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：

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？）；
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；
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。
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 和 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，了解大概的原理捷星，不会涉及到具体的算法）
记忆机制、脑成像机制等等杂七杂八的玩意，期末只靠概念，脑成像没考过，应该也是不考的。
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。

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。

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。

只有唐华锦老师。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。

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？

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 和 Dayan 的 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。

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 级 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。
作业（30%）

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。
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 A4，A4 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。

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。