Computational Neuroscience

又到了「計算ＸＸ學」的時間，這次講的是 computational neuroscience。這個新的領域包含的範圍更廣闊，從生理，心理，物理，數學，資訊到電機都包了。

整個領域的形成，應該始於20世紀80年代之後「認知科學」的興起，以及90年代新技術成熟之後「神經科學」的興盛，使得可學家可以由從前無法想像的觀點來了解人類心智的運作。

人類心智的運作方式，長久以來一直是很多領域關心的焦點：做市場行銷的希望知道人如何做決定，以左右消費者的購買行為；教育上，也希望配合人類思維的運作與腦部發育，設計出有效率的教學方法；工業上，也需要藉由理解人類處理資訊，與工具互動的模式，來設計更好的操作界面；政治上，候選人會希望知道怎樣的文宣和競選活動最能獲得選民的認同（嗯，或許該說是選票）；醫療上，如何修復「受損的心智」，乃至於如何「增強心智」，都是歷史悠久的課題。其他諸如「讀心術」，「心智控制」，乃至於單純的好奇，無不使人對這個問題心嚮往之。

傳統上處理這個問題，有宗教的，有哲學的，也有科學的方式。科學心理學，在成型一個世紀以來，累積了相當多知識，但受限於測量的工具，常常只能由行為的表象去推測背後的心智運作。20世紀末以降，受惠於醫療科技的進展（尤其是磁共振顯影，MRI），科學家們得以直接觀察目前認為是心智的所在：腦，使得這些年在這方面的知識又有了相當多的突破，而這些科學發現通常被歸類於「神經科學」的領域。

科學家們描述這個世界的運作，很喜歡用「模型」：一些假設與規則的組合，通常可以用數學形式表達。當我們對腦部神經結構的理解到達某個程度，理所當然的會出現「腦」與「心智」的數學模型，透過模擬，來與實驗觀察的結果交互驗證。至此，「計算神經科學」的領域於焉誕生。

光從前面這段冗長的敘述，讀者大概就不難理解為什麼這個新興學門牽涉到這麼多領域的整合。數學模型的建立，是用來描述神經結構與心智現象，又要與最時髦的電子醫療科技資料相佐證，所以要能夠深入這個問題的核心，最理想的狀態，是研究人員對這些領域都有一定程度的瞭解與訓練，因此幾個世界上這個領域的先驅組織，近兩年都相繼成立新的學程，讓受訓中的研究人員（就是傳統所謂的博士生啦）在訓練階段就建立跨領域的知識。（這與過去的「跨領域整合」，通常由各自領域的專家一起合作又有不同，基本上是因為這個模式運作了30年，結果相當不理想，不過這又是另外的主題，這裡就不贅述了。）

雖然這個領域的核心在於腦與心智的運作，但是基於不同需求出發，處理這個問題的方式和希望專注的焦點也有所不同。純科學的興趣可能會在於數學模型本身，數學模型與心智的關連，或是神經結構的功能，但是醫療人員感興趣的可能是這樣的模型如何幫助腦部手術的進行，工程師可能希望能藉由理解人腦處理信息的方式來設計更有效率的演算法，甚至神經原形成的複雜結構本身也有助於設計平行計算的軟硬體（比方說目前當紅的雲端）。

目前看來，這個領域擴展的非常迅速，也應該會是接下來相當熱門的主題，有興趣的人可以連到 wikipedia entry，那裡有更詳細的說明以及資源連結。