按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
图9。7你能看到一个放置在另一个三角形上面的，并被一个圆环嵌住白三角形吗？虽然白三角形的边界没有完全画出来，但是头脑中有些细胞对这些看不见的、却可感知的直线有反应。
关于头脑中进行的处理过程，肯定有极多尚待研究的地方。对这些高等头脑中心如何实行其功能所知甚少。现在让我们放下这个问题，而转去注意头脑中实际产生这些奇异功能的细胞。神经讯号如何工作？
头脑（以及脊柱和视网膜）所有处理过程都是由称作神经元的多功能体细胞完成的5。让我们看看神经元是什么样子。我在图9。8中画出了一个神经元的图。它有一个苞状的主体，或有点像星形，通常比较像萝卜，这主体称为躯体，其中包含有细胞核。一根很长的神经纤维从躯体的一端延伸出来。相对于一个单独的微细胞而言，神经纤维有时的确非常长（以人类而言通常达几厘米），它称作轴突。细胞的输出信号就是沿着轴突这根“导线”传送。从轴突可发芽出许多小的分枝，它要分枝好几回。在这些形成的神经纤维终端可找到所谓的小突触结。躯体的另一端通常向四面八方往外分枝， 这就是树状的树突。 输入资料正是沿着树突进入躯体。 （在树突之间偶然也会出现突触结，叫做树状树突的突触。由于它们的复杂性超过其重要性，我将在讨论中省略。）
图9。8 一个神经元（通常比所标的要相对地长非常多）。不同类型的神经元在表细节上的变化非常巨大。图9。9突触：一个神经元和另一个神经元之间的结。
作为一个自足的单元，神经元用细胞膜把躯体、轴突、突触结、树突和所有一切都包围起来。为了使信号从一个神经元传到另一个，它们必须设法“越过之间的隙碍”。这是在叫做突触的交结处完成。一个神经元的突触结附到另一神经元的某一点上，不是在它的躯体本身就是在它的一个树突上（见图9。9）。实际上，在突触结和它所附上的躯体或树突之间有一非常窄称为突触裂的缝隙（图9。10）。信号从一个神经元传达到另一个时必须穿越过它。
图9。10 突触的放大细节。神经传递物的化学物质流穿越过一个狭窄的缝隙。当信号沿着神经纤维传递并穿过突触裂时采取什么形式呢？是什么引起下一个神经元去发射信号呢？从我这个局外人看来，大自然实际采取的步骤真是非同寻常――简直使人着迷！人们也许会认为信号只不过像沿着导线的电流，但是它比这要复杂得多。一根神经纤维基本上是一个圆柱管，装有普通盐（氯化钠）和氯化钾（主要是后者）的混合溶液，这样在管子里有钠、钾和氯离子（图9。11）。在外面也有离子，但是其成份比例不同，外部的钠离子比钾离子多。神经处于静态时，管子内带负电荷（也就是氯离子比钠离子加钾离子的总和还多――我们记得钠离子和钾离子是带正电的，而氯离子是带负电的），而在外头是带正电荷（也就是钠和钾比氯多）。构成圆柱表面的细胞膜有点“漏洞”，所以离子有移动穿越过它并中和电荷差的倾向。为了补充以及维持里头过量负电荷，一个“新陈代谢泵”缓慢地把钠离子通过周围的膜向外输送回去。这作用同时可维持内部钾比钠的数量更多。还有另一个新陈代谢泵（稍微小一些）把钾从外头输送到里面去，所以对内部的钾过量有贡献（虽然它的作用和保持电荷不平衡相反）。图9。11神经纤维的图解。 在静态下内部的氯离子量超过钠和钾离子的量，所以带负电；而外头刚好相反，所以带正电。内外的钠/钾平衡也不一样，在里面钾多一些，而外头的钠多一些。
一个信号是沿着神经纤维移动的一个区域，其中具有相反的电荷不平衡（也就是现在内部是正的，外部是负的）（图9。12）。想象有人位于神经纤维上这种反向带电区域之前方。当这个区域靠近时，它的电场在细胞膜上打开了称为钠门的小“门”；这允许钠离子从外面往里面流回去（由电力和因浓度差引起的压力，亦即“渗透压”的结合效应）。结果使内部带正电而外部带负电。这些发生过后，构成信号的反转电荷区域即到达我们的位置。它现在促使另外一个小“门”（钾门）打开，这门允许钾离子从里面往外面流回去，这样开始恢复内部超量的负电荷。信号现在就通过了！最后，随着信号再次远离而去，泵缓慢而坚决的行为再次把钠离子赶到外面去，而把钾离子赶到里面去。这就恢复了神经纤维的静态，并为下一个信号作好准备。
图9。12一个神经信号是沿着纤维运动的相反带电区域。在它的前头，钠门打开让钠往里流；在它的后头，钾门打开让钾往外流。新陈代谢泵的作用是恢复原状。
值得注意的是，信号就是由一个沿着纤维移动的相反带电区域所构成。实际的物质（也就是离子）移动得非常小，只是在细胞膜两边穿进穿出！
这种古怪奇异的机制显然极其有效。不管是脊椎动物还是无脊椎动物都普遍利用它。但是脊椎动物有个更完善的设施，也就是神经纤维由称为髓鞘质的白色脂肪物质绝缘层所包围。（正是髓鞘质层使头脑的“白色物质”呈现其颜色。）这种绝缘使神经信号能不衰减并以高达每秒120米的相当的速度（在“转换站”之间）行进。
当一个信号到达一个突触结时，它会发射出称为神经传导物的化学物质。这种物质从它的一些树突或躯体本身的某一点通过突触裂移动到另外的神经元去。有些神经元具有一种突触结，它会发射出神经传导化学物质，趋向于促进下一个神经元躯体去“激发”，也就是开始一个沿着它的轴突传出去的新信号。这种突触称作兴奋突触。另外有一种倾向于阻碍下一个神经元激发称作抑制突触。在任何时刻要把活跃的兴奋突触这效应全部加起来，并减去活跃的抑制突触的效应，如果净值达到某一临界值，则下一个神经元就会被激发。（兴奋突触引起下一个神经元里外之间预期的正电位差，而抑制突触引起预期的负电位差。这些电位差适当地加在一起。当附在轴突处的电位差达到临界水准时神经元就被激发，使得钾跑出来的速度不至于快到能恢复平衡。）电脑模型神经传导的一个重要特点是其（大部分）信号完全是“全有或全无”
的现象。信号强度不变化：它要么有要么没有。这使得神经系统的行为具有类似数字电脑的特点。事实上，大量互相联结的神经元其行为与具有导线和逻辑门（下面还要讲到）的数字电脑内部作用有很多相似处。在原则上用电脑模拟特定神经元系统的行为并不困难。有一个问题就自然产生了：这是不是意味着，不管头脑的线路细节是什么样子，总是可以用电脑的功能来模拟？为了使这个比较更清楚，我应该讲清楚究竟什么是逻辑门。在一台电脑中，我们也有所谓“全有或全无”的情形。导线不是有电流脉冲，就是没有电流脉冲。在有电流脉冲时强度总是相同的。由于每件事都被非常准确地计时，没有脉冲亦是个明确的讯号，并会被电脑“注意到”。实际上，在我们使用术语“逻辑门”时，我们隐含用脉冲有和无分别来表示“真”
或“伪”。这真伪与实际的真理和谬误毫无关系；只不过借以了解通常用的术语而已。让我们还把“真”（脉冲存在）写为数字“l”，“伪”（没有脉冲）写为“0”，而且正如在第四章那样，可以用“＆”当作“并且”（这个“陈述”表示两者都是“真”的，也就是两个论断都为1时，其答案为1），“Ⅴ”表示“或者”（这“表明”两者之一或两者都为“真”时答案为1，也就是唯有两个论断都为0时答案为0），“T”表示“意味着”（也就是ATB表示“如果A是真的，那么B是真的”，这和“或者A是伪的，或者B是真的”相等），“？”表示“如果并且如果”（两者皆“真”或两者皆“伪”），以及 “～”表示“非” （如果“伪”的话为“真”，如果“真”的话为“伪”）。人们可把这些不同的逻辑运算列成所谓“真值表”：A B A BA B A B& （ ） （ ）
（ ） （ ）： ∨ ：： ：
0 00 10 11 11 10 11 00 1T ？
在每种情形下A标记行数（也就是A=0表示第一行，A=1表示第二行），类似地B标记列数。例如A=0，B=1表示每一个表右上方的值，而在第三表上ATB得到1。（作为实际逻辑的例子：断言“如果我在睡觉，那么我就快乐”肯定是可证实的；在特殊情形下，即如果我刚好醒着而且快乐时，肯定被无趣地证实。）最后，“非”逻辑门的效应简单地是～0=1和～1=0。这些是逻辑门的基本类型。还有一些其他类型，但是所有那些都可由刚才提到的类型组合而成6。现在，我们可否在原则上用神经元的联结建造一台电脑呢？我将指出，甚至从我们前面刚讨论过的神经元激发的非常原始的考虑而言，这的确是可能的。让我们看看如何在原则上用神经元的联结建造逻辑门。我们需要一些数字编码的新方法，因为讯号不存在时不能触发任何东西。让我们 （完全随意地）用双脉冲表示1 （或 “真”），而单脉冲表示0 （或 “伪”），并且采取一个简单的方案，就是激发神经元的临界值总是刚好两个同时发生的兴奋脉冲。很容易建立一个“与”门（也就是“＆”）。正如图9。13所示，我们可取两根输入神经纤维作为输出神经元上的仅有一对突触结的终端。（如果两者都是双脉冲，则第一次脉冲和第二次脉冲都达到所需要的两倍脉冲的临界值，如果有一根只有一次脉冲，则两根中只有一根达到临界值。我假定脉冲被非常仔细地计时，而且在双脉冲的情形，为了确定起见，用这双脉冲中的第一次计时。）建造一个“非”门（也就是“～”）
要更复杂一些，图 9。14画出了一种办法。输入讯号沿着一根分成两个分枝的轴突进来。有一分枝走迂回的路径，其长度使讯号延迟的时间正好等于双脉冲两次脉冲间隔的时间。然后两根轴突又重新分叉，这两根轴突各有一根分支终结于一个抑制神经元上，但是从延迟分支来的又分裂成直接和迂回的路径各一条。在单脉冲输入时，这个神经元的输出是没有，而在双脉冲输入时，（在延迟的位置上）就有一个双脉冲。携带这一输出的轴突分叉成三个分枝，所有分枝都以抑制突触结终止于最后一个兴奋神经元上。原先分叉的轴突余下的两部分，每一根再分成两根，所有四根分枝以兴奋突触结终止于最后这个神经元上。读者也许愿意去检查，这最后的兴奋神经元是否提供了所必须的“非”输出（也就是如果输入是单脉冲则输出为双脉冲，输入若是双脉冲则输出为单脉冲）。（这一方案仿佛过于复杂，但是我已经尽力而为了！）读者可以自己消遣，为上面其他逻辑门提供直接的“神经元”构造。
图9。13 一个“与”门。在右边的“神经元模型”中，只有当输入达到单脉冲强度的两倍时，神经元才被激发。图9。14 一个“非”门。在此“神经元模型”中（至少）双倍强度的输入又是激发神经元所必需的。当然，这些显明的例子不能认真当做头脑真正详细行为的模型。我只想指出，我在上面给出的神经元激发模型和电子电脑构造之间具有本质上等价的逻辑。容易看出一台电脑可以模拟任何这类神经元相互联结的模型；而上述的详细构造表明以下这个事实，即神经系统反过来可以模拟一台电脑，并因此能像一台（普遍的）图灵机那样行为。虽然在第二章讨论图灵机时并没有用到“逻辑门”7，而事实上如果我们要去模拟一台一般的图灵机，需要比逻辑门更多的东西。假定我们允许自己用巨大却有限的神经元贮库去近似一台图灵机的无限磁带，这样做并没有牵涉到新的原则问题。这似乎是在论断，头脑和电脑本质上是等价的！
但在我们过于轻率地下这个结论之前，应该考虑神经行为和现代电脑行为之间各种可能有意义的差异。首先，把激发神经描述成全有或全无的现象是有些过于简化。那现象是指沿着轴突移动的单脉冲。但事实上，当一个神经元“激发”时，它发射出一整串距离很近的脉冲。甚至在神经元不激发时，它也发射脉冲，只是以很慢的速率而已。当它激发时，是连续脉冲的频率极大地提高。神经元激发还有随机的一面。同样的刺激不总产生同样的结果。此外，头脑行为并不需要电子电脑电流所需要的那么准确的计时；必须指出，神