SEP：心灵的计算理论（四） (5-2)

• 实现论的联结主义者可以假设符号被存储到了读/写记忆中，正如被一个神经网络所实现的那样。然而，由联结主义者通常提出的记忆的实现机制是不可信的。现有的提案主要是一个想法的变种：一个可以允许反响活动(reverberating activity)在回路中传播的循环神经网络(Elman 1990)。但有许多原因说明了为什么反响回路模型对于解释长期记忆来说是无望的。例如，神经系统中的噪音会使得信号在几分钟内迅速衰减。因此，迄今为止，实现论的联结主义者并没有提供一个关于读/写记忆的可信模型[2]。

Gallistel and King总结道，CCTM比取消论或实现论的联结主义更适合解释大量的认知现象。

批评者从不同的角度攻击了这种新的生产性论证，其主要集中在Gallistel and King所引用的经验案例研究上。Peter Dayan (2009)、John Donahoe (2010)与Christopher Mole (2014)认为生物学似然的神经网络模型可以容纳至少其中一些案例研究、Dayan and Donahoe认为，经验上充分的神经网络模型可以免除任何类似于读/写记忆的东西。Mole认为，在某些情况下，经验上充分的神经网络模型能够实现由Gallistel and King假定的读/写记忆机制。关于这些根本性议题的争论将继续持续到遥远的未来。

4.4 Computational neuroscience

计算神经科学(Computational neuroscience)通过计算模型来描述神经系统。虽然这种研究计划建立在对个别神经元的数学建模上，但是计算神经科学所有的独特关注点是，相互连接的神经元所组成的系统。计算神经科学通常将这些系统建模为神经网络。在这样一种意义上，它是联结主义的一个变种、分支、或后裔。然而，绝大多数计算神经科学家并不自认为是联结主义者。在联结主义与计算神经科学见存在着这样一些不同：

• 由计算神经科学家采用的神经网络相比于由联结主义者们采用的那些将更具有生物学现实性。计算神经科学的文献充斥着关于放电频率(firing rates)、动作电位(action potentials)、调谐曲线(tuning curves)等等的讨论。这些概念在联结主义研究中充其量只发挥了有限作用，Rogers and McClelland (2014)中讨论了在后者中的大部分研究。

• 计算神经科学在很大程度上是由关于大脑的知识所驱动的，并且它也赋予了神经生理学数据(例如细胞记录)相当大的重要性。联结主义对这些数据的重视程度要低很多。后者的研究则主要是由关于行为的数据所驱动的(尽管最近的联结主义著作在某种程度上开始更频繁地引用了神经生理学数据)。

• 计算神经科学通常将神经网络的个别节点当作是对实际神经元的理想化描述。相比之下，联结主义者则只是将节点视为类似于神经元的处理单元(Rogers and McClelland 2014)，同时，对这样一些单元究竟如何映射到实际的神经生理学实体上的问题保持中立。

人们或许会说计算神经科学主要关心的是神经计算(由神经元系统执行的计算)，而联结主义则主要关心的是受到神经计算的启发而得到的抽象计算模型。但联结主义与计算神经科学间的分界线仍然非常松散。关于计算神经科学的概述，见Trappenberg (2010)或Miller (2018)。

数学联邦政治世界观提示您：看后求收藏（同人小说网http://tongren.me），接着再看更方便。