当前位置：首页 > news >正文

《计算机与人脑》：神经脉冲的本质

news 2026/3/27 4:40:22

在学习本章之前，我也有个念头。不同于计算机部分，那是冯诺依曼基于当时的计算机技术现状总结而来的，顶多只是有时代的局限性（受限于技术本身），但有关人脑的部分，由于当时的医学、生物学等的探索的有限性，有些知识未必就是正确的。

我在看到第一段时，就验证了这一点。

冯诺依曼说：神经细胞包括一个细胞体，从它那儿，还直接或间接地引出一个或多个分支。每一个分支，叫做细胞的轴突。但是不对，每一个神经细胞不是只有一个轴突吗？至少我看到的神经细胞图片是这样的（如上一章的图）？我立即查询了资料，从目前搜索到的资料看，一个神经细胞可能会有不少树突，但只有一个轴突，轴突再由多个突触传递给多个神经元。还是我理解的有问题？比如说它的描述？至少从我有限的知识（外加搜索）来看，多个“轴突”的说法是有问题的。

因此，我们怎么来看待这些“过时”的知识？

我想，我们还是要回到站在冯诺依曼那个时代，在那个时代远眺。我们并不是为了获取他那个时代的“知识”，如果是这样，我们不如去读最新的作品，它们的知识在当代是没有过时的，但也会在未来过时。然而之所以读“元典”，是去体味那些科学家们在追求真理过程中走过的路，他们获取知识、提炼真理的方法，也就是元知识。这才是我们真正想从经典中获取到的。

不要痴迷于这些元典的知识本身，探索知识才是最有意义的。

神经元细胞的轴突中，有着神经脉冲。这种脉冲存在多种特征，有着电扰动，也有化学变化，在轴突的末端，化学变化更加明显，甚至还有机械变化（这点存疑，暂未查到有这样的变化）。

由于神经元可反复使用，这种变化都是可逆的。即，在脉冲过后，所有轴突的各种条件，所有它的组成部分，都可以恢复到原来的状态。

冯诺依曼讲解了这种效应实际上是在分子水平上进行的，如细胞膜的厚度只有几个十分之一微米左右，即10^(-7)米。这个好像也不太对，我查了下细胞膜的厚度应该普遍在7到8纳米，而纳米是10^(-9)米，可能是受限于当时的测量技术？但在分子水平上，其实无论是电的、机械的、化学的，实际上是一回事了。在宏观尺度下，这些方面都是独立的，但微观尺度下，这些方面就合并起来了，互相之间存在影响和转化的关系。

在神经系统中，大部分的神经脉冲，是由一个或多个其他神经脉冲引起的。神经脉冲的刺激，有可能成功也有可能不成功（即有个阈值，现代的说法），如果失败了，沿着轴突并不会产生扰动的传导。如果成功了，扰动就会形成一种标准的形式，并沿着轴突传导。

我们看一下这一机制的数字性质。神经脉冲可以看做是二值符号，无脉冲时表示为一个值（如二进制里的0），脉冲出现时表示另一个值（如二进制里的1）。在有限范围内，即某一个特定轴突的变化，以及特定时间内，它就可以简单的用一种逻辑作用符号（二进制的0和1）来表示。

神经元轴突发出脉冲，一定是要有触发，这个触发来自于原生脉冲的一定组合和同步性（这个复杂过程不知道有没有被当代科学破解，但目前我看到的很多资料里，实际上仍然解读为从树突来的多个脉冲，并没有更细的描述），从而触发了派生脉冲。

神经系统，具有一种“最初看见的”数字特性。这个“最初看见的”，即包含着某种理想化与简化，如果所有细节现象都考虑，那么数字性质就不那么清楚与毫无疑问了。但是从科学研究来说，抽象出来的这些特点，正是最首要的显著特点。因此如果是从神经系统数字特性来讨论的话，这是比较合适的。

一个神经元里除了轴突，还包括了树突与突触。

树突是从细胞体伸展出来的一组分支，这些分支就是树突。不过冯诺依曼认为这些树突虽然尺寸更小，但也是树突（诶？怪不得他认为轴突可能不止一个），刺激从树突传递到神经细胞体。

突触，是轴突的末端分支，从突触可以连接其他神经元的树突，但实际上现代生物学显示，突触中间还有空档，空档中通过神经递质传递（就是大家知道的各种奇奇怪怪的激素），这里还会存在激活和被激活的更为复杂的过程（估计冯诺依曼那个时代还不知道）。

刺激经过突触的时间，是10^(-4)秒的几倍。即，从脉冲抵达突触开始，一直到被刺激的神经元的轴突之在最近点上发生刺激脉冲为止。但是还有一个问题，即刺激脉冲实现之后，被刺激的神经元并不能立即恢复到它原有的、被刺激前的状态（毕竟是生物型的），这就叫做疲乏。它不能立即接受另一脉冲的刺激，不能做出标准反应。另一刺激能够引起标准反应的时间，大约是1.5*10^(-2)秒。

从上述可以看到，实际刺激通过突触的时间，只需要从激活到恢复的时间段的百分之一二。神经元从刺激过后的疲劳状态恢复到刺激前的正常状态，是挺长的。另外，神经元的疲劳的恢复，也是逐渐的，就是在更早的时间里（大约在0.5*10^(-2)秒），神经元就能以非标准的形式做出反应，就是说，它也可以做出一个标准的反应，但需要更强烈的刺激。

从目前计算机模拟的神经网络里，我没有看到这种设计（至少不是显性的），也可能有科学家尝试过类似的方式，但是因为带入的复杂性并不利于计算而作罢吧？毕竟这种“疲劳”，更像是生物性的，到底能不能给神经网络带来增益，就不好说了。如果大家感兴趣，也可以自己去尝试一下。

人造器官，其实比神经元的作用时间，要短的多。在冯诺依曼时代用到的人造元件，就已经要比相应天然元器件优越，要快10000倍到100000倍。

这两天听说有光电方式构建的神经网络，比之过去的方式还要快10000倍，不知道能不能批量廉价使用。如果可以的话，那就真的是神经网络的大革命了。