解剖互联网大脑，互联网神经生理学

超级管理员

　　

　　对于生物大脑，神经生理学的研究以神经解剖学为基础。它的方法是通过刺激脑及手术切除脑，实验性地分析研究整体的脑功能，电刺激成为研究神经和脑功能之重要手段。最初使用感应圈生电和电容器放电的刺激;随着电子技术的发展，电子刺激器被广泛使用。手术切除动物脑的某一部分，观察动物行为及功能的变化，这是生理学实验的另一种方法。精细巧妙的外科手术加上完美的消毒技术，使慢性动物实验成为可能。

　　2015年2月我们在《互联网催生新学科-互联网神经学》中指出互联网神经学由5个部分组成(详细介绍见文章最后)，第一个重要也是最基础的部分是互联网神经生理学，相对应，互联网神经生理学重点研究基于神经学的互联网基础功能架构以及运转机理。对于互联网神经生理学，我们是不是也可以学习生物大脑，对”互联网大脑“进行解刨，幸运的是，互联网不是自然进化出来的精密结构，而是由前瞻的科学家和勇敢的创业者一点一滴的用双手构建出来，”互联网大脑“的每一个神经元，每一条神经纤维的细节都存在于学术论文中或商业计划书中，我们只要有足够耐心将这些细节遍览，“互联网大脑”的血肉就将浮现在我们的眼前。
& K0 `7 q5 A& @
5 s$ K  I# C4 s. I, r5 T; b　　目前最热门的互联网应用和科学成果几乎都与互联网神经生理学有关，包括物联网，云计算，大数据，工业4.0，移动互联网等与互联网的关系，社交网络与物联网的结合，深度学习算法与互联网人工智能的提升等， 2012年以来，谷歌，百度，科大讯飞，爱奇艺都推出了自己的互联大脑计划，刚刚召开的两会上，李彦宏提出了中国大脑计划，推动建立基于互联网的人工智能基础设施。
- p, C5 n5 t9 P0 i+ q1 h
　　应该说相对于互联网神经学其他4个部分，互联网神经生理学目前是研究最为深入的一个领域，主要表现在如下五个方面：
　　1.2008年绘制出互联网类大脑架构图，这幅图是通过对脑科学已有成果的的借鉴，所形成预测的未来互联网成熟架构。
% d' A+ O- o5 L0 @, v* _　　

: j% Z6 z  m: Y　　2.用互联网大脑结构图分析当前互联网领域的热门概念，云计算，大数据，物联网，工业互联网(工业4.0)，移动互联网。
　　
* ^- z2 q9 m+ d
, D! P# O7 o% J- ?: z, t　　3.2012年提出互联网的神经反射弧现象，就是当互联网各神经系统发育成熟后，所出现的反射现象，互联网神经反射弧的研究会对理解互联网运行机理，发现互联网未来商业模式产生重要影响，我们在2012年出版的《互联网进化论》一书中提出了7中互联网神经反射模式。下图只显示其中一个模型。
% G, _* ]3 f# P, W( @　　
$ z6 u! t% o& F$ ^6 T1 A
: e$ l: U7 J" `4 s　　4.2014年绘制出“互联网大脑的左右大脑结构图”，提出以搜索引擎为起点的百度大脑，谷歌大脑等互联网人工智能系统将进化成为互联网的左大脑，以Facebook，QQ，微信为代表的社交网络正在形成互联网的右大脑.“
　　

5 w. l! Z3 p# D/ P　　5.2014年提出互联网神经元的“细胞体”-社交网络个人空间在形成更为成熟的互联网神经元时，必然会导致社交网络与物联网，工业互联网的结合，从而形成人与人，人与物，物与物社交的”大社交网络BIG SNS“
　　

　　附录：关于互联网神经学和互联网神经生理学的定义：
　　互联网神经学的定义(Internet neurology)：
　　1.基于神经学的研究成果，将互联网硬件结构，软件系统，数据与信息，商业应用有机的整合起来，从而构建互联网完整架构体系，并预测互联网沿着神经学路径可能产生的新功能和新架构;
　　2.根据互联网不断产生和稳定下来的功能结构，提出研究设想，分析人类大脑产生意识，思想，智能，认知的生物学基础;
　　3.研究互联网和人类大脑结构如何相互影响，相互塑造，相互结合，互助进化的双巨系统交叉关系。
0 j) }3 F$ B% d! M, R3 R: j　　4.互联网神经学从生理学和心理学层面可以分为5个部分：互联网神经生理学，互联网神经心理学，大脑互联网生理学，大脑互联网心理学，互联网认知科学
" Z1 P3 O& I1 F& N- d0 L2 R
　　互联网神经生理学(Internet neurophysiology)定义：
! J. R2 l8 x3 i  f" Q1 y5 P; x" s　　互联网神经生理学重点研究基于神经学的互联网基础功能和架构，包括但不限于互联网中枢神经系统，互联网感觉神经系统，互联网运动神经系统，互联网自主神经系统，互联网神经反射弧，基于深度学习等算法，运用互联网大数据进行图像，声音，视频识别等互联网人工智能处理机制。
+ c. T! _# p3 M

文章来源：数学中国