2008年9月30日,星期二

在达勒姆(英国)抽烟

如果您本周末恰好在达勒姆(Durham),快来参加这场聚会:

从神经元到语言
语言认知神经科学的最新发展

达勒姆(Durham)的几个部门正在就此问题举办一些座谈会,以期激发哲学讨论。演讲者包括Richard Wise,Angela Friederici,Gary Marcus,Lolly Tyler和其他一些人。

这是一个主意:“要求所有受邀演讲者退后进行日常研究,并根据对人类语言思维的大脑基础的理解来评估已取得和尚未取得的成就。总体而言本次研讨会的目的主要是哲学性的,只要我们希望从大脑的角度来理解思想,但是这种方法是自下而上的,因为我们是从实验主义者那里解决问题的。’s point of view."

如果所有这些都发生在适当的润滑水平下(杜松子酒是润滑剂吗?),那可能会很有趣。正如您可以预测的那样,我将争辩说,镇上是否完全有游戏尚不清楚。希望在那里见到你。

4条评论:

格雷格希科克说过...

听起来很好玩。我的邀请必须已被垃圾邮件过滤。 :-)我同意,但是...我认为我们还不了解任何实质性内容。我们似乎能够做的就是记录某物的“神经相关性”。我可以告诉你 哪里 一个词可能被识别,但我仍然不知道 怎么样 一个单词被识别。仍然只是在做地理并且还没有深入到基础地质的地方。

戴维·波佩尔说过...

是的,我们仍在处理“作业问题”,即弄清楚在哪里看。

一个关键问题是,我们经常会误以功能本地化来解释。

我称之为“制图势在必行”。我刚刚为我的一位朋友编辑的《艺术史》杂志写了一篇简短的文章。如果您愿意,我可以将其发送给您。它被称为“制图要务:混淆认知神经科学中的本地化和解释”

轻巧易读,保证。

丹尼尔·基斯柳克说过...

那是一次舒适的会议,确实是度过一个周末的好方法。感谢您的广告!请在博客中保留此类更新。

大卫,如果我不是全部都认错了,您就是在倡导一种方法,那就是我们要在基本语言操作之间建立联系,没有语言学家“can not live”,以及脑神经回路基本模块在理解Douglas和Martin(2007)中提供的基本计算。尽管我总体上都对这个想法表示同情,但我认为这可能不会产生太大的作用(您已经讨论过的Gary的书所产生的微小影响就说明了这一点)。您已经部分讨论了一些原因,但我认为值得在此重复。

-如果我们想成为语言学和大脑之间的相关水平,很难(几乎不可能)“neuroscientific”.
由于由大量元素组成的系统的新兴特性,因此无法根据元素的行为对系统的行为进行建模
同时,对于语言处理,一些基本的认知功能可能比神经生理功能更为重要。例如,加里·马库斯(Gary Marcus)在推断小树时更多地依赖于一般的内存约束,而不是LTP / LTD。
规模问题本身就足以消除,但还有更多。您所指的简单电路太多了。如果我们接受大脑是我们所有精神活动的基础的哲学观点,那么我们必须接受这些回路几乎可以构成任何事物的基础。更重要的是,考虑到当人们学习诸如量子物理学,绘画,乒乓球或完善音乐创作技巧之类的东西时,非固有操作的数量将变得极其自动化。因此问题“基本电路可以为语言做什么?”变得不太有趣,因为答案很可能是“Just anything".
我认为与语言更相关的问题是“可以无人监督的方式学习哪种类型的操作?”。因为如果语言受到大脑计算限制的影响,瓶颈就很可能在几代人之间的语言传递中显现出来。

有趣的研究议程将是采取我们知道我们的大脑有能力的学习机制,将其与语言数据合并,并试图了解我们必须添加什么样的基本单位和操作,才能得出包括这两种语言在内的语言原语。实体及其上的操作。这并不是说我们将从统计中得出一切。在学习新的数据分类时,统计数据很有用,而在学习可能应用于数据的新操作时,统计数据则少得多。用编程术语–当我们渴望新方法时,统计数据提供了新的对象类。

因此,我的梦想日程将如下所示:
-积累大脑电路可以对数据进行的惊人处理,例如分类,模式提取,内存等。
-尝试制定学习机制,以学习数据的新操作。
-将这些能力与儿童可用的语言数据相结合,并尝试了解可以从该集合中导出什么样的语言原语。当某些原语变得不可理解时–要么认为它是先天的,要么就是想出一种允许学习它的学习机制的想法。
-如有必要,请重复。

脑科学从何而来?
细胞神经科学不断提出诸如LTP / LTD,树突计算等之类的建议。但是,由于庞大的神经元集合的新兴特性,可以将其与所需要的相去甚远。 (为什么不将单个神经元中基因表达的水平作为语言学习的基础?我敢打赌,人们可以找到与U形学习曲线的美丽关联!这可能是有意义的,但肯定不是在当代的理解水平上) 。
试图将特定感官系统中运行的计算与相关语言功能联系起来的尝试似乎更具意义。从这个角度来看“home task”找到特定语言过程的位置非常重要。

所以不“神经回路能做什么?” but “大脑回路能学到什么?”。真的很想听到您的答复。

再次感谢您的精彩演讲“跨学科交叉灭菌”.

附注:如果您可以将演示文稿放在网络上或将其发送给我,那将非常好。谈话中似乎不言而喻的某些事情开始逐渐消失。

戴维·波佩尔说过...

丹尼尔,您好,感谢您的精彩评论。关于幻灯片,请给我发送电子邮件,我很乐意为您发送PowerPoint或PDF版本。

我同意您的一些观点,不同意其他观点。我试图/希望表征的挑战涉及“真正的”长期目标,即“统一”的目标是将语言学和神经生物学联系起来的研究计划。我完全同意您的观点,鉴于目前我们所知道的,这些链接与尝试理解的内容并不特别相关。例如,规范的皮层微电路的概念如果扩大规模并在整个大脑中得到证明,将很难链接和精确地进行语言计算。

我认为您在学习方面所概述的想法肯定是一种可行的方法。话虽这么说,目前我仍主张采用另一种方法:如果事实是大脑计算是非常通用的,那么正在发生的事情的“专业化”本质(例如视觉对象识别就不像合成语义)必须来自数据结构。因此,我想尝试的是进入计算的数据结构的本质。根据这种观点,对词汇表达的更丰富,更复杂的理解对于掌握大脑如何处理语言绝对至关重要。

我严格从学习的角度来追求研究计划的问题是,除了对LTP / LTD的了解之外,我们只是没有神经生物学的词汇来讲述任何有趣的故事。实际上,兰迪·加里斯特尔(Randy Gallistel)在他最近发表的许多论文中都指出了这一点-也就是说,我们不知道信息是如何存储的,以及如何转发信息以进行表示形式的计算。但是也许我误解了您的提议的细节...所以也许您是在争论我们应该通过专注于学习告诉我们来尝试发现生物原始体。这是对您的想法的更好描述吗?