Category: 25点新知

1. 重新熟悉Matlab，进行脑片边缘的检测和对比，以及对荧光点的跟踪，暂停这个项目，除了编程练习价值并没有太大
2. 读了一篇基于深度学习的睡眠时相分析，看懂率75%；需要获得实验数据进行重现
3. 对Allen Brain Lab的网站提供的API和SDK进行阅读，没找到有用的，系统设计有点复杂

接下来：

1. 神经网络与机器学习（Matlab实践）
2. 生命科学导论和概率论与数理统计
3. Stanford NeuronScience 网课
4. 再看两篇文献（再次检查术语的熟悉度）

天马行空（基于知识和想象）

1. 常用语言文字（5000个）的编码可以更简单，无需26个字母或者多样的笔画，由此带来的新语言的诞生，但大脑对于冗余较少的信息解码较难，是否可以训练？
2. 800亿个神经元的互相连接和组合可能是个天文数字，而每一个脑区的一部分神经元的某一种连接组合（用01矩阵表达）就可能代表了记忆的存储和行为的表达，而学习（记忆的重复）会加强这种表达，而遗忘（时间过长）则会减少连接组合的表达，继而引申两个假想：（1）是否同一个矩阵唯一代表一种图景，即在大脑从一万年前到今天不进化的前提下，仍旧可以通过学习知识产生记忆和认知将一些一万年前未曾连接的神经元连接了，那么一万年后如果大脑不进化，而知识在进化，意味着还有很多的神经元连接组合未曾被点燃，那么是否存在一种手段将这种连接随机化从而创造许多未知的知识和场景甚至是情绪（知识当然不是随机产生，从随机中去伪存真也是大量工作），最终这种人为连接的神经元是否可以加快知识大爆炸； （2）问题的质疑，是否对于不同个体，同样的神经元连接矩阵代表了不同的图景，类似1+1=2的认知对于不同个体是否是来自不同神经元的连接，如果是则假设（1）崩溃，但同时可以推断个体神经元组合对于知识的表征来自基因的预设，进而推断可能有些人从来无法将某些神经元组合连接学会某一种知识，而另一些人则很轻松，也就预示着知识的跃迁是个体造就的，其他人只是历史洪流的炮灰；

2018年 5.8-5.14

书籍阅读和准备

医学生理学40% ，基础（细胞理论）+神经部分 

神经生理学0

认知心理学0

神经解剖学 1%

神经网络与MATLAB编程 1%

第一周以涉及名词和感性认识为主，对细胞和突触传递稍作深入理解，对大脑解剖的主干功能分区有初步印象，对生理学研究的方法和手段有初步印象

难点：各种生理学名词难以理解，各种生化大分子名词难以理解，生化大分子与细胞和神经控制之间的机理难以深入。

预计下周从实验数据和编程突破，遇到问题再深入理论；同时对把认知心理学当做辅助课程阅读，调节学习氛围

当下认知：神经科学不具备物理学的可预见性和逻辑推理性，造物的复杂性使得该学科符合大部分科学探索的“拾贝”模式，但逻辑性应该是物理世界的通性，所以可以认为所有拾贝模式的研究方法无非都是还未找到通用模式的替代方法；

天马行空（无知的想象）

1. 人类通过动物实验得出结论，但却因为伦理无法对人体实验（除非意外损伤），那么活体实验的困境产生：不同物种间的行为分析是具有一致性（显然关于情感的高级表达是无法通过动物实验的）
2. 通用模式设想：将已知的生理学（从分子和细胞层面，通过编程模拟），改变编程输入，获得与实验一致的输出，那么通过设置不同的感受器，并模拟感受器到动作电位的过程，最终交给神经网络程序进行输出，获得可预期的反应动作，如果设想反应动作和所有已知的实验行为一致，那么可以认为该模拟程序模拟了人体感官的基本输入-输出（但还未涉及学习和情感的输入输出），从而可以建立虚拟实验，不再依赖对人体活体的解剖；