比特港：神经网络和深度学习这些人工智能模型有一个假设，那就是二维简单连接的网络拓扑结构，最新实证研究推翻了这一点：大脑神经元之间存在着高维度连接的结构，而且在解决问题和学习的时候存在着临机学习的特征（Lazy Learning/Query based Learning)，在神经元互相连接的高维度丛林中，复杂的拓扑结构如同沙滩上的城堡，不断出现又不断消失(emerging patterns)，验证了佛家的“诸法因缘生，缘谢法还灭”。

脑科学家发现人脑能运作多达11种不同的维度，创造出多元宇宙的结构，是人类“从未想象过的世界”。

透过运用一个先进的数学系统，研究人员揭解出人脑在信息分裂消失前处理信息时的脑部构造。

研究结果刊载于期刊《计算神经科学前沿》（Frontiers in Computational Neuroscience），揭示出人脑创造神经结构的大量复杂过程，可能有助解释为何人脑如此高深莫测，以及把脑部结构和功能连接起来为何如此困难。

由瑞士洛桑联邦理工学院科学家领导的研究队伍进行的研究为蓝脑计划（Blue Brain Project）的一部分，计划目的是细致重组人脑的生物结构。队伍利用超级计算机，先以囓齿动物的脑部作模拟研究，了解脑部不同区域内复杂的相互作用。

在最新的研究中，研究人员利用代数拓扑学（用以描述空间和结构不断变化的网络的系统），细致结成神经网络结构。这是首次把此数学分支应用到神经科学上。

研究者凯瑟．琳赫斯（Kathryn Hess）曾提及：「代数拓扑学像是望远镜和显微镜的结合，既能放大网络并寻找当中的隐藏结构，就像在大森林中同时看到树林和空旷地。」

在研究中，研究人员对虚拟的脑部组织进行多重测试，发现脑结构的出现并非偶然；并对真实的脑部组织作出相同实验，确定先前的试验结果。

当研究人员对虚拟大脑组织施加刺激时，他们发现多组神经元组成一个团块。各神经元以非常特殊的形式互相连接，产生精密的几何结构。团块中的的神经元愈多，维度愈高。

在部分情况下，研究人员发现团块可多达11个维度。

由神经元组成的结构形成高维度的孔隙，研究队伍称之为空洞。当大脑完成处理信息，组织和空洞便会消失。

左：这是大脑新皮层一部分（大脑最发达的部分）的数码影像

右：构造物的不同维度；中间的黑孔标志多维空间或空洞的复合体

蓝脑计划

研究人员冉．列维（Ran Levi）表示：「当大脑处理信息时，高维度空洞的出现代表大脑网络中的神经元对刺激物以极有组织的方式产生反应。」

「大脑对刺激物出现反应先由杆件（一维）﹑平板（二维）﹑立方（三维），继而是更复杂的四维﹑五维等几何结构所组成，现象犹如用多维块体建构成高塔，再将其夷平。大脑反应过程就像用沙建造多维的城堡，最终解体。」冉列维补充。

「通常应用于研究网络的数学方法不能验测到我们现在清楚可见的高维度结构和空间。」蓝脑计划策划者亨利．马克拉姆指研究发现有助解释为何人脑如此难以理解。

「我们发现了一个我们未曾想象过的世界。甚至大脑中的小斑点中也有数以千万的结构，超过7个维度。在部分网络中，我们甚至发现结构多达11个维度。」

研究发现显示大脑透过创造复杂的团块和空洞以处理刺激物，所以研究的下一步是要找出我们执行复杂任务的能力是否有必须依靠这些多维结构的形成。

赫斯在与《新闻周刊》（Newsweek）的电邮访问中，提出研究发现引领我们更了解「神经科学的其中一种基本奥秘：大脑结构与其处理信息的关系」。

她指出，利用代数拓扑学，研究队伍发现到这些精密组织结构隐藏在似是杂乱无序的神经元活动模式中，而这种精密结构在研究者使用这种特殊的数学过滤前根本无法看到。

赫斯再指出，研究发现当我们以低维度表示检查大脑活动时，我们只能取得大脑真实活动的投影。这表示我们能见到部分信息，而非全部影像。「因此，我们的发现可能解释到为何大脑结构和功能的关系是如此难以理解。」

「我们发现的典型反应模式显示当对刺激产生反应时，网络线路总是透过建构一系列的几何表示结构，维度由低至高循序递增，直至建构突然停止再倒塌——这是对刺激物的反应的数学标志。」

赫斯补充：「我们未来的工作是利用代数拓扑学工具，研究可塑性（即对刺激做出的连接增强和减弱的反应）的作用。可塑性是探究奥秘的学习过程的基本概念，我们期盼将来能就这现象提出新的见解。」

本文由宏观资本独家翻译及整理自Newsweek，本文不代表宏观资本/比特港观点，转载请注明出处