機器學習與腦機介面的願景

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 之前幾篇文章稍微提到了計算神經科學想要以數學的方法，計算出神經生物上詳細的模型，好的模型還可以在拿回電腦科學領域，尤其是人工智慧的問題上面，作為解決的方法。至於現在的機器學習方法，為甚麼我覺得不夠用呢？我主要是覺得困難在三個地方：特徵 (feature) 的擷取，參數 (parameter) 調整過程中需要人的參與，以及文字意義 (meaning)學習上可能會有困難。以下就這三個部分來做個討論，順便討論計算神經目前能夠解決的部分，和未來有可能達成的目標 (人機介面: Brain-Computer Interface)。 首先先和各位談談二項式係數。不知道各位是否有學過多項式呢？如果不知道二項式係數，可以先看看下面這個巴斯卡三角形：

閱讀全文»

離子通道和動作電位: 神經細胞的微觀之旅

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在〈神經元和動作電位〉和〈動作電位白話文篇〉裡面和各位提到了動作電位，英文是Action Potential，是我們神經細胞裡面訊號的基本單位。今天要和各位重新拜訪一下神經細胞和動作電位的原理，並且想像我們有如奈米機器人一般，進到大腦裡面，在微觀的世界裡面觀看神經細胞，看看動作電位 (Action Potential) 如何產生，訊息如何在不同的神經元 (neuron) 裡面傳遞。經過這一趟微觀世界之旅，相信我們又可以對自己的神經系統有一番不同的了解！

閱讀全文»

粒線體: 細胞的發電機

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在《體溫發電機》一篇文章裡面提到了用體溫來發電的技術。然而天下沒有白吃的午餐，如果沒有作功，一顆球會往低處動，水會往低處流，肌肉不會無緣無故收縮把東西提起來。想要克服往能量低的地方走，就要給予能量才能夠讓球往高處移動，水從有插電的抽水機才能抽到高處的水塔，肌肉有能量才能產生位移造成肌肉收縮，讓東西可以被抬起來。即使是體溫，也是消耗能量才會有。 人體的能量來源，就是我們每天吃飯攝取的養分，消化吸收以後成為細胞的能量。然而，細胞沒有嘴巴，要怎麼吃飯呢？細胞消耗甚麼東西得到能量呢？消耗的東西又要怎樣子產生呢？今天就要和各位介紹在細胞的世界裡面，消耗的東西 (ATP)，以及把養分轉換成細胞能量來源的胞器–粒線體 (mitochondion)。希望大家讀完這一篇，對於細胞世界如何運轉有更近一步的了解！

閱讀全文»

Deja Vu: 似曾相識

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 《時空線索》這部電影描寫一個人可以看到未來，英文片名為 “Deja Vu"。Deja Vu就是描述這種對未來的事情感覺有點熟悉，有種似曾相識的這一種感覺。Deja Vu原本是法文的辭彙，是由一位法國的心理精神研究者Émile Boirac在他書中第一次提出這種現象的研究，因此用法文稱呼這種現象為Deja Vu。Deja Vu有可以分為三種：似曾活過、似曾感覺過、似曾拜訪過。

閱讀全文»

字字珠璣: TF 和 IDF

 “Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在今日我們可以從網路上吸收大量資訊，有時候一堆文章看不完。如果我們想要吸收資訊，時間卻又不夠的時候，使用電腦幫我們過濾資訊，或是用電腦幫我們做個總整理，是個方法。如果今天手中有一篇文章，我們想要用電腦幫我們找出這篇文章最重要的關鍵字，要怎麼做呢？在資訊檢索 (IR: Information Retrieval)領域裡面，有個基礎的方法，入門必學的方法，就是使用 TF 和 IDF (TF: Term Frequency, IDF: Inverse Document Frequency)。使用這兩個估計值，可以讓電腦具有計算重要關鍵字的能力，進而節省我們的時間。 接下來讓我們看看，TF 和 IDF 個是甚麼東西呢？TF 全名是Term Frequency，也就是某個關鍵字出現的次數，譬如說某篇文章裡面，「電腦」這個詞出現很多次，或是「使用者需求」這個詞出現很多次，那麼這些詞句的出現頻率，就會很高。一篇文章中出現很多次的詞句，必定有其重要性。譬如說一篇論述「人工智慧」的文章，「人工智慧」這個詞句再文章中出現的頻率也一定很高。然而為甚麼除了 TF (Term Frequency) 以外，還要有 IDF (Inverse Document Frequency) 呢？

閱讀全文»

旅行中的商人與負世界

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在《從尋找質數談談搜尋演算法》一篇文章裡面提到質數搜尋演算法，約略提到了一點演算法 (Algorithm) 以及 搜尋(search) 演算法。簡單地說，搜尋演算法就是要在一堆可能是答案的輸入資料 (input data) 當中，找出符合條件的答案。之前在《排程問題與CPU Scheduling》裡面提到了Job-Shop Problem是一個很難的排程問題 (Scheduling Problem)，是NP-complete。本篇就簡單介紹一下搜尋演算法、「旅行中的商人」這個問題如何使用搜尋演算法、NP-complete的定義、以及最後提一下對偶問題(Dual Problem)。

閱讀全文»

排程問題與CPU Scheduling

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 如果今天有一台機器，N個人要用，每個人使用的時間分別是t1, t2, …, tn，那麼怎樣子才能讓等待的時間最少呢？如果是以每個人的角度來說的話，當然是先搶先贏啦！不過如果是以這N個人所屬機構的角度來看，要讓全部人的等待時間最少，要如何安排使用機器的順序呢？這個時候作業系統 (OS: Operating System) 裡面的CPU Scheduling方法，就可以參考了！ 首先我們先看看N個人不同的先後順序有幾種組合呢？答案是N!(N階層)種組合，譬如說5個人先後順序的組合方法就有5! = 120種組合，裡面包括第一個人先、然後第二個人、第三個人、第四個人、第五個人執行，也包括第一個人先、然後第三個人、第四個人、第五個人、最後才是第二個人執行，以及更多種組合的方法。因此我們排程的解答，就是在這麼多種組合(N!種)裡面，找到一個執行的順序，大家等待的時間加總起來是最小的。然而要怎麼找到這個解答呢？

閱讀全文»

Skype外掛: Unyte桌面與應用程式分享

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 除了NetMeeting和MSN以外，是否有其他軟體可以讓我們分享桌面或應用程式，共同在線上修改一份WORD文件或Excel試算表呢？Skype的外掛Unyte可以嚐試使用看看。Unyte是由WebDialogs (2007年8月剛被IBM併購) 所出的產品，是一個使用Skype API所開發的Skype外掛。免費版本可以提供2人同時分享桌面，如果要更多人共享桌面應用程式，再購買正式版就可以！詳細安裝和螢幕畫面可以參考這一篇介紹。下載請到這邊。Skype Extras外掛需要Skype 3.0才能安裝使用。相信這對小團隊的會議是個有用的應用程式！

閱讀全文»

Google Earth虛擬搭乘貓空纜車

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 想搭乘貓空纜車，卻又不想排隊等候太久嗎？Google Earth可以讓你虛擬搭乘貓空纜車哦！在PTT Google討論版，看到了一個連結，提供了一個影片，是用Google Earth來搭乘貓空纜車。背景音樂是《歡樂中國節》。 相關連結 貓空纜車

閱讀全文»

iPod Touch

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 上週 Apple 推出新的產品 iPod Touch，具有無線傳輸功能的PDA，相當於一個沒有電話功能的 iPhone。讓我們先看看下面約15分鐘的demo。裡面demo了 Google Map、分享相片、瀏覽網站和新聞、以及收看Youtube影片的功能。還有一項特別的是：和 Starbucks合作，瀏覽試聽現在Starbucks正在播放的歌 (目前只有在美國一些大城市先推行)，或是最熱門的歌曲，然後馬上就可以在Apple Music Store購買。 如果能夠demo在 iPod Touch上面使用 Skype和 Joost就更好啦！不知道 P2P軟體在無線網路環境執行的效果如何呢？另外 iPod Touch沒有的電話功能，就可以用他的無線傳輸加上 Skype網路電話來作為替代方案！

閱讀全文»

三峽大壩爆石工程

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 中國大陸的長江三峽大壩，2006年6月完工的時候，圍堰拆除的爆破影片如下。因為是香港電視台的新聞，因此是廣東話發音搭配中文字幕。爆破畫面還滿壯觀的！ 相關連結 (Wikipedia) 三峽工程

閱讀全文»

體溫發電機

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 科技日新月異，各式各樣的科技產品無論是美觀設計上、實用性上，都常常讓人嘆為觀止。然而現今的科技產品很少不需要用到電，發電的來源除了有一天會用完的石油，就是會有放射線的核能發電，太陽能發電在將來技術成熟後，或許能夠成為比較乾淨的發電來源。太陽能發電就像是水庫，一次要產生大量電力給大家使用；不過天空下雨的時候，自己用個桶子裝幾滴水也不無小補。今天在MedGadget看到一篇文章，提到體溫發電，或許就是處處發電的一種方式吧！

閱讀全文»

杜拜塔

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 杜拜塔 (英文: Dubai Tower, 阿拉伯文: Burj Dubai) 是阿拉伯聯合大公國裡面正在興建的一座摩天大樓，在今年7/21施工中的時候，高度就已經超過了台北101大樓，預計要興建818公尺高(比台北101大樓還要多出約300-400公尺)，大約是160到195層左右。

閱讀全文»

照片分享任意門: 交友、直銷、Web 2.0

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 有句話是「一張圖勝過千言萬語」(One picture is worth a thousand words.)。照片的分享可以讓我們接收更直接的視覺資訊。目前網路上有很多網路相簿，我們透過手機或是數位相機得到的照片可以放在網路上，分享給朋友。然而 Web 2.0 是否能夠帶來更新的分享方式呢？本篇文章想從地區化應用 (location-based) 開始談起，由三個座標軸來探討：時間 (過去、現在、未來)、地點 (使用者所在位置、使用者不在的位置)、以及分享方式 (同步、非同步)，並且提出照片分享在交友上的應用，以及交友和直銷，與 Web 2.0 的 business model 的關係，期待和大家的腦力激盪 (brainstorming)，可以創造出更多想法。

閱讀全文»

機器翻譯的漫長等待: 談 Web 2.0 翻譯的可能性

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 機器翻譯是一項不容易的事情。在等待機器翻譯的技術之前，也許我們可以先考慮以 Web 2.0 的方式來翻譯。想法很簡單，先從 Wikipedia 和 Wiktionary 來看，我們如果打算開始，就是開發一個類似的平台，然後由使用者來貢獻內容，只不過貢獻的內容是「翻譯」的內容。然而光是這樣子，可能還不大夠，首先就是有「誘因」(incentive) 的問題，使用者願意分享翻譯內容的誘因需要思考。其次是商業模式 (business model) 的問題，開發這個平台的人是否能夠獲取報酬。我想 Web 2.0 的服務，最頭痛的應該就是這兩個問題，甚至內容分享上還會有著作權的問題。不過我們既然有了大腦皮質，有問題也不用怕，只要肯花腦筋，我想沒有甚麼問題是無法解決的。下面我就先設想一下機器翻譯可能遇到的問題，然後提出結合以 P2P為架構 的通訊軟體 Skype 的 Web 2.0 翻譯服務，並探討其可能的優點和缺點，如果有興趣的人也不妨繼續烹調這個點子吧！

閱讀全文»

Web 2.0 與教育

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在 80286 電腦的時代，有一種軟體叫做 CAI (Computer Aided Instruction)，讓我們可以透過電腦的輔助來學習，譬如說用小遊戲，或是機智問答，在一問一答之間，可以學會不少東西。網路和多媒體裝置出現後，開始有了 e-learning，使用者用一片互動式光碟，或是透過上網的方式，可以在更好的畫面裡面透過遊戲來學習，或是即時評量學習情形來調整進度，或是重複收看上課的錄影。今日網際網路的發展，讓頻寬增加，內容爆增，使用者參與的 Web 2.0 也將要開始。MIT OpenCourseWare 已經陸續將一些課程的錄影和教材放在網路上，Apple 的 iTunes U 也提供了各大學的課程錄影或錄音，可以經由 iTunes 來下載收聽。從過去的資訊缺乏，到今日的資訊過量 (information overload)，我想 Web 2.0 使用者參與，第一步可以先過濾 (filter) 既有內容，或是經由相同喜好的使用者的群聚 (cluster)，把內容依照喜好分類 (preference)，讓相同喜好的使用者透過評分或是推薦的分享，過濾出他們都喜歡的內容，成為個人化 (personalized) 的內容。最後再經由積沙成塔 (long-tail) 的方式，讓使用者的回饋 (feedback) 變成新的內容。

閱讀全文»

隱私權: 相片主人的秘密

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 這個禮拜的 NYTimes Techtalk Podcast (紐約時報的科技 Podcast)提到了最近哈利波特最新版的書籍出版以後，有駭客把最新版的劇情和圖片都搶先放在檔案分享網站上面。然而節目中引述一篇報導，表示根據這些上傳的圖片，以及圖片裡面所含的一些資訊，英文稱為 metadata，可以知道照這張照片的相機是 Canon 的牌子，型號和唯一的序號都可以查的出來。根據廠商的資料還可以知道這台相機已經使用三年，所以只要維修的時候有留下姓名等相關資料，就有可能找到拍下這些照片的人是誰！

閱讀全文»

i-LIMB Hand人工機械手

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 上周在Medgadget看到一則新聞，裡面報導最新的人工機械手臂i-LIMB，是由一間蘇格蘭公司Touch Bionics所開發的產品。這個人工機械手臂幫助失去手臂的人，重新恢復有手臂的生活，並且容易上手，短時間內就能操控自如。 下面就來看看影片介紹吧！ 資料來源和相關網站 Medgadet 新聞 (英文) 新聞 (中文) Touch Bionics 更多Demo影片

閱讀全文»

M200G UFO飛行車

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 昨天在網路上看到了一則新聞，提到了加州大學戴維斯分校(UC Davis)的一位教授Moller，發明了可以離地三公尺高，以80公里的時速飛行的車子，並且計畫未來能夠將這種車子應用在救難和都市塞車問題上面。 接下來就先看看實地的Demo影片吧！ 相關報導 (中文) Moller International網站 (英文)

閱讀全文»

賽局理論：囚犯困境與信任關係

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 今天要講的「囚犯困境」，和最近的減刑新聞沒關係，而是指一種賽局。囚犯困境(Prisonner’s Dilemma)是描述抓到兩位囚犯，然而因為證據不足，所以就把這兩位囚犯分開到不同的房間裡面審問，並且分別和他們說，如果提供對方犯罪的證據，而對方保持沉默的話，對方要做10年的牢，而你可以無罪釋放。如果你提供證據，他也提供證據，那麼你們兩個各坐5年的牢。如果你們兩個都保持沉默，那麼因為證據不足，你們兩個分別坐牢6個月(半年)。所以根據這個規則，和囚犯可能的選擇，化成一個結局的矩陣如下： 0代表無罪釋放，-10代表坐牢10年，-5代表坐牢5年，-0.5代表坐牢半年。 甲方可以選擇沉默或是指認對方犯罪的證據，乙方也可以選擇沉默或是指認對方的證據。在甲乙兩方都不能串通的情形下，假設他們用理性來判斷，則甲乙兩方分別會做甚麼樣子的選擇呢？

閱讀全文»

Conway: Game of Life

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted by Mr. Thursday 這篇文章的標題翻譯成中文是：「康威：生命遊戲」。康威(John Horton Conway)是一位劍橋的數學家，生命遊戲是他在1970年發明的小遊戲。這個遊戲是一個模擬遊戲，首先有一個長方形棋盤，裡面劃分成許多小格子。每一個可以是活的細胞或死的細胞。每一步棋盤的狀態可以影響下一步的狀態，規則是： 如果某一格細胞在時間 t 是活著的話，那麼在時間 t+1 的時候 如果這格細胞只有一個鄰居或沒有鄰居活著的話，就死去 (因為孤獨) 如果這格細胞有四個或更多鄰居活著的話，就死去 (因為擁擠) 如果這格細胞剛好只有兩個或三個鄰居，則繼續活著 如果某一格細胞在時間 t 是死的話，那麼在時間 t+1 的時候 如果這格細胞剛好有三個鄰居的話，就活起來

閱讀全文»

視覺交響曲第三樂章: V1

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在〈靈魂的紗窗：走訪人類的視網膜〉裡面我們提到了人類的視網膜，在〈視覺交響曲第二樂章: LGN〉裡面我們提到了視覺路經的中間站LGN(Lateral Geniculate Nucleus)。讓我們先稍微回想一下之前提到的內容吧！首先提到了視網膜，總共可以分為10層，如果大略分層的話可以分成三大部分：感光細胞、中間橫向整合層、以及神經結和離開眼球的視神經。我們提到了感光細胞其最後才碰到光，因為整個視網膜的分層是從靠近頭腦裡面數出來的，最裡面是感光細胞，最先碰到光的反而是神經結(ganglion cell)細胞。感光細胞又分為兩種：桿狀細胞和錐狀細胞(rod cell and cone cell)，桿狀細胞不分辨顏色，負責夜間視覺，處理「大約」的形狀，錐狀細胞分辨顏色，可依照顏色再分為不同種類的錐狀細胞，負責比較「細緻」的視覺訊號，處理日間視覺。視神經離開眼球的地方會產生盲點。中間層則是整合不同地方的感光細胞的訊號，在視網膜就先做了一些訊號的前置處理(preprocessing)。 視神經離開了眼球之後，會先在Optic Chiasm交錯，讓左右眼的左視野訊號都到右腦，左右眼的右視野訊號都到左腦。接著會分別經過左右腦的LGN。LGN在Thalamus(丘腦)的後端，可以分為六層，分別接受1個M channel和2個P channel，所謂M channel就是從視網膜的M神經結傳過來的訊號，比較屬於移動和大概的訊號，P channel就是從視網膜裡面P神經結傳過來的訊號，處理比較小和細緻的訊號。 下面這張圖包含了整個視覺路徑的過程，一張是俯視圖，另外一張是側視圖。

閱讀全文»

從尋找質數談談搜尋演算法

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 我們要在網路上找東西的時候，常常會到搜尋引擎裡面，打關鍵字來找文章。然而今天要提到的搜尋演算法，卻和搜尋引擎的「搜尋」兩個字的意思有些不一樣。所謂搜尋演算法，就是一種演算法(之前提到演算法可以看成是一堆步驟，有先後順序，有重覆執行的步驟，有依照條件不同而部分執行的步驟)，這個演算法可以幫忙我們解決一個問題，就是在茫茫大海中找到一根針。 舉例來說，今天可能遇到一個問題，是要找出1到100之間的質數。所謂的質數(prime number)，就是除了1和他本身可以整除以外，其他小於他的數字都沒辦法整除他，舉例來說：7是質數，因為除了1和7，其他數字像是2,3,4,5,6都沒辦法整除7，所以7是質數。也許你會感到奇怪，我們沒事尋找質數要做甚麼呢？其實質數扮演滿多重要的角色，尤其在之前Mr. Friday在〈ClickClickClick的中忍考試 : 民族主義與網路安全?〉提到資訊安全的問題，一些非對稱式的加密演算法，就是建立在質數的基礎上面，因為質數不好分解，所以兩個乘在一起的質數要分解開來，需要花費很多時間，當花費的時間夠久，加密得到的保障也越大，也就達到加密的效果(譬如說某個密件10年後才能公開，這個演算法能夠讓駭客10年內無法解開就算有效)。因此，找到大質數也是件很重要的事情。

閱讀全文»

視覺交響曲第二樂章: LGN

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在〈靈魂的紗窗：走訪人類的視網膜〉裡，我們提到了人類的視網膜構造，總共可以分為10層，從光的感受體，到中間的中介神經元，到最後的神經結和穿越眼球出去的視神經。這10層的構造，等於是先把感受到的光作一些前置處理(preprocessing)，譬如說錐狀細胞和桿狀細胞對顏色的區別能力就不同，才能夠在不同的感光環境中的適應。然而這些都只是前置作業，當視神經從視網膜離開眼球之後，到了哪邊，又是怎樣子轉換了訊號呢？且看這一篇的分享，只需要5到10分鐘的白話文閱讀，你對人類視覺的架構，又可以有新的認識與發現囉！ 首先，要從上回的視網膜說起。人類有左右兩眼，每個眼球的視網膜可以大約分成兩個視區，也就是左視野和右視野。左視野和右視野接受到的光線，會沿著不同條的視神經離開眼球。最大的轉變，第一個是在Optic Chiasm的地方發生，各位可以看下圖，橘色的部分代表每一個眼球接收右視野的地方，藍色的部分代表每一顆眼球接收左視野的地方。我們沿著線條往下走，會發現在Optic Chiasm的地方，有了交錯。哪些東西交錯呢？是右眼的右視野從右邊交錯到左邊，左眼的左視野交錯到右邊。 為甚麼會有這種交錯呢？原因可能是因為原本每顆眼球，都有左視野和右視野的訊號。經過了Optic Chiasm這個地方，右視野(不管是左眼來的訊號還是右眼來的訊號)都會交給大腦的左半球來處理，左視野(不管是左眼來的還是右眼來的訊號)都會交給大腦的右半球來處理。這也就是為甚麼有些裂腦(split brain)的病人 ，在進行左右視野的實驗的時候，會有些奇特的情形，像是出現在左視野的字，看得到也寫的出這個字來，嘴巴卻說不出來這個字等等(因為Broca’s area負責講話功能，但是只出現在左大腦)。各位要注意一下，交錯之後，右視野到左大腦，左視野到右大腦喔！

閱讀全文»

千頭萬緒：平行計算和吃飯中的哲學家

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 每天早上醒來，我們通常會洗臉刷牙，吃早餐，搭車上班或是上學。有時候我們為了節省時間，會開始「平行處理」，譬如說：我們一邊擠牙膏的時候，可能一邊開水龍頭把水裝滿，同時完成兩件事情，減少等待閒置的時間。這就是平行處理的一個例子。我們如果把工作分成兩部分，同時給兩台機器跑，那麼原來需要一小時的工作，現在就可以在半小時內完成了。以此類推，如果有n台機器，那麼就能以 n 倍的速度完成原來的工作。平行計算如此好，然而卻會遇到一些問題，同時也有新的問題會產生。 第一個問題是工作的完整性 (atomic) 和同步性 (synchronization) 的問題。譬如說餐廳的訂位系統，訂位的步驟有兩步：(1) 查詢現在剩下的位子 (2) 如果有位子的話，就把位子訂下來，否則回覆沒有位子。這個演算法非常簡單，只有兩個步驟。如果今天我們想把這個系統用平行計算來處理，達到節省時間的效果，會發生甚麼事情呢？

閱讀全文»

靈魂的紗窗：走訪人類的視網膜

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday Mr. Saturday在無人車橫越沙漠!–初探Computer Vision(電腦視覺)文章當中提到了美國國防部舉辦的無人車比賽，其中電腦視覺是不可或缺的一部分。對於計算神經學來說，在研究電腦視覺之前，會先參考生物結構，再應用於電腦和機器學習上面。本篇文章就是要帶大家走訪一下人類的視網膜，如果有學過這方面的讀者，可以當成是複習！如果之前都沒有接觸這部分，相信看文本篇文章以後，您可以更詳細地認識的人類視網膜！本篇文章保證有白話文喔！ 視網膜如同相機的底片，英文稱為retina，可以細分為下面幾層，如下圖：

閱讀全文»

達賴喇嘛出席史丹佛大學神經科學座談會

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在2005年11月初，史丹佛大學神經科學系邀請達賴喇嘛(Dalai Lama)參與一場神經科學的座談會。這場座談會主要是想探討大腦(brain)和心靈(mind)的關聯，並且希望透過神經科學和佛教兩個領域的對話，讓科學和人文能夠彼此交流，激盪出這個難題的解答。 點擊此處收聽第一場：渴望 點擊此處收聽第二場：受苦 這場座談會主要環繞在兩個主題：渴望與受苦(Craving and Suffering)，由這兩個主題作為腦與心靈這個問題的切入點(Brain and Mind)。第一場由史丹佛的神經科學系系主任William Mobley作開場白，首先提到佛教主張經由默想(meditation)的方式，來追求問題的解答，而神經科學則是主張用實驗方法和各種科學儀器，從數據中得到問題的解答。然而兩者有一個共同的交集：兩者都接受經驗主義(Empirical Method)，也就是說，後天的經驗感受，可以改變之前的假設，譬如說我們一開始可能接受身體和靈魂、大腦和心靈，是兩個不同的東西。但是經由後天的經驗(默想後的啟發、辯論後的結論、實驗後的結果)，我們願意更改先前的假設，接受新的解答。

閱讀全文»

Stroop Effect

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday Stroop Effect和蝴蝶效應有沒有關係呢？答案是沒有！Stroop Effect是在1935年的時候，由一位實驗心理學家John Ridley Stroop所提出的。這個效應是說，當我們看到代表某個顏色的字，譬如說：RED，我們當然會唸RED。但是當看到的字填上了和字代表的顏色相異的顏色，我們反應的速度就會變慢，譬如說：RED，我們會先想唸出RED，再來才想唸BLUE。Stroop將實驗進一步分成兩種：(1) 唸出字意義上代表的顏色。(2)唸出字看起來的顏色。當我們要唸出上了不同的顏色的字，就會發生幾毫秒的延遲，我們就稱之為Stroop Effect了！

閱讀全文»

遞迴之美: 數學, 電腦科學與碎形

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday & Mr. Saturday (註：本篇文章有一點長，請耐心服用 XD) 想像一下，我剛才說了一句話，那句話是：「想像一下，我剛才說了一句話，那句話是：「想像一下，我剛才說了一句話，那句話是：……….」」，如此下去，就好像站在兩面平行擺設的鏡子中間，鏡子中的影像不斷的重複。再舉個例子，寫完一封信想要匿名保密，就署名「知名不具」。回信的人寫：「知 知名不具 具」。之後再回信的時候就變成：知知知名不具具具，加上括號可能比較清楚：(知(知(知名不具)具)具)。 遞迴就是類似這樣子，不斷的重複同樣的東西，只不過每次重複的是比較小的東西了。大家應該對數學歸納法不陌生，在使用數學歸納法時，我們首先確定 n=1 的時候某件事情是成立，然後在證明 n 到 n+1 的過程是正確的，就可以從 n=1 的例子，一路推論出第 n 項是甚麼東西。就像是推骨牌一樣，把第一張牌推倒了之後，剩下的骨牌自然就被前面的骨牌給推倒。

閱讀全文»

認知與記憶

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 各位看到上面這張圖，想請各位比較一下中間的圓圈，左邊的是否看起來比較小？右邊的是否看起來比較大呢？答案是：兩個圓圈大小是一樣的，可以自行拿尺來量量看哦！這個錯覺英文名稱叫做Ebbinghaus Illusion，描述人類在判斷物體的大小的時候，會受到週遭物體大小的影響。然而我們如果要拿起某個大小的物體，我們的手指距離會迅速地調整到自動大小，如果是機械手臂，還要有好的機器學習演算法才辦的到。 在認知心理學裡面，有很多這種測驗，想要探討人腦在認知的過程中，到底有哪些奇妙的機制在裡面。經過了前幾篇的介紹，我們分別走訪了分子層、大腦生理層、以及機器學習的角度，對於人類大腦的學習功能的探討，這一篇我們將從認知心理學的角度出發，來看看我們的大腦，尤其是在記憶的部分。之後就會固定在這四個方向：「分子」、「大腦生理」、「認知心理」、以及「機器學習」四個大方向，一起攻克我們大腦複雜的結構，解開人類智慧之謎。偶而也會介紹網路上可以看到的相關演講給各位，讓各位對這個領域的最新發展也能夠有所熟悉！

閱讀全文»

KNN演算法 (更正篇)

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 上回和各位分享了KNN演算法。不過在演算法的歸類上，我錯把KNN歸類成非監督式學習，英文稱為unsupervised learning。在這邊我重新定義監督式/非監督式學習：監督式學習是說，我們把資料給機器學習的時候，資料會有label，也就是說，每一個資料對應的正確答案，都會給機器看。機器學完以後，會產生一個模型 (model)，也就是他學習完的成果，之後遇到新的資料，他就用學習出來的模型來判斷新的東西，輸出新東西該有的正確答案。用之前判斷大頭照是男生或女生的例子，每一張照片給機器學習的時候，除了照片本身，還會讓機器知道每張照片的正確答案 (男生還是女生)。之後機器用他學出來的模型 (model) 來判斷新的照片，接著輸出答案 (男生或女生)。

閱讀全文»

大腦一日遊

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在提到「探索人類的大腦」以及「神經元與動作電位」之後，本篇要和各位簡單介紹一下人類大腦的構造。之所以要認識我們的大腦，出發點是在於人工智慧想要在機器上實現人類的智力。最早的方法，就是人類利用「反省思考」的能力，來發現自己。然而這個方法有時候會有些問題，舉例來說：小時後我們也許想要觀察，我們是怎樣子睡著的？我們怎樣子從清醒、變成睡眠狀態？結果隔天醒來，發現自己又沒有看到睡著的那一剎那了。因此，現在有各種觀察儀器出爐，像是磁核共振、電極錄下神經的電位變化、以及基因工程等方法。今天就重點介紹大腦一些重要的區域，並提供相關的圖片和影片，讓各位可以對我們的大腦，有個基本的印象了！下面是人類的大腦的示意圖：

閱讀全文»

KNN演算法

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 各位看到標題，如果沒有聽過KNN演算法，會不會覺得疑惑：KNN是甚麼呢？是不是CNN看久了，就變成DNN、ENN、最後變成KNN了呢？當然不是啦 XD！KNN全名是k-th nearest neighbor，中文意思是「第k位最接近的鄰居」。甚麼是「第k位最接近的鄰居」呢？假設在一個廣場上，有100個朋友，每位朋友都是你的鄰居，最接近你的鄰居，就是「第一位距離最近的鄰居」了，比第一位稍微遠一點的鄰居，就是「第二位距離最近的鄰居」了，以此類推，第10位距離最近的鄰居，就是k=10的時候了。 至於KNN演算法是甚麼，又有甚麼特別呢？之前提過了「人工智慧與機器學習」。KNN演算法就是一種機器學習的演算法。在進一步探討甚麼是KNN演算法之前，我們先介紹一下甚麼是演算法。演算法可以看成是一種「步驟」的集合。舉例來說：我們煮一道菜，第一步是先洗菜，第二步切菜，第三步放油，第四步快炒，第五步加點水悶幾分鐘，第六步再炒幾分鐘，最後第七步加鹽和味精，然後炒到菜煮熟為止。演算法就是這樣子，把工作分成詳細的步驟，有些步驟可能會重複執行，像是菜不夠鹹，就再加點鹽，一直到口味對了為止。有時候會依照情況的不同而有不同的步驟，像是過馬路的時候，如果是紅燈，我們重複「等待」的步驟，如果是綠燈，我們會進行「走路過斑馬線」的步驟。

閱讀全文»

動作電位白話文篇

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 上次「神經元與動作電位」文章裡面可能專有名詞多了一些，讓各位不是很容易就能吸收，因此我在這邊嚐試著用比較淺顯易懂的比喻方式，解說一下甚麼是動作電位了！ 首先我們可以想像我們每個人是一個神經元，我們從別的人身上面讀取訊號，然後也會把自己的訊號傳給別人。我們長長的手臂，就像是神經元的「軸突」一樣，負責把訊號從自己身上傳出去。我們的頭髮有點像是「樹突」，像一根根的樹枝一樣，負責接收別人傳來的訊息。神經元之間聯繫的方式，是軸突搭在另一個神經元的細胞表面，或是搭在樹突上面，就有如我們的手放在別人的頭髮裡面，準備把訊息傳給別人，別人再用頭髮接收訊息。

閱讀全文»

神經元和動作電位

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 從爬蟲類到人類，不管是簡單的或複雜的神經系統，都讓動物具有快速傳遞訊息能能力，使得我們無論是知覺或是運動，可以立即反應，而不是等待一陣子以後才反應過來。我們的神經系統包含了神經元和他們之間的連結，大致上可以分成中央神經系統 (CNS: Central Nerve System)和周邊神經系統 (PNS: Peripheral Nerve System)。中央神經系統包含了大腦和脊椎神經，其他地方就是周邊神經系統了。每一個神經細胞都可以產生動作電位(Action potential)，將刺激從某個神經細胞傳給下一個神經細胞，達成傳遞訊息的任務。下圖是一個神經細胞的示意圖：

閱讀全文»

人與機器

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted By Mr. Thursday 在簡單介紹了人工智慧與機器學習之後，我們知道機器學習過程包括了訓練 (training) 和預測 (prediction) 的過程，學習 (learning) 方法從資料 (data) 裡面的特徵 (feature)，建立起模型 (model)，再用來預測 (prediction)。現在讓我們簡單比較一下人和機器的不同點。我們先用下面幾個面向來分析：生理、心理、工作效率、以及智力。

閱讀全文»

人工智慧與機器學習

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted by Mr. Thursday 人工智慧(Artificial Intelligence)簡稱A.I.。在一些電影裡面，我們可能會看到具有智慧的機器人，和人類一樣可以說話，能夠幫忙人類工作，有時候還會出現統治人類的劇情。其實能夠創造出一部機器，具有人類的智慧，對我們來說即使不是最好的，至少也是好壞參半。有了人工智慧，一些比較枯燥乏味，卻又需要人類的能力才能完成的工作，就可以交給機器來處理。至於人工智慧衍生出來的失業問題、倫理問題、甚至人類將來安危的問題，雖然不容易解決，但是就現階段人工智慧的發展，也許要下一個世代，才需要煩惱這些問題了，目前人工智慧的產品還沒有到讓人類面臨危機的地步。

閱讀全文»

DNA到蛋白質的過程

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted by Mr. Thursday 上回和各位提到神經生物在分子細胞層的機制有很多研究的空間，像是長期記憶在LTP(long-term potentiation)的機制的研究。本篇就先針對基因表現(gene expression)的過程做個簡單的介紹，作為之後簡介神經生物的分子機制的基礎。如果有學過基礎生物的讀者可以當成是複習，沒學過的我會用看的懂的方式來解說，未來有興趣往生物資訊、醫學資訊、或是計算神經學的讀者，也可以由這一篇補充一些基礎知識了:)

閱讀全文»

探索人類的大腦

“Blog 的新位置在 http://mmdays.com，本Blog將在 12/22 號之後，不同步更新。還請網友轉往新站留言:)” Posted by Mr. Thursday 人類每天可以聽、說、讀、寫，觀察週遭的環境，做出適當的反應。從小事情到大事情，我們每個人也不時都在做出決定。人類的智力、情緒、以及意識，是如何產生的？從人類會開始思考的時候就在開始找尋答案。從古代的哲學家開始，辯論和思考後，提出了各種想法，像是身心問題(Mind-Body Problem)，就是在思考人類是否分為身體和靈魂兩個部份？還是說事實上只有心靈存在，我們的身體和週遭的一切，其實是我們的靈魂想像出來的？還是有第三種的可能，也就是說只有物質存在，包括人類的身體在內，而靈魂只不過是人體的細胞進行生物化學反應後，產生的一種現象呢？

閱讀全文»