整套常年大規模種植適合人類食用的漿果的體系。最初關於獵物遷徙的觀察，變成了野山羊馴化的體系。矛，在幾萬年的時間裡經過成百上千次的改進，變成了弓和箭。

語言，使得一群人類能夠像一個集體智慧一樣運作，而這個集體智慧遠比任何一個單體的人類的智慧要強大。同時，這群人類中的每一個個體都能從這個集體智慧中受惠，好比這些知識都是由這個個體自己想出來的一樣。我們現在覺得弓和箭是很原始的科技，但是如果你把嬰兒愛因斯坦丟去一個沒有關於弓箭知識的原始社會，然後讓原始社會長大的愛因斯坦發明他能想到的最好的狩獵工具，我敢打賭他的知識、技能、和智慧根本不足以發明弓和箭。只有人類的集體智慧，才能從無到有發明弓箭。

語言讓人類能夠構建複雜的社會結構，這一切，配合著農作物種植和動物馴化等高階科技，使得小部落逐漸在固定地點長期定居，然後逐步合併成大型部落，而知識之塔也合併成了知識巨搭。大規模合作提升了所有人的生活質量，到了公元前一萬年左右，最早的城市出現了。

有個計算機網路定律叫梅特卡夫定律，該定律告訴我們：一個網路的價值與聯網的使用者數的平方成正比。參考下面的這個圖：

這個定律對人同樣有效。兩個人能組建1個對話，三個人能組建4個不同的對話（3個雙人對話，以及1個三人對話），五個人能組建26個對話，二十個人能組建1048555個對話。

所以，知識巨塔不只讓一個城市的市民們受益。梅特卡夫定律同時意味著人與人之間組建對話的可能性達到了一個前所未有的數量級。更多的對話意味著更多的點子互相碰撞，更多的發現互相協同，同時，創新的步幅也越來越快。

人類很快掌握了農業，使得更多人不用參與作物種植，而能空出時間來思考別的點子。不久之後，一個新的大創新出現了——文字。

歷史學家認為人類最早的文字出現在五、六千年前。在那之前，知識的巨塔只存在人類記憶的網路裡，而對於這些知識的檢索只能透過口耳相傳的交流。這個方式在小部落裡沒有問題，但是當巨量的知識需要在龐大的人群裡分享的時候，單靠記憶就顯得力不從心了，很多的知識會應此丟失。

語言讓人類能把思想從一個人傳遞到另一個人，文字則讓人類能把思想記在物理物件上——比如石刻。這使得知識能夠長久留存。當人們開始在羊皮卷或者紙上開始寫字的時候，原本需要數週才能口耳相傳的知識，被壓縮成一本書或者一個能握在手中的卷軸。人類的知識巨塔開始以物理形式存在於城市的圖書館和大學裡的書架上。

這些書架變成了人類對於萬物的使用指南。它們指引著人們進行新的發明和探索，而新的發明和探索變成新的書來反哺壯大這些書架。這些使用指南教會了我們精妙的利用貿易和貨幣，製造船隻和大廈，研究醫學和天文。每一代人都能從一個比上一代人更高的知識和技術起點出發，進步的步伐持續加速。

然而，嘔心瀝血而成的手寫書就像寶藏一樣，只有頂尖的精英才能染指。15世紀初，整個歐洲只有約三萬本書。然後，下一個大突破出現了——印刷機。

15世紀的時候，大鬍子約翰內斯。古騰堡發明了一種給一本書創造多份完全一致的複製的辦法，這個新方法前所未有的快速和廉價。更重要的是，這種複製方法還非常準確。其實在古騰堡出生的時候，人類已經搞明白印刷機95%的前期技術，古騰堡以這些知識為起點，完成了最後的5%，所以古騰堡並沒有發明印刷機，中國人比古騰堡早了幾百年。其實很多你所熟知的世界各地的發明，很

可能都是在中國內最早發明的。古騰堡的印刷機的原理是這樣的：

序

人類發明了語言。

好吧，雖然古騰堡的印刷機不是想象中那麼天才，但是它是人類傳播知識能力的一大步。接下來的幾個世紀，印刷技術突飛猛進，從古騰堡時期一個小時能夠印25頁，到19世紀初一小時能夠印2400頁。

大規模印刷的書籍讓資訊像野火一樣傳播。同時書籍的造價也越來越低，教育不再是精英的特權，數以百萬計的人能夠閱讀書籍，識字率也大規模上升。一個人的思想能夠傳播給數百萬人，大眾傳播的時代開始了。

書籍的雪崩式湧現，讓知識越過了邊境，原本全世界各個區域的知識終於融合成了一個直衝雲霄的全人類知識巨搭

我們在大規模尺度上溝通的能力越強，我們作為一個種族越能像一個聯合體一樣行動。人類的知識巨塔，作為這個聯合體的腦，而每一個人類就像這個聯合體的一個神經元或者一條肌肉纖維。隨著大眾傳播時代的到來，這個種族聯合體——我們稱之為

我找到了一個關於古騰堡的印刷機的工作原理的影片，看完感覺也就一般般。我原本以為古騰堡造出來的是個天才機器，然而事實上他只是創造了一堆字母和標點的活字印章，然後手動的把它們擺成段落，接著手動在印章上面刷上墨水，最後把一張紙壓在印章上面，就成了一頁書了。每次他手動排完一頁印章後，他就會印好多份，然後他會花很久時間再排下一頁，然後重複這個過程。他最早的專案是印180本聖經，而這個專案花了他和他的員工們兩年的時間。

，也出現了。

因為有全人類所有的知識作為腦，人類巨靈開始發明一些任何人做夢都沒法單獨發明的東西，這些東西對於僅僅幾代人之前的人類來說就好像荒誕的科幻小說一般。

人類巨靈，把牛力車發展成了火車，馬拉車變成了鐵皮汽車，燈籠變成了電燈泡，手寫信變成了電話通訊，工廠工人變成了工業機器。我們飛越了天際，進入了太空。隨著廣播和電視的出現，“大眾傳播”被重新定義——一個人腦子裡的想法，可以即時被傳達給數十億人。

如果一個人類個體的核心驅動力是傳遞他自己的基因，使得種族可以延續，那麼在宏觀經濟的作用力下，人類巨靈的核心驅動力就是創造價值，具體來說就是發明更新更好的技術。每次有更新更好的技術發明出來，巨靈就變成一個更好的發明家，從而能更快的發明新東西。

而到了二十世紀中期，人類巨靈開始創造他最有野心的發明。

巨靈早早就發現，最好的創造價值的方法就是發明出能創造價值的機器。在很多領域，機器比人類更加厲害，這就產生了很多能夠創造價值的新資源。更重要的是，機械勞動力能夠解放人類的大塊時間和能量，也就是說巨靈本身會有更多的精力來專注於創新。在此之前，巨靈透過腦力把人類上肢的工作透過工廠機械來替代，人類下肢的工作透過車輛來替代，現在，如果把人類大腦的工作也由機器來代替呢？

最早的數字計算機出現在二十世紀四十年代。

有一種計算機能夠代替的大腦工作是資訊儲存——計算機很擅長記憶。我們早就學會用書本來代替人腦記憶，就好像我們用汽車（在更早之前則是馬）來替代我們腿的工作。

電腦起初也是用來替代人腦記憶的，是書本的一個升級，就好像汽車是馬的升級一樣。

資訊處理就是另一回事了，我們一直沒想過能怎樣把資訊處理這一腦力勞動給外包出去。人類巨靈的資訊處理工作一直都是自己來處理的，直到計算機改變了這一切。

工廠機械讓我們外包了物理流程，我們把材料放進機械，機械處理材料，然後產出成果。計算機能夠做同樣的事情，只不過處理的不是材料而是資訊。一個軟體程式做的就是像機械處理材料一樣處理資訊。

計算機這個資訊儲存、整理、處理的機器非常有用，計算機作為企業和政府日常工作的核心工具逐漸流行起來。到二十世紀八十年代末，個人都開始擁有個人計算機這種大腦助手了。

然後人類又邁了一大步

九十年代初的時候，我們教會了數百萬的大腦-大腦助手（計算機）節點如何與其它的節點交流。這些節點組成了一個世界範圍的計算機網路，而一個新的聯合體就產生了——我們稱它為

這堆活字印章這就是古騰堡的技術？我看完影片後感覺我好像也能輕易想出這個點子，人類居然花了五千年才想出來活字印章。所以，其實我不是針對古騰堡，我是覺得全人類好像都一般般。

。

計算機巨靈和它的網路，對於人類巨靈的效用，就好像菠菜對於大力水手的效用一樣。

如果每一個人類個體的腦就像人類巨靈的神經元和肌肉纖維一樣的話，那麼網際網路給了人類巨靈一個正經的神經系統。每個神經系統的節點都是和其它所有的節點互聯的。資訊能在這個系統裡以光速傳播，讓人類巨靈的思考變得更快更順滑。

網際網路使得數十億人類能夠實時、自由、輕易地檢索整個人類的知識巨搭（現在巨塔比之前高了很多，甚至越過月球了）。這讓人類巨靈變成了一個更聰明更快的學習者。

如果個體的計算機變成了個人、公司和政府大腦的延伸，計算機巨靈則是整個人類巨靈的大腦的延伸。

有了計算機巨靈這個真正的神經系統、升級版的大腦和強大的工具，人類巨靈能夠以前所未有的方式發明新事物。而同時人類巨靈意識到計算機這個幫手很強大的時候，他也把一大塊的精力放在發展計算機技術上面。

他學會了用更低的價格造出更快的計算機，把網際網路變得更快而且無線，使得計算機晶片越來越小，使得每個人的口袋裡都能裝下智慧手機這個強大的計算機。

每個創新，都好像給人類巨靈餵了一整車菠菜。

但是今天，人類巨靈有了一個比菠菜更加宏大的點子。計算機已經改變了人類的格局，使得人類能夠把腦相關的任務外包出去，並且能幫助人類像一個單體一樣運作。但是現在還有一類腦力勞動是計算機不能代理的——思考。

計算機可以計算、組織，還能運行復雜的軟體，有些軟體甚至能自己學習。然而計算機不能像人類一樣思考。人類巨靈深知自己創造的一些，都源自於人類能夠獨立和有創造性的思考，而大腦的終極擴充套件，其實是一個能夠自己思考的工具。人類巨靈還不知道的，是如果計算機巨靈睜開慧眼，自行思考的話，世界會變成怎樣。但是要記住，人類巨靈的核心目標是創造價值和推動技術不斷追求極限，人類巨靈是懷著巨大的決心要探索出一個結果的。

我們在後文再繼續探討以上的問題。在那之前，我們先補充點背景知識。

筆者曾經在以前的文章提過，知識就像一株樹，如果你學習一個課題相關的樹枝或者樹葉，但是沒有樹幹這個根基，這個知識是學不進去的。樹枝和樹葉沒有可以依附的基礎只會被風吹走。

我們前面說了，埃隆馬斯克想做的是給大腦造一頂魔法帽。那麼理解為什麼他要這麼做，就是了解Neuralink的根基，也是瞭解我們的未來可能會是什麼樣子的根基。

但是除非我們明白這個魔法帽究竟是什麼、戴著魔法帽會有什麼效果，以及我們怎樣從現在到達這個目標，前面所說的根基將會難以理解。

而關於這一些前提知識的討論的基礎，就是先明白什麼是腦機介面，腦機介面怎麼工作，以及現在的腦機介面技術水平是怎樣的。

而腦機介面本身也不是樹幹，而只是一根比較大的樹枝而已。要真正瞭解什麼是腦機介面和它的功用，我們先要了解大腦。大腦是怎麼工作的，才是我們需要最先掌握的樹幹。

02

第二章

大腦

這一段會讓大家明白為什麼我平常喜歡把大腦畫成這樣一個可愛的樣子：

因為寫實的大腦非常的不可愛，讓人起雞皮疙瘩。

但是為了寫這篇文章，我過去一個月在谷歌圖片搜尋上看了太多血淋淋的照片，所以各位讀者也要看一些啦

我們從頭的外面開始。生物學研究有一點好，很多研究讓人看了很有滿足感，而腦本身有很多讓人很滿足的東西，其一就是人的頭部其實跟個俄羅斯套娃一樣。

我們的理解是，最外面是頭髮，下面是頭皮，然後就是頭部。其實不是這樣的，頭皮和頭骨之間其實隔了19層東西。

而頭骨下面，還有很多東西，然後才是大腦。

頭骨下面，有三層膜包裹著大腦：

最外層的，叫硬腦膜，一層緊實、凹凸不平的防水層。硬腦膜緊貼著頭骨。據說，大腦本身不能感知痛覺，但是硬腦膜可以，硬腦膜幾乎和臉部的面板一樣敏感。置於硬腦膜上的壓力，或者硬腦膜的瘀傷是很多人頭痛的原因。

硬腦膜下面是蛛網膜，是由一層皮和一層結締組織組成的。我原以為我的腦是漂浮在一些頭骨裡面的一些液體裡面的，然而其實頭骨和腦之間唯一的空隙，其實就是蛛網膜的結締組織間的孔。這些結締組織使腦不會過多移動，當你的頭撞到別的東西時能夠起到減震的作用。這些空間裡面充滿了脊髓液，脊髓液的密度和水相近，所以大腦幾乎是漂浮在其中的。

最後一層是軟腦膜，一層柔軟的和腦外部貼合在一起的皮。當你看到腦的照片的時候，很多時候腦都是被一層噁心的血管包裹住的，而這些血管其實並不是處在腦的表面，而是嵌在軟腦膜裡面。

下圖是一個（應該是）豬頭的三層膜的總覽：

從左往右，分別是面板（粉色部分），然後兩層頭皮，然後頭骨，接著才是硬腦膜、蛛網膜和軟腦膜，最右邊的是大腦。

當我們把外面這些東西都剝去後，剩下的就是這個：

這個看起來很荒唐的東西是宇宙裡我們已知的最複雜的東西，重約三磅，功率約等於20瓦，相比之下，一個同等強大的計算機的功率約是2千4百萬瓦。Tim Hanson教授把大腦稱為“已知的資訊密度最大、最有結構性，並且最能夠自我構建的物質”

MIT教授Polina Anikeeva把大腦稱為“能用勺子舀的布丁。”腦外科醫生Ben Rapoport則更準確的把材質描述為“介於布丁和果凍之間”。Ben還解釋說，如果把一個大腦放在桌上，重力會讓它變形，變扁一點，就像個水母一樣。我們的印象中腦不是這麼溼軟的，因為我們看到的腦常常懸浮在水中。

當你照鏡子的時候，你看到自己的身體和臉，然後覺得那就是你，但其實你的肉體只是“你”所乘坐的一臺機器。實際上，你就是這塊布丁——希望你不要為此感到壓抑。

大腦是如此的奇怪，以至於亞里士多德、古埃及人，還有很多其他人，都假設其實大腦是沒什麼意義的“顱內填充物”而已。亞里士多德甚至認為心臟才是智慧的中心。

最後，人類還是發現了大腦的真相，但也不是發現的很徹底。

Krishna Shenoy教授把我們對大腦的認知類比人類在16世紀時對世界地圖的認知一般。

而JeffLichtman教授，則更為犀利點。他在開課之前會問他的學生：“如果我們需要了解的大腦的知識是一英里那麼長，那麼我們現在處在什麼距離上呢？”他的學生會給出四分之三英里，半英里，四分之一英里等答案，但是他覺得正確的答案應該是“三英寸”左右。

第三個教授，神經科學家Moran Cerf， 跟我分享了一個神經科學的老說法，意指任何試圖完全瞭解大腦的行為都類似第22條軍規：“如果人類的大腦簡單到我們都能夠理解它，那它也會太簡單，使得我們沒有足夠的腦力來做到這件事。”

也許有了我們正在建造的知識巨塔的幫助，我們會達到那個目標。但是現在，我們只能從我們所掌握的關於我們腦的理解開始了——先從粗略的說起。

大腦，拉遠了看。

我們先透過一個腦半球切片來看一下大腦的幾個主要部分：

我們把大腦從頭部取出，然後移除左半球，然後我們就能好好看看內部了。

神經科學家PaulMacLean做了一個簡單的圖，來闡述我們前面提到的爬蟲類腦最早出現——然後是哺乳動物對腦進行了完善——最後又進行了完善後成為了我們現在的大腦三元件的理論。

這就是我們的腦的大概分佈：

我們分部分來看：

人類巨靈

這是我們大腦裡最古老的一部分

就是圖中青蛙大佬所佔據的那部分。事實上，一個真的青蛙的腦和人類腦的這一部分是非常相似的，下圖是青蛙腦的照片。

當你理解這部分腦的功能後，這部分腦的“古老”就顯而易見了——這部分腦能做到的功能，青蛙和蜥蜴也能做到。

計算機巨靈

爬蟲類腦：腦幹和小腦

延髓

基本上做著那些讓你不要死的工作。它控制那些無人賞識但是至關重要的無意識行為，好像心臟的跳動、呼吸、血壓，以及當它覺得你中毒的時候讓你嘔吐。

腦橋

則是這也做點，那也做點的百搭。腦橋控制吞嚥、膀胱、臉部表情、拒絕、唾液、淚水和體態。

中腦

則比腦橋更雜。中腦的地位其實很尷尬，它的每一個功能都和大腦另外某個部位的功能重複。中腦涉及視覺、聽覺、運動控制、警覺、體溫控制，以及其它若干個由腦的其它部位已經在做的事情。大腦對於中腦也不是很買賬，整個大腦可以分為前腦、中腦和後腦，前腦和後腦都由多部分組成，範圍很大，唯有中腦是孤立的一小塊。

腦橋和中腦有一個值得單獨提出的功能是它控制眼球的自主移動，所以如果你現在在轉動你的眼球的話，其實就是腦橋和中腦幫你達成的。

小腦

腦幹上方的就是邊緣系統，也正是邊緣系統讓人類如此神經質。

邊緣系統是一套生存系統。一般來說，當你做任何你的寵物狗也會做的事情的時候，比如：吃，喝，做愛，打架，躲藏，逃跑等，背後都是你的邊緣系統在控制。不管你的個人感覺是怎麼樣的，當你在做這些事情的時候，你都處在一種原始的生存模式中。

邊緣系統也是情緒產生的地方，歸根結底來說，情緒也是和生存有關的。情緒是更高階的生存機制，對於生活在複雜社會結構中的動物是很必要的。

筆者在以前的作品中提到“及時行樂猴”、“社交生存猛獁”和其它人類的動物性具象的時候，說的其實都是邊緣系統。任何時候你的腦子裡產生內部鬥爭的時候，其實都是邊緣系統在催促你去犯下一樁樁你之後會後悔的事情。

我非常確定控制好自己的邊緣系統，是一個人成熟的定義，也是人類的核心鬥爭任務。這並不是說沒有邊緣系統我們會變得更好，人之所以為人，有一半要歸功於邊緣系統，而生命中絕大多數的快樂都是和情緒或者滿足自身動物慾相關的。然而，這裡要強調的是邊緣系統並不知道你生活在一個文明社會，如果你讓邊緣系統過多幹涉你的生活，它會很快毀了你的生活。

不管如何，我們還是要仔細看看邊緣系統。邊緣系統裡面有很多小元件，我們這裡就只關注那些最重要的啦：

保證你能夠平衡、協調和正常的移動。

古哺乳動物腦:邊緣系統

杏仁體

就是人類情緒的車禍現場。杏仁體負責焦慮、悲傷以及對恐懼的反應。杏仁體有兩個，很奇怪的是，左邊的那個更加平衡，有時會在負面情緒外產生一些正面感覺，但是右邊那個杏仁體卻一直是在糟糕的情緒中的。

海馬體

就好像記憶的草稿本。當老鼠開始記憶迷宮中的方向的時候，它們的記憶就是被編碼儲存在海馬體裡的。處在迷宮中的不同位置的時候，老鼠的兩個海馬體的不同部位會各自產生不同的反應。但是如果在記住一個迷宮之後，這隻老鼠又被派去幹了些別的任務，在一年後再把這隻老鼠放回原本的迷宮中，它就很難記得迷宮的方向了。這是因為海馬體這個草稿本上的記憶很多被擦除掉，從而騰出空間來給其它新的記憶了。

電影《記憶碎片》中主角的症狀是真實存在的一種病，叫作順行性遺忘症。這種症狀就是海馬體的損害導致的。阿爾茲海默症也是從海馬體開始發病，然後蔓延到腦的其它部位，所以在阿爾茲海默症的所有症狀中，記憶力衰退是最早出現的。

丘腦

位於整個腦的中間位置，乾的也是感官資訊中間人的角色。丘腦接收到感官器官發來的資訊，然後把資訊傳遞到皮質去處理。當你睡著的時候，丘腦也會入睡，也就意味著傳遞感官資訊的中間人下班了。所以在沉睡的時候，聲音、燈光、觸控有時不會把你喚醒。如果你想要把一個沉睡的人喚醒，動作要激烈到把他的丘腦喚醒。

終於，我們要開始討論皮質了。它還有其它一些稱呼大腦皮質（cerebralcortex），新皮質（neocortex），大腦（cerebrum），皮層（pallium）

很尷尬的是我們對於整個腦中最重要的這部分的稱呼非常混亂。下面是一些背景知識：

這裡唯一的例外是你的嗅覺，嗅覺是唯一不經過丘腦的感官。所以給昏迷的人聞鹽是一個常用的喚醒手段。順帶一提，嗅球（olfactorybulb）是最古老的感官。與其它感官不同，嗅覺位於邊緣系統的深處，和海馬體與杏仁體合作緊密，所以嗅覺才會與記憶和情緒緊密關聯。

新哺乳動物腦:皮質(Cortex)

大腦(cerebrum)是腦的整個外部的部分，當然它其實也包括一些內部的部分。

皮質（cortex）是拉丁文裡樹皮的意思，它也被用來稱呼許多其它器官的外層。比如小腦的外層叫作小腦皮質，而大腦（cerebrum）的外部就被叫作大腦皮質。只有哺乳動物才有大腦皮質，爬行動物腦的外層叫作皮層（pallium）

皮質負責幾乎所有處理相關的事情——你看到、聽到和感覺到的東西，以及語言、運動、思考、計劃和人格。

它總共分成四葉：

要描述這四葉分別做什麼是件很惱人的事情，因為每一葉都做很多事情，並且互相之間的功能有重疊，但是極端簡化的來說：

額葉（frontallobe）掌管你的人格，以及很多思考相關的東西，比如理論、計劃和執行功能。這裡要指出，你的很多思考，是在額葉的前端進行的，這部分叫作前額皮質（prefrontal cortex）。前額皮質是那些內心鬥爭中另一個會出現的角色，那個理性的決策者，那個推動你好好做事的人，那個告訴你不要在意別人想法的真誠的聲音，那個希望你能有大格局的領路人。

額葉還負責你身體的運動，額葉最上面的一帶，是你的運動皮質。

接著是頂葉（parietallobe），頂葉控制觸覺，這一部分功能主要在體感皮質實現，體感皮質在運動皮質旁邊。

運動和體感皮質很有趣，因為它們和人體的對應關係非常工整。神經科學家清哪楚地知道每個皮質的各部位分別對應身體的那些部分，下面我們要放出本文中最奇怪的一張圖：何蒙庫魯茲（homounculus）

何蒙庫魯茲由神經外科醫生WilderPenfield創造，用來呈現運動和觸感皮質如何對應到人體部位。圖中的人體部位越大，代表運動和觸感皮質中有越多的部分是與該部位對應的。這張圖有一些有趣的點：

首先，皮質中負責臉和手的運動和觸感的部分，比全身其它部分加起來都要大。當然這不難想通，人臉需要能做出各種微妙的表情，而手需要能夠無比的靈巧。而身體的其它部位，比如肩膀、膝蓋、背部，在移動和觸感上可以粗糙很多。所以人們用手指，而不是腳趾，來彈鋼琴。

其次，運動和觸覺皮質各自對於不同身體部位的分配比例基本是一致的。也就是說人體中越是需要靈活運動的部位，也越是觸覺最靈敏的。

最後，如果我們把何蒙庫魯茲3D化的話，它應該長這樣：

繼續

顳葉（temporal lobe）是你的記憶儲存的地方，而因為顳葉離耳朵很近，它也包括了聽覺皮質。

頭後方的是枕葉（occipitallobe），這裡包括了你的視覺皮質，而枕葉幾乎是完全為視覺服務的。

一直以來，我覺得這四個是幾個組成大腦的大塊，但其實皮質只是大腦最外層兩毫米的物質，和一個硬幣差不多厚，皮質下面的那些“肉”基本上是連線線。

新皮質這個稱呼和大腦皮質基本可以換著用，但是其實它是專指那些更發達的哺乳動物才有的大腦皮質的特殊外層，大腦皮質剩下的部分叫異型皮質(allocortex)

下文中，我們將主要談論新皮質，但是簡單起見，我們還是把它叫做皮質吧。

如果你能把皮質從大腦上取下來，你獲得的其實是2毫米厚，2000-2400平方釐米的一塊物質，大概是48釐米見方的一塊餐巾的大小。

這塊餐巾就是你腦內大部分行為發生的地方，它讓你能夠思考、移動、感知、看、聽、記、說話和理解語言。真是塊很酷的餐巾。

還記得之前我說你是個果凍嗎？其實“你”基本上就是你的皮質，也就是說你其實是塊餐巾。

當我們把一個大腦，和我們的餐巾做對比，就能看出來摺疊的巨大效果了。

所以現代科學對大腦的理解雖然不完美，但是對於一些大概念的理解還是不錯的。當然對於一些小概念我們的理解也不錯，下面我們來說一下：

雖然我們很早就知道了大腦是我們智慧的基座，但科學家直到最近才知道大腦是由什麼組成的。科學家們知道身體是由細胞組成的，在19世紀後期，義大利醫生Camillo Golgi發現了一個用染色來研究腦細胞結構的方法，結果非常讓人驚訝：

細胞不應該長這樣的。雖然自己還不知道，但是Golgi醫生髮現了神經元。

科學家們很快發現，神經元是幾乎所有動物的腦和神經系統裡巨大的通訊網路的核心元件。

但直到二十世紀五十年代，科學家才知道神經元之間是怎樣互相溝通的。

神經元用來承載資訊的長條物軸突（axon），一般來說直徑都很小，所以直到最近科學家才能對他們做測試。在二十世紀三十年代，應該動物學家發現魷魚可以改變我們的認知，因為魷魚體內有一根非常大的軸突可以供我們做實驗。二十幾年後，靠著魷魚的大號軸突，科學家Alan Hodgkin和Andrew Huxley發現了神經元是怎樣傳遞資訊的——動作電位。它的工作原理是這樣的：

神經元有很多種：

但為了簡單的敘述，我們只討論最簡單的一種——錐體細胞。要畫一個神經元，我們可以先畫一個小人：

然後我們給他多畫幾條腿，一些頭髮，去掉他的手臂，再把他拉長，我們就畫好了一個神經元小帥了。

然後我們再畫幾個神經元。

動作電位的工作原理比較複雜，裡面很多技術資訊很無趣，而且和我們的討論關係不大，所以我們就用一個簡單的模式來談論一下吧。

神經元小帥的身體，也就是軸突，有一個負的靜息電位，當軸突休息的時候，它的電荷是負的。好多神經元的腳會觸碰到神經元小帥的頭髮（樹突），這些腳會把神經傳遞素傳遞到小帥的頭髮上，神經傳遞素會經過小帥的頭，然後根據傳遞素的不同，提高或者降低軸突的電荷。

當足夠多的神經傳遞素把小帥的電荷提高過了一個點——閾電位的時候，這時就會產生一個動作電位，而小帥此時就被電擊了。

這是一個二元的情況，神經元小帥要麼沒事，要麼被完全電擊。他不能被半電擊，或者過度電擊，他每次都是被完全電擊。

當電擊發生時，一個電流脈動會從小帥的身體到達他的腳，當動作電位到達他的腳的時候，腳會向所接觸的別的神經元的頭髮傳遞化學物質，這些化學物質可能會也可能不會導致別的神經元產生電擊。

這其實就是資訊在神經系統中傳遞的方式，化學資訊在腳和頭髮之間傳遞，然後形成電力資訊穿過神經元。當然，在身體需要非常快的傳遞資訊的時候，神經元之間的連線可能本身就是電的。

動作電位的移動速度在1-100米每秒。這個不確定範圍的產生原因是神經系統裡面的另一種細胞（雪旺細胞）會一直把一些軸突包裹在厚厚的髓鞘中。

除了保護和絕緣外，動作電位在髓鞘包裹的軸突中傳播的更快。

一個關於速度差的例子是這樣的，當你不小心踢到了自己的腳趾，你會先意識到自己踢到了腳趾，然後痛感才會出現。這裡發生了兩件事，你的腳趾踢到東西的資訊和所伴隨的鋒利痛感，透過髓鞘包裹的軸突快速傳遞到了腦中。而頓挫的疼痛沒有沒有透過髓鞘包裹的軸突傳播，所以以每秒一米的速度慢慢的到達了腦。

神經網路

神經元就好像電腦電晶體一樣，它們透過二元的方式傳遞資訊，1就是動作電位，0就是沒有動作電位。但和電晶體不同的是，腦內的神經元是不斷在變化的。

有沒有過這種體驗，有時候你學會一個新技能，然後第二天再試的時候又生疏了？這是因為讓你一開始學會新技能的是神經元之間化學物質的濃度的調整。重複的練習能不斷的調整這些化學物質，這也幫助你能夠進步。但是第二天，當這些化學物質迴歸原來樣子的時候，這些進步就消失了。

但是如果你繼續練習，你會長久的擅長一項技能。因為長久的練習後，你告訴大腦：“這是我想要一直存在的一個東西”，然後腦就會在結構上改變神經網路，使得這些技能能能夠長久存在。在這些改變中，神經元改變了自己的形狀、位置，加強或者削弱了各種連線，使得一條關於這項技能的通路會一直存在。

神經元對於自身的化學、結構、甚至功能的改變，使得腦內的神經網路能不斷針對外部世界最佳化自己，這叫作神經可塑性。嬰兒的腦的神經可塑性最強。當一個嬰兒誕生的時候，它的腦並不知道自己要變成一個擅長冷兵器作戰的中世紀勇士，或是一個擅長撥絃琴的十七世紀音樂家，還是一個需要儲存和整理大量資訊並且掌握複雜社會構建的現代知識分子。但是一個嬰兒的腦為所有的可能性做好了準備。

嬰兒是神經可塑性的巨星，但是神經可塑性在人的一生中都存在，所以人類才能成長、轉變和學習新東西。所以我們才能形成新習慣，打破舊習慣——一個人的習慣是腦內迴路的外在表現。如果你想要改變習慣，你需要很強的毅力來克服腦內的神經通路，但是隻要你能堅持夠久，你的腦早晚會明白你的意圖然後改變那些通路，而新的習慣將不再需要毅力來維持。你的腦會在物理結構上幫你建立一個新習慣。

總共，大腦內有大約1000億個神經元來組成這個難以想象的複雜網路，這個數量和銀河系裡的恆星數量相近。大約150-200億的神經元在皮質中，其它的在你的爬行動物腦和古哺乳動物腦中，神奇的是，小腦裡面的神經元數量有皮質裡的三倍多。

接下來，我們退出去，再看一下腦的橫切面，這次不是從前往後切，而是從中間切。

大腦的材料可以分為灰質和白質。灰質看上去顏色更深，由神經元的細胞組成，白質則主要由連結軸突組成。白質之所以是白色是因為這些軸突通常被髓鞘包裹著。

灰質主要有兩個部分——邊緣系統的內部和腦幹，以及皮質外層硬幣那麼厚的部分。剩下來的大塊的白質主要就是皮質神經元的軸突組成的了。皮質就像一個指揮中心，把很多命令透過白質中的軸突傳播下去。

對於這個概念最酷的展現是Greg A。 Dunn博士 和Brian Edwards博士繪製的圖：

這些皮質軸突可能是在把資訊傳遞給皮質的另一部分，或者是去到大腦的下部，或者透過脊髓直接到身體的其它部位。

接著我們來看看整個神經系統。

神經系統分為中樞神經系統（腦和脊髓）和周圍神經系統。

大部分的神經元都是中間神經元，也就是和其它神經元溝通的神經元。當你思考的時候，有很多中間神經元互相通訊，中間神經元大部分在腦內。

另外兩種神經元是感覺神經元和運動神經元。這些神經元在脊髓和周圍神經系統裡面。這些神經元可以長達一米。

還記得前面提到的運動皮質和體感皮質嗎？

這兩條皮質是周圍神經系統發起的地方。感覺神經元的軸突從體感皮質出發，透過大腦的白質，進入脊髓，然後到達身體的各個部分。你面板的每一部分都是體感皮質發起的神經相連。對了，神經其實就是數根軸突綁在一起。

我們用蒼蠅飛到你手上的例子來說明一下神經系統的工作方式：

我們之前討論過了，大腦的演化是一個向外構建的過程，它不斷在已有的模型上加上新的更酷的功能。但是往外建造有它的極限，因為人的出生需要透過母親的陰道，而這就限制了我們的頭能長到多大。

所以演化過程就另闢蹊徑。因為皮質很薄，增加表面積就能增加它的數量，所以加入了很多摺疊後，腦的體積基本不變，但是表面積能夠增加幾乎三倍。當胎兒還在子宮中，胎兒的大腦剛開始形成的時候，大腦是光滑的，大腦表面的摺疊基本上是在孕期的最後兩個月形成的。

所以至今為止我們好像還蠻瞭解大腦的，是吧？那為什麼之前我們提到如果我們需要了解的腦的知識是一英里的話，我們現在只是瞭解了三英寸呢。

是這樣的。

比如說我們對網際網路是有個大致的瞭解的，比如大概有多少網名，有哪些大網站，最近流行什麼。但是對網際網路中間發生的那些東西，網際網路整個的內部工作機制，我們其實是很迷糊的。

又比如經濟學家能夠告訴你一個個體消費者的行為，也能告訴你宏觀經濟學的概念來幫你理解背後的種種操控力，但是沒有哪個人能夠真正的告訴你經濟體是怎樣運作從而來預測明年的經濟會是怎樣的。

大腦就和這些東西是一樣的。我們知道了一些細節的東西，比如神經元怎麼運作，我們也知道了一些宏觀的東西，比如大腦裡有多少個神經元，有那些主要的腦葉，以及各自的控制結構，和腦的大致耗能。但是中間的那些東西，比如大腦的每個部分具體是怎麼做到這些事情的，我們就不得而知了。

真正讓我們理解我們的無知有多深的，就是聽一下神經科學家對於我們目前最瞭解的大腦部位的理解。

譬如視覺皮質，我們理解的就不錯。

科學家PaulMerolla這樣跟我描述：

蒼蠅碰觸到了你的面板，然後刺激了一些感覺神經。神經裡面的軸突端子開始行動和產生動作電位，把訊號傳導到腦裡。訊號先是進入脊髓，然後進入體感皮質。體感皮質然後告知負責肩部的運動皮質說現在手上有一隻蒼蠅，需要做點什麼。連線到手臂肌肉那部分的運動皮質於是開始產生動作電位，把訊號透過脊髓再發送到手臂的肌肉裡。手臂肌肉附近的神經元的軸突端子開始行動，於是你抖動手來甩脫蒼蠅，然後蒼蠅（經過了蒼蠅自身的神經系統的一系列反應後）就飛走了。

這麼看來好像還行嘛，但是Paul接著跟我解釋：

然後你的杏仁體意識到發生了事情，於是杏仁體告訴你的運動皮質這個時候要開始尷尬的跳起。如果落到你手上的是一隻蜘蛛，那麼杏仁體還會告訴你的聲帶要不自主的喊出來，給周圍人留下你怕蟲子的印象。

運動皮質是另一個我們理解的比較好的區域，但是運動皮質的理解會比視覺皮質更難。雖然我們知道運動皮質如何對應到各個身體部分的，但是單個的神經元們在運動皮質上的位置不是拓撲分佈的，而神經元們怎麼合作產生身體運動我們也不知道。Paul這麼跟我們解釋：

“視覺皮質在解剖和結構上都很工整。當你看到視覺皮質的時候，就像看地圖一樣。當你的視野的特定位置出現一個東西的時候，你能看到視覺皮質的那一部分亮起來。而當那個東西開始移動的時候，對應皮質周圍的細胞會展現出對應的圖形測繪。這就好像現實世界的笛卡爾座標能夠對應到視覺皮質的極座標一樣。你可以從視網膜開始追溯，經過丘腦，到達視覺皮質，然後能夠看到視覺空間中位置與視覺皮質中位置的對應。”

神經可塑性也很難理解，因為每個大腦本身的工作機制都與腦自身的可塑形相關，也和這個人生活的環境與生活經驗有關。

而這已經是我們瞭解的最深入的大腦部分了，按照專家的說法，“當我們要探討一些更復雜的東西，比如語言、記憶、數學，的時候，我們就真的不明白了。”比如對於“母親”的概念，對於每一個人來說，都是用不同的編碼方式儲存在腦的不同位置。而額葉，也就是前面提到最重要的腦葉，根本就沒有任何拓撲。

然而，這些困難都不是一個有效的腦機介面的製造難點。腦機介面之所以難，是因為工程上的挑戰非常巨大。要和大腦進行物理的互動，使得腦機介面是工程行為上最難的一件事。

現在我們知道了關於腦的背景知識這個樹幹，下一章談一下第一根樹枝——腦機介面。

排版：小魚

譯者：謝熊貓君（ID：mrxiexiongmao）

“這種位置對和視覺皮質互動來說很有用，但是視覺皮質有很多區域，如果你深入研究視覺皮質，就會發現整個事情變得越來越模糊，之前的圖形對照不再行得通了。腦裡有很多不同層次的事情在發生，而視覺感知是其中一個例子。我們看著這個世界，我們看到的只是個3D的物理世界。比如你看著一個杯子，你看到的就是個杯子，但是你的眼睛看到的真的只是一些畫素，而當你看向視覺皮質的時候，這個影象被解析成了20-40個圖。我們把第一個負責這些圖的區域稱作V1，V1負責追蹤邊緣和顏色等。其它的區域則觀測到了一些更復雜的物件，於是在你的腦的表面，產生了很多很多不同的展現。但是最後這些複雜的的資訊被綁在一起，然後經過一些編碼，讓你相信你看到的只是一個簡單的物件。”

版權屬於原作者，僅用於學術分享

“每個人的神經“語言”都不太一樣，神經元可不會對著手說普通話“手，你動一下”，也沒有一個統一的電位規律來做這一些，所以每個人都不太一樣。而這個“語言”本身要求很高，神經元需要能夠無縫的告訴手“你把手往左邊移動，然後往上，抓那個東西，抓的時候用這麼多力道，用這麼快的速度去抓”等等。當我們移動手的時候，我們不會這樣去想這一系列動作，但是我們能夠毫無困難的完成這一切。所以每一個大腦和肌肉溝通的時候用的語言都是不一樣的。”

版權宣告

往期回顧

【CV知識點彙總與解析】|損失函式篇

【CV知識點彙總與解析】|啟用函式篇

【CV知識點彙總與解析】| optimizer和學習率篇

【CV知識點彙總與解析】| 正則化篇

【CV知識點彙總與解析】| 引數初始化篇

【CV知識點彙總與解析】| 卷積和池化篇 （超多圖警告）

基礎知識

NeurIPS2022 Spotlight | TANGO：一種基於光照分解實現逼真穩健的文字驅動3D風格化

ECCV2022 Oral | 微軟提出UNICORN，統一文字生成與邊框預測任務

最新論文解析

NeurIPS 2022 | VideoMAE：南大&騰訊聯合提出第一個影片版MAE框架，遮蓋率達到90%

NeurIPS 2022 | 清華大學提出OrdinalCLIP，基於序數提示學習的語言引導有序迴歸

SlowFast Network：用於計算機視覺影片理解的雙模CNN

WACV2022 | 一張圖片只值五句話嗎？UAB提出影象-文字匹配語義的新視角！

CVPR2022 | Attention機制是為了找最相關的item？中科大團隊反其道而行之！

ECCV2022 Oral | SeqTR：一個簡單而通用的 Visual Grounding網路

如何訓練用於影象檢索的Vision Transformer？Facebook研究員解決了這個問題！

ICLR22 Workshop | 用兩個模型解決一個任務，義大利學者提出維基百科上的高效檢索模型

See Finer， See More！騰訊&上交提出IVT，越看越精細，進行精細全面的跨模態對比！

MM2022｜兼具低階和高階表徵，百度提出利用顯式高階語義增強影片文字檢索

MM2022 | 用StyleGAN進行資料增強，真的太好用了

MM2022 | 在特徵空間中的多模態資料增強方法

ECCV2022|港中文MM Lab證明Frozen的CLIP 模型是高效影片學習者

ECCV2022｜只能11%的引數就能優於Swin，微軟提出快速預訓練蒸餾方法TinyViT

CVPR2022|比VinVL快一萬倍！人大提出互動協同的雙流視覺語言預訓練模型COTS，又快又好！

CVPR2022 Oral｜透過多尺度token聚合分流自注意力，程式碼已開源

CVPR Oral | 谷歌&斯坦福（李飛飛組）提出TIRG，用組合的文字和影象來進行影象檢索