人工网络与生物网络
计算机网络与大脑神经网络相关性的图形表示。图片来源:Astronoo。
人工网络 vs 生物网络:两个系统,一个共同架构
计算机网络和人脑的神经网络看似截然不同的系统,但它们具有相似的模块化和层级化组织结构。
一个是人为构建以优化信息传输,另一个则是经过选择以处理信号并做出决策。
这两个网络——计算机网络和神经网络——在组织与运作方式上展现出惊人的相似性。这两个复杂系统在结构与功能上的关联意味着,理解其中之一能够为理解另一个提供启示。
物理层 → 初级感觉和运动区
物理层(OSI模型的第一层:开放系统互连)负责管理电信号、光信号或无线电信号的原始传输,而不对数据进行解释。类似地,大脑的主要感觉区和运动区处理原始信号:感觉区(如体感皮层)接收来自感受器(皮肤、眼睛、耳朵)的直接神经冲动,而运动皮层则以动作电位的形式发送肌肉指令。这些区域充当"低级"接口,正如物理层是网络与外部世界(环境)之间的接口一样。
- 功能关联:轴突是大脑的以太网线,突触则是其WiFi——这一架构经过数百万年进化优化而成。
数据链路层 → 丘脑与小脑
数据链路层(第2层)负责错误控制、MAC寻址和帧管理,确保相邻节点间可靠传输。在大脑中,丘脑通过过滤并将感觉信号路由至正确的皮层区域发挥类似作用,而小脑则优化和修正运动,类似于错误纠正协议(CRC)或重传机制(ACK/NACK)。两者共同构成精确的调节系统,避免信息处理中的"冲突"。
- 功能关联:丘脑是大脑的开关,小脑则是其TCP协议——二者协同,确保‘神经网络’的无差错运行。
网络层 → 后顶叶皮层和海马体
网络层(第3层)管理逻辑路由(IP地址)和网络间传输。这一功能由后顶叶皮层(整合空间与感觉信息以指导行动)和海马体(对导航与空间记忆至关重要,如同认知中的“路由表”)共同体现。这些结构决定了信息应“流向何处”及“如何流动”,正如路由器为数据包选择最佳路径。
- 功能关联:后顶叶皮层是大脑的路由器,海马体则是其路由表——二者协同优化我们在物理空间中的移动,正如网络层对数据的处理一样。
传输层 → 边缘系统
传输层(第4层,如TCP/UDP)确保通信的可靠性(流量控制、分段、重组)。边缘系统(杏仁核、下丘脑等)通过调节情绪和动机的“连接”发挥类似功能。例如,杏仁核优先处理危险信号(如同TCP优先处理ACK确认包),而下丘脑维持内部平衡(稳态),类似于拥塞控制。
- 功能关联:边缘系统是大脑的“TCP/UDP协议”:它确保记忆的可靠传递(海马体)、优先处理警报(杏仁核),并发送原始生命信号(下丘脑)。
会话层 → 前额叶皮层
会话层(第5层)负责建立、维护和同步应用程序之间的对话(例如身份验证)。前额叶皮层通过管理复杂交互来发挥这一作用:它启动并监督任务(如开启/关闭会话)、抑制干扰(冲突管理)以及规划行动序列(同步)。它是认知过程的"协调者",正如会话层编排网络交换一样。
- 功能关联:前额叶皮层是大脑的“会话管理器”——它验证行为、维持上下文,并协调内外部对话。
表示层 → 颞叶皮层
表示层(第6层)对数据进行翻译、加密和格式化,使其能被应用程序理解(例如JPEG、mp3、SSL)。颞叶皮层(尤其是关联听觉区和视觉区)执行类似的工作:它通过赋予感官刺激(语音、物体)意义(词汇识别、面部识别)来解读这些刺激。这一层是原始信号与其抽象表征之间的桥梁。
- 功能关联:颞叶皮层是大脑的“解码引擎”——它将原始信号转化为有意义的感知,正如表示层将原始数据转化为可用的信息。
应用层 → 多模态关联皮层
最后,应用层(第7层)对应高级功能(HTTP、FTP、消息传递)。在大脑中,多模态联合皮层(如顶颞皮层)整合各种信息(视觉、听觉、记忆)以产生复杂行为(语言、推理)。这是信息转化为有意识行动或思维的层面,正如应用程序将数据转化为可用服务一样。
- 功能关联:联合皮层是大脑的“网页浏览器”:它整合所有信息,并将其转化为有意识的行动和思维,正如应用层将数据转化为可用的服务。
由此我们可以推断出什么?
大脑是数百万年自然选择的结果,旨在高效处理信息。如果我们的技术间接借鉴了这些原理,我们就能看到复杂系统组织原则中的普遍性。
为了管理复杂性,任何高效的系统——无论是生物系统还是人工系统——都必须将任务划分为专门的层级,同时确保它们顺畅整合,从而使其具备普遍的稳健性。
我们的技术组织是我们大脑的反映吗?
计算机网络(如OSI模型)与人类大脑结构之间惊人的相似性,引发了一个引人深思的问题:我们是否在无意识中模仿自身生物学构造来设计技术系统?
这为通过计算模型更深入地理解生物体、受大脑启发设计更智能的技术,以及统一生物学、物理学和计算机科学之间的理论开辟了前景。
AI的不同学习类型
自主人工智能:当机器变得自主
AI做不到的事情
人工智能与天文学:理解AI助手的角色
AI工具:如何选择? 
生成式人工智能
vs 通用人工智能:模仿的终点与意识的起点在哪里?
人工网络 vs 生物网络:两个系统,一种共同架构
人脑与人工智能:相似与差异
AlphaGo vs AlphaGo Zero:人工智能的一场革命
智能机器的下一步
生命涌现的第一步
从生物神经元到形式神经元:大脑的简化
人工智能:巨人主义的爆炸
当AI模型用自己的数据训练时,它们会发疯!
机器如何变得智能
人工智能:人类的真正威胁还是机遇?
机器如何以类似人类的方式理解、解释和生成语言?
人工神经网络是如何工作的?