跳转至

1720719966

认知神经科学导论

AI 专业必修

课程学习内容

看起来像是生物课?放心,这只是一门学长们公认的大水课(给分可能存在大小年,但是考核方式相当容易)。 这门课程的大纲大致如下:

  1. 神经生理学基础,主要是神经元的分子化学机制(讲的很浅,甚至不如高中选考生物的难度
  2. 脑科学基础,也很基础,就是大脑的一些分区以及一些功能的介绍,也无需熟练掌握;
  3. 计算神经科学基础(对,还是基础),关于神经元模型和神经信息编码,介绍的模型主要就是 LIF 模型(应该是期末的必考题),ALIF,GLIF 和上课会提到的 H-H 模型应该都不要求;编码方式期末会考一道题,熟悉各个编码方式的基本原理即可。
  4. 可塑性和学习机制,从这里开始基本上就和人工智能基础的内容有些重合了,主要面向的是深度学习,学习机制重点强调的是 Hebb 学习规则,算法讲了 Tempotron, Surrogate Gradient STDP。这一部分从个人角度来看是这门课的核心,如果有条件大家可以深入了解(当然仅从考试角度来看,了解大概的原理就行,不会涉及到具体的算法)
  5. 记忆机制、脑成像机制等等杂七杂八的玩意,期末只考概念,脑成像没考过,应该也是不考的。
  6. 脑机接口相关概念。同样也是概念,没有任何深入的东西,单单听这门课显然对脑机接口建立不了什么具体认知,期末应该也是不考的。

这门课的考核标准真的相当容易,给分在众多 AI 专业课中也算中上水平,仅 21 级的体验来看,这门课还是相当适合作为跨专业课程的。

先修要求

无。LIF 的推导涉及一点点常微分方程,但是反正可以背诵,也可以直接抄到 Cheating Sheet 上,没有基础也无任何影响。

任课老师

唐华锦老师。上课念中英夹杂的质量一言难尽的 PPT,而且不一定能念清楚。在部分内容会辅助板书,但是板书效果也相当一般。唐老师虽然是一个很负责很热心的老师,但是就上课水平来说比较有限,因此听不懂不要怀疑自己,真的有疑问的地方选择课下与老师交流会有更大的收获。

祁玉老师。讲一次关于视觉与运动编码的内容,讲课水平可以。

课上的常态是大家打开电脑写别的科目作业或者索性摸鱼,由于唐老师相对仁慈,这门课的到课率也是相当惨淡,在学期中课上基本只有 4-8 个同学。

老师上课的时常会进行提问(如果你某次问题回答得好,那他之后可能会一直叫你),课间和课后也会和部分同学聊天交流。就笔者的观察,唐老师组里的氛围也相当融洽,和多个助教交流都是有说有笑。除了上课水平真的一般,别的方面唐老师的确是很不错的。

给分情况 21 级同学普遍反馈较好,但 20 级部分同学表示给分很一般。可能是一些传说中的大小年效应?22 级的同学的得分情况普遍较差,可能确实存在大小年情况。

课程教材

无教材。

不建议不感兴趣的同学阅读任何一本参考书目

这门课虽然老师给出很多参考资料,但绝对不是必须的。下面的讨论仅限于对神经科学和类脑智能感兴趣的同学稍作了解,不感兴趣只是想通过考试拿个不太难看的成绩的话,只要看课件就足够了!

老师有很多推荐书目,不推荐 E. R. Kandel 的,毕竟神经科学原理一套跟砖头一样,咱啃了两年还没啃完。对于计算机系的学生,Abbott Dayan Theoretical Neuroscience,相对来讲更有计算机气息。其他书笔者没有看过,额外的推荐放在下面的专栏。

分数构成

  • 签到(10%)

    21 级只在最后一节课点过一次名,采用的是最传统的花名册点名法。由于 21 AI 同学到课率过于惨淡,唐老师也在最后几节课咨询笔者建议,极有可能在之后的课程中增加点到的次数。22 级每次课的到课率在 60% 以上,只进行了一次点名。

  • 作业(30%)

    21 级)一共会布置八次思考题,每次题目的数量在 4-6 题不等,虽然叫思考题但其实就是对 ppt 内容的提炼与总结。作业的形式以论述题为主,在学习机制和神经元模型部分会有简单的证明与推导,在神经信息编码会有基于 Matlab 的简单编程(框架都在 ppt 给出,只需要自己把公式敲进去)。作业似乎是交了就会给满分,助教也会在习题课上作简单讲解并给出答案。特别需要注意,考试题中有相当一部分题来自作业,平时作业可以划水但是考前一定要把标答好好过一遍。

    22 级)无作业但是在每节课最后也会给出思考题,平时考核改成了每次课最后一节课的展示(为了提高到课率),每个人需要分享一篇神经科学领域的论文。按照 22 级的展示情况,每一次大家都会严重超时导致进展缓慢,也许以后会改回之前的作业形式。

  • 考试(60%)

    考试形式是半开卷(20 级可以带两张 A4 纸,21 级只能带一张 A4A4 纸可以手写也可以打印)。试卷是全英文,考题只有大题(方便唐老师捞大家),可以使用中文作答也可以带字典。 唐老师考前会准备一个复习ppt来划重点,就往年的经验他的重点真的会是考点(21级考试的七个大题只有半道题没有出现在复习ppt中),强烈建议大家重视最后一节复习课和平时的作业

    24 春夏期末回忆卷:从 21 级和 22 级的经验来看每年的题目应该差不多。但是 22 级的考试给分从询问情况看十分求是,平时分的给分也十分的难看,不过考虑到笔者平时对这门课的付出实在是少,只能说是在总的分数上没有得到唐老师的宽宥罢了。

推荐资料

  • Coursera 有一份关于计算神经科学的课程,这份课程笔者看过,是比较推荐的;
  • Thomas J. Anastasio Tutorial on Neural Systems Modelling,经典教材,主要讲的是怎么写代码,或许看着会更加亲切一点;
  • Eliasmith, Chris; Anderson, Charles H. Neural engineering: Representation, computation, and dynamics in neurobiological systems,比较经典的课本;
  • Michael A. Arbib; Shun-ichi Amari; Prudence H. Arbib The Handbook of Brain Theory and Neural Networks,手册,也是主要是计算神经科学有关的;
  • Gerstner, W.; Kistler, W.; Naud, R.; Paninski, L. Neuronal Dynamics,神经动力学,需要一些数学基础;
  • Peter beim Graben, Changsong Zhou, Marco Thiel, Jürgen Kurths, Lectures in Supercomputational Neuroscience,主要是复杂系统(complex network)的视角,这个视角在笔者看来也是饶有兴味的;

因为笔者主要对计算神经科学和神经动力系统感兴趣,对神经生理学了解不多,如果有对相关资料了解比较多的可以继续补充。这方面相关的文献则非常多,篇幅有限故不在此叙述。只推荐一篇好玩的,对类脑智能感兴趣的同学可以一读:Brooks, R.; Hassabis, D.; Bray, D.; Shashua, A. Turing centenary: Is the brain a good model for machine intelligence?

关于类脑智能,推荐一篇引言性质的论文:

其他可以参考 BICA*AI 的会议记录,现在笔者暂时还没有见过系统性的教科书。

后续课程

唐老师的《脑启发人工智能导论》,内容和这门课差不多,合作的祁玉老师讲课水平不错,需要完成几个很简单的作业,作业的代码在 PPT 中几乎都已经给出。这门课是 AI 的选修课,事少给分好,建议选修。