分享

人身体的细胞一直在代谢,但是记忆为何可以长久保存?

 成靖 2017-07-12

人体的细胞会新陈代谢,每三个月会替换一次,随着旧细胞的死去,新细胞华丽诞生。由于不同细胞代谢的时间和间隔的不同,将一身细胞全部换掉,需要七年。也就是说,在生理上,我们每七年就是另外一个人。你就是你,但你也不是你了,脑细胞是不死的。

记忆为什么会长久保存?

记忆是大脑系统思维活动的过程,一般可分为识记、保持和重现三个阶段。识记,就是通过感觉器官将外界信息留在脑子里;保持,是将识记下来的信息,短期或长期地留在脑子里,使其暂时不遗忘或者许久不遗忘;重现,包括两种情况,凡是识记过的事物,当其重新出现在自己面前时,有一种似曾相识的熟悉之感,甚至能明确地把它辨认出来,称作再认;凡是识记过的事物不在自己面前,仍能将它表现出来,称作再现。因此,重现就是指在人们需要时,能把已识记过的材料从大脑里重新分辨并提取出来的过程。 从信息论的角度看,识记是大脑皮层内信息的输入与获得;保持是大脑皮层内信息的编码和储存;而重现是信息的提取和运用。记忆的这三个环节是相互联 系和相互制约的。根据记忆的内容,大致可分为下列四种: 1、形象记忆,这是以感知过的事物和形象为内容的记亿,如进入商场和参观展览会留下的记忆。 2、逻辑记忆,这是以概念、公式和规律等的逻辑思维过程为内容的记忆,如学习某种理论以及对定理、公式的记忆。 3、情绪记忆,这是以体验过的某种情绪或情感为内容的记忆,如对头一天进人大学校园和第一次领取工资的愉快心情的记忆。 4、运动记忆,这是以做过的运动或动作为内容的记忆,如学习游泳和初学骑自行车时,对一个接一个动作的记忆。在日常生活中,上述四种记忆是相互联系,交叉进行的。 根据记亿的时间长短不同,一般分为短时记忆和长时记忆。短时记忆如我们从电话簿上查到一个号码,拨打过后,随即忘了。听课时边听边做笔记,也是依靠短时记忆。长时记忆指经过很长时间仍能记住,或能保持终生不忘。人的长时记忆大多要经过对短时记忆的不断加工,心理学家对长时记忆的编码、储存和提取进行了不懈的探索。本书列举的种种提高记提高记忆的方法,许多地方是针对于此的。 思格斯曾说:“我们的意识和思维不论它看起来是多么超感觉的,总是物质的、肉体的器官即人脑的产物。”心理现象是神经系统的属性,大脑是“灵魂和意识的所在地”,各国科学家研究记忆的生理和生化方面,认知心理学家对记忆进行了大量研究,实际上这是对大脑奥秘的挖掘。在某些方面他们达到了共识,如认为记忆存在于覆盖在人脑表面的大脑皮质之中,记忆的获得与整个大脑的突触的抑制和促进有关。他们认为大脑一旦受到刺激,则在每一神经细胞(神经元)上生长出更多的突起,这些突起将使人脑内部的突触连接。神经联系的总量增加,形成记忆。重口味动漫动画、视频加微信索取:13565623159不断的刺激,细胞问联络密切,枝叉型的突触不断增多,信息才易通过。经多次反复,促进突触愈加发达。反之,如形成的突触长期不用,会变弱、缩小,突触数也减少,使信息不能顺利通过。所以为了增强记忆,就要经常用脑,就像经常要进行体育锻炼一样,进行头脑锻炼。 我们知道人的大脑结构功能单元就是神经细胞,每个神经细胞相当于一个记忆元件,它有兴奋和抑制两种状态,就像一个双稳态继电器。神经细胞记忆的信息用二进制数的单位“比特”来计量,它的总数为1×1010—1.4×1010个,就是100亿到140亿个之间。如果人的一生用60年计算,神经细胞每秒钟接受的信息量是14比特(最高可达25比特),那么一个人毕生的总记忆储量大约是2.8×1010比特。这种储量究竟有多大?打个比方来说,美国国会图书馆是世界上最大的图书馆之一,藏书近2000万册,我们大脑的信息储量可以容下三四个美国国会图书馆。看来一个人活到老、学到老,也只占用了自己大脑记忆储量的一丁点儿,事实上当今社会的每一个人的大脑都具有巨大的潜力尚待进一步开发,而少数已经完成开发的大脑超前者有着令世人惊叹称羡的记忆力。 历史上不少经过认真地看、听、默诵、观察以及种种刻苦的磨炼,造就了非凡的记忆力。据传我国东汉时,有一位名叫贾逵的人,他五岁时还不会开口说话,他的姐姐听到隔壁私塾里传来琅琅读书声,常抱着他到篱笆旁倾听。到了贾逵10岁时,他姐姐发现他在暗诵五经的内容,感到十分吃惊,原来私塾里学生反反复复地念书,使贾逵耳熟能详。姐姐帮助他将庭院里桑树皮剥下来,裁成薄片,使他能边诵边写,经过几年的努力,贾适已能够通晓五经和其他史书了。 报载美国纽约一所中学的生物教师霍华德·贝格在1990年以一分钟阅读并理解25000字的速度,被载人《吉尼斯世界纪录大全》。他接受了一家杂志的采访和测试,采访者给了他一本刚刚印刷完毕的《戴安娜传》,这是本厚达320页的书,仅仅花了五分钟便读完了这本书。然后他接受提问,结果令人昨舌:10个问题中他竞准确无误地答对9题,而唯一没有回答出的是一个次要的问题——戴安娜就读过的一所中学的校名,采访者又拿出另一本近500页的新小说《卧房》,他用12分钟读完并答对了10个问题。据《体育生活》报道,俄罗斯棋手卡斯帕格夫具有超群的记忆力,他记下了1800多人的通信地址和450多人的电话号码,熟记了12000个棋谱。

人类的记忆可以移植吗?

有意思的问题,让我想到某年全国高考作文题“假如记忆可以移植”。如果能实现确实就和《黑客帝国》差不太多了。正好人脑的运算和控制功能是我的研究方向,我来展开说一下。你的问题有两部分,首先是能不能把记忆保存下来,然后是能不能继续思考。技术上讲前者虽然昂贵但确实有可能,后者则极为困难。首先记忆能不能保存?换句话说,能不能把某一时刻人脑中所有的信息保存下来,留待后用?技术上讲是可以的。举个极端的例子,如果把一个人脑急冻,然后在细胞死亡之前全部切片、化验、扫描……运用现有的技术走完这样一个流程,已经可以得到相当精确的神经元分布、神经元形态、甚至比细胞小得多的分子状态信息。注意这些信息是海量的,人脑中的神经元数目差不多是一百亿这个量级,如果再考虑到分子信息那就把一百亿再添几个零。不过数据虽然海量,但理论上讲只要存储空间足够大,负责重建模型的人员足够多,那么就用现在的电脑是可以把某一个人脑的瞬时神经状态都存储下来的(不过这个捐赠者就得壮烈了)。英国的 SpiNNaker 项目和 IBM 蓝脑项目都在往海量信息这个方向上努力。你问的第二个问题是能不能“继续思考”,这个就难了。挑战主要源自两个方面,一是神经元之间的互联(学名叫突触)太过复杂,现有的电脑软硬件都难以重建如此复杂的突触互联;二是人脑的信息处理机制和我们所熟悉的“冯·诺依曼”结构的电脑完全不同,人脑的信息处理功能要想移植到电脑上,恐怕需要重新设计它的计算体系。互联上的困难应该不难理解,如果一百亿的神经元两两互联,理论上讲就有一百亿的平方(10^20次方)种可能性,更不巧的是在神经系统中一对多、多对多的突触互联比比皆是,于是要处理的信息量需要再翻很多倍。若想模拟人脑处理信息的功能,一般认为必须把这些互联关系都编程仿真到电脑上,然而这个要求基本上超出了现有计算机软硬件的处理能力——要么存储空间不够,要么处理起来太慢。也就是说呢,就算上面讲的急冻切片扫描出的人脑信息被成功存储到了电脑上,我们人类用现在的电脑也没有能力仿照自己的大脑继续利用这些信息。但其实第二条难点更难逾越,现代电脑和人脑本质上的不同使得互相模拟起来非常困难。我们能见到的电脑几乎都是在实现“图灵机”这种理论模型,它模拟了人类在推理演绎时的信息处理方式,每一步演算完成后把结果抄在纸上,然后根据结果再拿另一张纸继续运算。这类机器做信息处理的时候说白了都是在一格一格的查字典,由此产生的特点是信息的处理环环相扣,有迹可循。但每个人如果回顾一下自己思维的过程,很多情况下(甚至绝大多数人在绝大多数时候)思维是跳跃发散,灵光乍现的。这种思维模式就不适合用推理演绎来描述了,它更符合数学上“映射”的概念——如果看到一张人脸,你我不需要运行任何条件循环,不需要查找数据库,不需要特征值提取或者矩阵运算,迅速就能映射出一个结论:这个人是不是我妈。这种区别并不说明人脑有多神奇,主要还是因为电脑和人脑的硬件构成有很大差异。简单的说,电脑硬件的目的是依序完成简单的单步运算从而得出复杂的结果,所以晶体管芯片完成单步运算的速度极快。譬如在 GHz 主频的电脑上,一个最简单运算花掉的时间只够光传播一根筷子的距离,因而用这种硬件来实现循环、迭代、查找等功能非常高效。但晶体管比起细胞来毕竟价格昂贵,所以独立的信息处理单元数量不大,并发能力弱,实现起复杂映射来也不是强项。人脑恰好反过来,单步信息处理速度并不快,也没有中央时钟可以调度任务,但它拥有数量惊人的神经元和可以动态调整的互联结构,这种硬件则极适合完成复杂映射,也先天具有大规模并发的能力。那现在这方面的研究进展到什么程度了呢?有兴趣的朋友可以关注 Neuromorphic Computing 这个领域的动态。需要注意的是这个领域主要研究能否借用神经计算的原理来开发新体制的计算设备,但仍有不少研究组在关注能不能用类似的设备拓展人脑的信息处理能力。南加大的 Berger 教授组在设计可植入小脑和海马体的芯片,从而修复受损的运动协调和记忆能力。约翰霍普金斯的 Etienne-Cummings 组搞出了植入脊髓的芯片,让瘫痪的猫重新走路。斯坦福的 Boahen 组在自制芯片上跑了一百万个高度仿真的神经元,而且是实时运行,互联可调。我所在的南加大 Sanger 组正在用 FPGA 阵列实时模拟人脑的运动控制功能,并在机器人和人体标本上重建出脑瘫等运动疾病。

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多