主题：【原创】围绕脑科学而发生的若干玄想 -- 鸿乾
"当然人或动物受到某些外界巨大冲击后，完全可以产生若干关键的实体性的神经元变化，从而深刻影响行为特征"
1.
brain/神经元 熱响应 vs 外界, then recover/relaxation, needs time, time interval as such =brain/神经元's特征 time interval, kind of, example: 30 minutes to recover to "normal"熱冲击, back to 平衡 state
2.巨大冲击: rare, small probabilities, illegal, etc, like 高能辐射 destroying brain/神经元's 结合能, once hit, over;
3. 高频冲击@marginal levels, between "illegal and legal", hit brain/神元 every 15 minutes, brain/神经元 always get hit before it recovers, slowly losing its recovering capability, kind of like 温水煮青蛙, but 青蛙 doesn't know about 相變, many parameters on 青蛙's monitor show no dramatic changes, but 青蛙 is getting neutralized, not remembering where its 平衡 state should be, 安樂死 , slowly dropping into 熱庫,... and we all have this kind of risk, such as junk food/media, pollution, and all kinds of marketing, etc
基本上乔姆斯的观点还是那个传统的科学观。这个倒是没错，很有说服力。也可以说目前的人工智能更多的进展是在工程上，当然他说的没错，智能理论的发展上没有多少进展。不过我还是想起那个从鸟到飞机的类比，人类发明出来飞机并不是在完全对鸟的生物结构，免疫化学神经，甚至基因，分子原子级别上的全面了解之后才能够发现飞行原理并造出飞机的。
不过有一点乔姆斯的看法很独到，就是智能的本质不是算法，而应该是在物理上的理解，但是也许是量子物理，这个现在谁也说不清。他的理由的确很站得住脚，比如飞机能上天自然是在人类对空气动力学了解的基础上实现的，而不是靠大量的空气动力试验的数据来靠算法近似实现的，那样的话估计没人敢坐飞机上天，万一出现黑天鹅怎么办。
问题是在智力上的这个“空气动力学”是什么层次上的东西，他认为是物理动力什么的，或者未知的科学，而其他人认为是在目前技术条件下相当于算法内核的作用，也就是说在目前计算机的基础上实现工程上的人工智能的话，这个“空气动力学”的物理原理实际上是可以脱离开其物理环境而单纯靠算法或数字来形成的。
这是针对计算机基础上的工程实践来说，未来如果出现了可能的材料，比如量子计算机，那么其物理性质则可能主要作用，类似人脑本身。但是这样的话，感觉更像从鸟去造“鸟”，而不像是造飞机了。
因此我认为乔姆斯第一没有理解使用算法做数据挖掘的人工智能派的真正目的是什么，意思是他们并不是在做类似华尔街那样的预测，而是希望能找到智能的真正算法本身，不过这两者做起来听着象是一回事，但是从科学方法论上来说还是不同的。区别是这些人眼中的算法其实就是乔姆斯口中的物理原理，不过这一点恐怕乔姆斯是无法跨越了。
第二乔姆斯追求从宏观到微观上的统一的精神可嘉，甚至自比伽利略，而且对于生物脑神经领域的研究试验方向的批评很有见地，不过总的感觉他的观点还是希望从微观上去深挖，或者说等待为主。唯一这篇文章有新意的地方是最后他所提到的人的智力与外在语言表达上可能有一个后来出现的连接机制，他的意思是说人的思想是在语言出现之后才出现的，但是智力本身是独立并早就存在了。比如他举例中提到的语言中不符合语法的用法。这方面因为是他的专业，应该是有可信度的。
不过猜想他的本意是否定试图从语言辨识方向去构造智能的尝试，或者解释为什么NLP对于真正理解语言的含义没有作用的道理。其实生活中这样的现象如果有心的话也不是闻所未闻，比如养过狗等宠物的人都有这个经验，狗狗虽然不会说人话，但是很明显的可以发现狗与人之间的沟通超越了语言，这个没有人会否定。反之，比较语言识别算法，显然计算机能够达到的对人的了解还不如狗的智力。
但是针对目前人工智能界的“忽悠”，比如奥巴马的BRAIN计划，不是说把几百亿个神经元链接起来，智能就会自动出现了，这个是误解更是无稽之谈。但是在这个级别上去模拟去试验增加对智能的了解，显然是有助益的。而工程上的一些实现，更有巨大的经济意义。Hawkins说过，他不是在试图实现类人的智能，而是在模仿智能的原理做应用 （Machine intelligence is not about replicating human behavior or even passing the turing test. I agree on this – we need the machines to think & do things we cannot do thus augmenting us. Make us stronger where we are weak ）。从这个角度出发，使用统计算法的方法并取得很大成就，其意义已经足够大了，至于这条路走下去是不是出现超越人的智能，谁也不好说，抛开乔姆斯的争论，假设他的观点全对，毕竟也没有人可以肯定的说智能的出现只有人的大脑这一种方式。
你提到的这是美国的一大“忽悠”，昨天消息中国百度也跑到硅谷开场子开发人工智能了，这期间的道理不用多说了吧。
本帖一共被 1 帖 引用 (帖内工具实现)
1.
冷原子's great post
http://www.ccthere.com/article/2891901
2. 青蛙's gene coded "熱响应" brain/神经元 has to really sit down, hard learning about all these about 波恩-奥本海默近似,第一性原理, 第1,2,3個積分, etc, if 青蛙 wants to jump out of 温水煮
-------
光化學 - 第 55 頁 - Google 圖書結果
books.google.com.hk/books?isbn=9571135437
劉劍波 - 2004
... 第一個積分是核振動波函數的重疊積分,也是下面將要講到的富蘭克-康登原理的 ... 波恩-奧本海默近似在大多數情況下是一種合理的近似,但是當系統處於勢能面 ...
-------from 冷原子---
首先，感谢村长的大作橡树村:【原创】温水煮青蛙。我觉得这种“用严肃的方法研究有趣的问题”的作品，正是一个高品质的论坛所需要的。
温水煮青蛙这个寓言，如同村长所说，通常用来表达这样的含义。就是说生活中，如果一些变化发生的很突然，人们往往无法适应，可能会做出激烈的反映，比如暴怒，狂喜等等。反过来，如果发生的很缓慢，那么人们可能就在不知不觉中适应了。比如热恋中的两个人，其中一方想分手。这时候如果忽然提出分手，对方多半会激烈的反弹。反过来如果想分手的一方慢慢疏远对方，可能当摊牌的时候，对方就能平静的接受现实了。
我不是搞生物的，所以没研究过温水能不能真的不知不觉中把青蛙煮死。不过在物理中，确实有一个跟这个寓言内涵相同的规律，这就是在量子物理学中被广泛使用的量子绝热定理。
量子绝热定理的含义，简单的说是这样的。就是说如果一个体系，一开始处在能量最低的状态，那么当这个体系所处的环境，（或者准确的说，哈密顿量），缓慢的发生变化的时候，一般来讲，这个时候体系的状态会跟着变。而且，会从能量最低的状态，变到其他状态去。但是呢，如果这个体系所处的环境，变化的十分缓慢，也就是“绝热的变化”，这个时候，这个体系就会慢慢适应外部环境的变化，每时每刻都几乎保持在那个时刻能量最低的状态上，而不会向其他状态跃迁。
以上是非常粗糙的描述。细致的讲述这个定理，需要一些量子力学的专门知识，这里面我们就不赘述了。需要说的是，刚才讲的“能量最低的状态”，不是一个必要的条件，而是我们为了陈述清楚而使用的特例。事实上，如果体系一开始处在“能量第二低的状态”，然后外部环境缓慢的变化，那么体系也会被时时刻刻维持在那个时刻的“能量第二低的状态”上的。以此类推。
这个定理是不是有点儿跟温水煮青蛙神似？举个例子来说，如果我们把一个人的状态抽象成两个，一个是能量低的状态，“平静”，另一个是能量高的状态，“狂喜”，把工资当作体系的外界参数（哈密顿量的参数）。这时候人对“涨工资”这个外界变化的反应，就变成了一个量子绝热定理的实例：当如果一开始人的月薪是一万，人的状态是“平静”，外界变化迅速发生，工资一个月之内涨到三万，那么这个变化会把人激发到“狂喜”，反过来，如果工资变化的很缓慢，每个月涨工资1500，将近两年涨到三万，那么这时候人会总是保持在“平静”这个低能量的状态。尽管这时候已经从月薪一万的“平静”，变成了月薪三万的“平静”了。当然实际上每个月涨1500的话，人肯定是要小高兴一下的，但是高兴的程度，肯定到不了一下子涨到三万的这种狂喜状态。
在量子绝热定理里面，体系外部环境（哈密顿量）变化的速度，是个关键。因为根据这个定理，“体系每时每刻都几乎保持在那个时刻能量最低的状态上，而不会向其他状态跃迁”这句话中的那个“几乎”很重要。就是说体系总有一些概率会跑到别的状态去。不过可以证明，外部环境变化（哈密顿量）的越慢，体系跑出去的概率就越小。这就跟村长说的，加热速度很缓慢的时候，青蛙真的会被煮死一样。
当然，煮青蛙的生物学实验，并不能用量子绝热定理这么简单的解释，因为青蛙是个极其复杂的生物学系统。我想说的是，量子绝热定理其实可以作为“温水煮青蛙”这个寓言的一个物理学版本。而且这个版本的严格性是可以通过数学证明的，毋庸置疑。当然，目前毕竟熟悉量子力学人比较少，所以这个版本难以流传。
量子绝热定理在量子物理学中具有广泛的应用。比如说，目前超冷原子物理研究的热点之一，就是如何把超冷原子变成超冷分子。目前人们采用的方案，就部分的基于绝热定理。这个方案大体上说，是用激光来和原子发生相互作用，充当前面说的那个“外部环境”。刚开始的时候，激光被设定在一个强度，整个体系能量最低的状态，就是两个超冷原子自由运动的状态。然后慢慢的把激光的强度调节到一个新的值上去，在这个值上，能量最低的状态是两个原子结合成分子的状态。如果这个激光强度调节的速度足够慢，那么原子就会每时每刻保持在这个时刻能量最低的状态，于是乎就从自由运动的状态变成了分子的状态。看看，这不等于发明了一种新的人工控制的化学反应吗？
目前世界上有很多实验小组正在努力高质量的，完美的实现这个过程。
简要回顾一下这个量子绝热定理的发展，是个有趣的事情。因为它涉及到了很多物理学史上著名的人和事儿。
要谈量子绝热定理，还要先从经典绝热定理说起。实际上，生活中有很多受经典力学支配的物理现象，跟这个量子绝热定理描述的事情很类似。最典型的例子，就是我们端着一杯快满的热水走路，如果走得快了，或者准确的说，速度变化的太快了，这时候水肯定会洒出来。如果慢慢走，一小步一小步往前蹭，这时候水在杯子里充其量小幅度晃荡两下，却不会洒出来。
尽管有这么多物理现象作为基础，但是在经典力学中，对这个“绝热现象”的研究，却一直到20世纪初期才开始被人关注。经典绝热定理的鼻祖，可能应该算是爱因斯坦。在1911年举行的第一届索尔维会议上，洛仑兹（应该就是那个著名的洛仑兹）提出了一个问题，就是说一个单摆，如果摆长被缓慢的缩短，那么它的运动是什么样子的？爱因斯坦当场就给出了答案。并且指出，如果摆长缩短的足够“缓慢”，那么尽管单摆每时每刻的能量和频率都在发生变化，可是这二者的比值却是一个常数。这里我们确实要佩服一下爱因斯坦深厚的功底和良好的感觉。这可能是人们对经典物理中绝热演化研究的开端。而爱因斯坦的推导，其实已经包含了经典绝热定理所有要素。
在1911年到1916年之间，荷兰科学家艾伦菲斯特对经典绝热定理在旧量子论中的应用，做了系统的研究。他利用经典绝热定理说明，如果波尔的量子论对一个体系适用，那么当这个体系的参数发生变化的时候，量子论对这个变化后的体系仍然适用。这就大大拓展了老量子论的范围。
19世纪末20世纪初，荷兰出现了一批杰出的物理学家，比如洛仑兹，塞曼，发现超导的昂尼斯等等。艾伦菲斯特是这个群体中具有悲剧色彩的一位。他的老师就是著名的奥地利物理学家，统计物理学的一代宗师玻尔兹曼。玻尔兹曼因为自己的学说不被接受而悬梁自尽。若干年后，艾伦菲斯特也因为（据说）反对纳粹而自尽。这是一对不幸的师生。
量子力学诞生以后，德国科学家波恩和苏联科学家福克把经典绝热定理彻底推广到了量子力学，量子绝热定理从此诞生。波恩是量子力学的奠基者之一，因为提出量子力学的几率解释而获得了诺贝尔奖。波恩是那一代物理学泰斗中中国学生比较多的一位。他指导过的中国学生或者博士后中，比较杰出的就有两弹元勋彭桓武先生，程开甲先生以及我国固体物理学的奠基人黄昆先生。波恩在物理学上贡献很多，其中之一是所谓的“波恩-卡曼”边界条件，这个“卡曼”不是别人，就是后来钱学森的老师，空气动力学大师冯.卡门。
量子绝热定理的正确性，可以用微扰论的方法加以说明。但是严格的证明却不容易找到。我所知道的的最早关于这个定理的比较严格的证明，是Kato在1950年给出的（J.Kato, J.Phus.Soc.Jap,5, 435 (1950).）。而教科书中对量子绝热定理的阐述，往往都用微扰论而不做严格的证明。我见到的严格证明绝热定理的教科书，只有日本物理学奖，诺贝尔奖得主汤川秀树主编的《量子力学》。有趣的是，这本量子力学只有中译本，却没有英译本（至少我没听说有）。
量子绝热定理自从诞生起，就被人们在量子物理中广泛应用。但是，1984年，英国物理学家Berry指出，过去对量子绝热定理的使用中，大多数时候，漏掉了一个相位因子。据说在Berry之前已经有人指出过这个位相因子了，但是没有引起人们的注意。总之，从Berry开始这个因子得到了广泛的关注，并且以Berry的名字命名。人们关心这个因子的原因，在于这个因子是“几何”的，它和外界参数变化的速度细节无关，只和外界参数在变化过程中曾经取过哪些值有关。而Berry相因子的数学结构也非常简洁漂亮，它可以用微分几何中的纤维丛来描述。
在Berry提出这个位相因子之后，英国物理学家Hanny把这个因子推广到了经典绝热定理。你看，绝热定理本身的发展，是先有经典的，再有量子的。而绝热定理连带的相因子，确实先发现量子的，再推广到经典。人们很快发现，原来经典力学中出名的傅科摆，跟这件事情有联系。
傅科当年弄了一个很长的摆，下面放了个沙盘。摆上的重锤每摆次一次，都在沙盘上留下一条线。这条线就和摆所在的平面平行。然后人们发现，在摆动的过程中，沙盘上的这条线慢慢的旋转出了一个角度，也就是单摆所在的平面在慢慢变化。没人去干扰这个单摆，这个摆平面的变化完全是自发的。经典力学可以证明，地球的自转可以造成这个变化。理论计算的旋转角度和实验结果吻合，这个实验间接的证明了地球的自转。
1984年人们才发现，这个经典力学中著名的实验竟然可以跟绝热近似的几何相因子联系上。这里面的参数就是地球。地球自转的频率比单摆的频率低得多，所以这个参数的变化是“缓慢”的，我们可以用绝热近似。而与之对应的几何相因子，就是傅科摆平面转动的角度。
通常说的量子绝热定理，这个体系满足量子力学，缓慢变化的环境参数则是实现定好了的。而实际上，外界环境也满足量子力学，环境和体系是互动的，相互影响。如果把外界环境的量子效应，以及体系对环境的反作用也考虑进去，这个绝热过程该如何描述呢？这就是著名的波恩-奥本海默近似。这个近似是波恩和奥本海默共同提出的。奥本海默就是美国的那位原子弹之父。当年奥本海默在德国师从波恩学物理。据说奥本海默从小绝顶聪明，所以在波恩手下的时候多少有些桀骜不驯。据说波恩的其他学生们曾经联名向波恩抗议奥本海默的骄傲。波恩奥本海默近似应该是奥本海默在波恩那里做的最重要的事儿了。这个近似的应用也很广泛。化学中的共价键的物理基础就是这个近似。
刚才反复的说，绝热定理的基础在于参数缓慢的变化。那么如果参数变化的稍微快一点点呢？这个时候体系就有一定的概率跳到别的状态了。这个概率的计算也是量子物理学中一个有趣的问题。最早这方面的研究，是英国物理学家Zener和苏联物理学家，诺贝尔奖得主朗道各自独立的完成的。他们用了两种方法得出了同样的公式，成为朗道-Zener公式。Zener的文章能找到，也不难读懂。但是朗道的文章我一直没找到。朗道著名的教科书中关于这个内容有一节论述，但是我从未搞懂过。此外，朗道还在他的另一项重要的工作--朗道费米流体理论中，使用绝热近似对这个理论的正确性进行了定性的说明。他的这个思路，和前面说的艾伦菲斯特利用经典绝热定理论述老量子论适用范围的思路差不多。
最后说说“绝热”这两个字。在统计物理学中，绝热指的是没有热交换的过程。这种过程体系的熵不变。体系在不同能量状态上的粒子数也不变。这个统计力学中的“绝热过程”和刚才说的“量子绝热定理”，一直是各自独立的被研究。因为他们针对的体系和演化特点还是有差别的。但是近年来兴起的量子热力学的研究中，却发现在量子热力学的层面上，这两个“绝热”是存在一定联系的。
最后讲一句，尽管在刚才的叙述中，我们看到很多重量级的诺贝尔物理学奖得主都做过和绝热近似相关的工作。但是到目前为止，还没有人因为绝热定理的研究而得诺贝尔奖。这大概是因为绝热定理虽然重要，但是毕竟还是比较简单。据说由于Berry位相因子的重要性，杨振宁曾三次推荐Berry拿诺贝尔奖。如果能成功的话，这应该是第一个直接由绝热定理相关的工作而产生的诺贝尔奖。但是事实上，至今Berry还没拿到这个奖。以后如何，我们拭目以待吧。
首先推荐看这个视频，PBS的Nature：植物在说什么：
在这个节目的开始，还没有很多惊奇之处。若干知识还在既有的常识内。比如说，剪草后，草坪散发清香。这个对我们常做这些事情的人，当然是常识。我其实也想到过，这种现象，多半是草坪的一种自我保护功能。这应该是最初等的感受反应了。慢，非常不确定，但是有一点又非常确定，那就是，这种感受反应是通过散发特殊分子来实现的，因此，也就是通过分子的浓度梯度来实现的，也就是说，是通过统计来实现的。
但是，越往后走，对我来说，越多惊奇。那种藤选取攀援的植物，明显是靠气味的浓度，但是，在气味有很多种的情况下，它选取的气味仍然正确，行动也很清晰。因此，只能认为，这种藤中，一定有某种机制来记录这种气味，并且能够对比浓度，而决定行动。这就是非常明显的感受和基于感受的反应了。很多初级动物，有神经元的，也就是如此的感受和反应了。
到更后来，那种母树通过地下网络哺育幼树，就更接近动物了，已经有了相当明晰的信息处理。但是，明显的，那些树没有神经元。不过，没有神经元，并不代表不能做信息处理。估计，应该是有什么系统在里面，事实上能够感受各种敏感物质的统计情况，然后，相应做出处理。不过，这个系统并不是清晰的类似于神经组织那样的，恐怕是一种松散的组织，但是，也可以达成如上的感受和反应。
也就是说，现在我们已经很清楚，感受与反应，事实上存在于多种生物环境中，并不局限于动物，更不局限于神经元。是否有某种比较合理的度量，来度量感受与反应的发达程度？我想，感受与反应，应该是一切智能的基础，那么，这种合理的度量，就是度量智能的一种基础度量。
下面Fuhrer的对智能的讨论很好。为方便查找，把链接放这里：
链接出处 我要提出的是，智能事实上是更高层次的感受与反应。这里的各种度量在哪里？分界在哪里？恐怕是更应该关注的。
我以前旅游过澳洲的鳄鱼河，在河上泛舟，听鳄鱼的各种故事。现在回想起来，对智能等有所感悟。鳄鱼在那个地方生活了2亿多年了，在这些年中，它们的身体和脑基本上没有进化，还是2亿多年前的样子。它们的脑也没有新皮层，可以说，对信息的处理是比较粗糙的。但是，它们在那个环境生活得很好，好过很多进化程度上远超它们的动物。甚至，把个别的人放到那个环境中，也未必就可以在生存竞争中一定获胜。时时听到有鳄鱼吃人的事情发生，就是一例。
这里特别说说对鳄鱼下蛋的想法。鳄鱼必须选择合理的堤岸的地方来下蛋，否则幼鳄的成活率几乎为零。这个合理的地方，其实要求相当苛刻，离开水面要多高，离开水面要多远，附件的植被不能太过密集，还要看阳光的照射，等等。鳄鱼是没有父母带的。因此它们这样的严格挑选下蛋地，只能是出于遗传，不能出于后天。那么他们的脑里面，是怎么从遗传获得这些信息的呢？而且这些信息不可能直接用，还必须和现实结合，也就是多少需要学习一些现实情况，因为，不可能想象遗传可以把外界的所有情况都写进去。那么这种学习，或者说在外界信息的刺激下，激发遗传获得的信息，又是怎么做的呢？我想，这都是和智能的研究非常紧密相关的。
有可能在逐渐了解机器学习的进程中，上面的这些关于鳄鱼的问题也就逐渐可以得到解决。因为，很可能智能机器，也就是像鳄鱼这样的，遗传了很多（就是说，通过软硬件固定了很多东西），然后再和若干不太多的现实情况结合一下，就可以有效地做各种任务了。
总之，谈智能，应该顾及最初等的感受与反应，从下面往上走，可能更容易揭示真相。
最后，就这个话题说几句。这个话题已经在西西河有几个月了。我是主要的发言人。其实本意是希望大家多发言，我多听多学习。不过在发展中，我成立主要发言人。感觉还是好的。有些回到研究生院时代主持读书班的味道。回顾了一下，我发现，我们这个话题中的帖子的信息量是很大的，如果很好总结和回顾，的确有很多有价值的东西。而且发言环境很好，因此感谢大家参与这个话题，希望更多的朋友来参加。
Fuhrer说，百度也来硅谷开了智能的摊子。我还不知这个消息。是否有链接？看起来百度的高层能够感知到这方面的压力。但是，为什么要到美国来开摊子呢？不在中国的某地开？或者莫斯科去开？这就是说，我们这样的话题，可能不久就有商业前景了。或许吧。
突触链接是形成逻辑的。而记忆，是通过将一个单元的突触熔断的方式形成的。再次恢复突触其实是在慢慢消除记忆。
早期的数字集成电路PLC控制器，也是这个道理。同样的PLC电路，可以用作逻辑环路，也可以用作记忆。
我们过去都以为大脑会生长出记忆，其实是通过熔断某些突触而形成记忆。其实这也非常符合逻辑。
很多记忆都是瞬时形成的，而“生长”突触，是个较慢的过程，不可能跟随记忆即时出现。而熔断突触，则会在瞬间形成。以后如果这个记忆不断加深，被熔断的地方会形成永久疤痕组织，形成长期记忆。如果以后没有被加深，熔断的地方会慢慢再次生成突触，记忆被消除了。
（所有的记忆都是通过熔断某些触突形成的。只是普通记忆熔断的比较少，没有那么容易被观察到。）
（我说熔断是借PLC电路的比喻，并不暗示是通过电或热等等方式。大约大脑是化学方法消除的突触）
（我们过去只注意到建立树突连接。没想过熔断链接也是可以形成逻辑和记忆的。这属于灯下黑。需要一点逆向思维。其实熔断链接建立逻辑和记忆，在半导体行业行之已久）
根据蒲院士的讲演，突触链接从婴儿起是在逐渐减少，但是减少到一定年龄，就不再减少了。但是，你说的，记忆是因为减少突触链接，那么在这个一定年龄后，如何形成记忆呢？
是不是，在熔断链接的时候，同时又生长了某些链接？
另外，在脑里面，其实没有逻辑环路，即使有，也是非常巨大的，不是局限在一些小区域的。这和电路是不同的。
我们只能观察到永久性的断裂。婴儿期的记忆快速大量形成了永久性记忆，或者某些记忆就是DNA预编程的。所以很容易被观察到。
但成人的大部分记忆是非永久性的，突触只是轻微断裂，功能性断裂，不容易被观察到。只有长期刺激，或剧烈刺激，才会发生外表可观察到的生物学特征变化。比如强烈的恐惧。
短时间的记忆，表现为，一些触突丧失功能，暂时断裂，但没有生物学特征变化，只是暂时关闭了某些化学信号收发的细胞通道。
而继续深度刺激，这些触突会慢慢真正的断裂，形成生物学特征变化。但成年人的长期记忆形成很慢，（而且也少），所以很难观察到突然出现大量突触消失的现象。
××××××××××××××××××××××××
这样的实际好处是，脑细胞可以被回收复用。无用的记忆脑细胞，很快会被回收再次利用。
很想听听。
首先这个现象是不是真实可靠的还不确定，其次这个现象（单一行为学模型）是否具有普遍性也不确定，第三fear conditionning的首要负责神经元不应该在皮层，而应该在边缘系统。但是他们观察的是皮层第5层锥体神经元，那么这些神经元如何参与fear的记忆还是未知的。
您想太多了:)
什么样的生物学机制，用来搜索记忆的。这可是个真正的谜。
正方向： 记忆（表现为条件反射）--LTP---突触功能增强。这一系列的证据链都是几十年来大量基础性试验所确定了的。
反方向： 流行病学统计---海马/皮层突触数量减少（老年痴呆前期）---认知能力障碍。这也是确认了的。
尽管我不敢说您的上述结论是正确还是错误，但是至少您想太多了:)
不过出生之后，随着发育，突触数量会急剧减少，一直到成熟（性成熟？），这个现象倒是真实存在的。
谁告诉你fear conditionning的负责神经在边缘系统。
fear对边缘系统影响不是形成记忆，而是形成底层的本能反应。实际上形成的是非常低级的逻辑处理，即“本能”和“条件反射”。
那是因为，在边缘系统，负责处理底层的反应。由于fear这种东西关乎生死，必须快速做出反应，于是人脑特别形成了快速处理机制，也就是所谓的“本能反应”。这种本能反应，是为了下次再遇到这种情况，不需要请示大脑的逻辑，立即以底层的脑细胞逻辑做出回应。而记忆，还是在更高级的皮层形成了。
fear对边缘系统影响不是形成记忆，而是形成底层的本能反应。也就是所谓的对某些恐惧的事情“条件反射”。
实际增长的不是记忆，而是“经验”。而经验是逻辑。而逻辑的形成，是突触在增加。而记忆的形成，实际上是突触的熔断。
过去，把记忆和经验闹混了。经验是什么呢？我猜想经验就是对过去的记忆的搜索链接。也就是说。增强的突触，其实是增强的对记忆单元的搜索链接。
而老年痴呆症这种破坏性的东西，和突触的按照一定需求的断裂完全不同。
比如最早期的数字集成电路PLC电路，是按照需求把一些链接熔断形成记忆和逻辑。是非常有规律的用高些的电压熔断某些特定的连接。但你拿个火钳子到处捅熔断，或者用锤子在集成电路外面砸，也是搞断，这和记忆完全是两码事。不值一驳。
至少是我听起来。
给我以很好的看问题的启发。
把记忆和经验分开，恐怕有些问题。我是不懂。是否神经科学支持这种说法？从个人体验上来讲，这是通的。但是，是否有理论和实验支持，我就不知道了。
这是我也相信的。其实可能就是若干简单规则的反复叠加形成的复杂事物。
记忆可能如此，搜索也完全可能如此。不过，我们完全不知道这些简单规则是什么，也就无从探讨反复叠加后的产物。