人脑最多可以接收来自几个眼睛的图像信息?

人脑最多可以接收来自几个眼睛的图像信息? 赵泠的回答 高于两万。 从动物实验测出的数据估计,人视网膜向脑传输信号的带宽约 875 万比特每秒[1]。 目前看来,成年人脑的每个半球的初级视觉皮层约有 1.4 亿个神经细胞[2],整个人脑涉及图形处理的神经细胞可能有 28 亿个以上(对间接参与的估计还不够准确)。每个神经细胞平均和一万个其他神经细胞连接,每个连接每秒可以激活 2 次以上,这意味着人脑涉及图形处理的计算能力可能在 5.6e+13 次计算每秒以上。 假设每次计算处理视网膜传来的 1 比特信息,你可以用上面两个数字算出,一个人脑涉及图形处理的计算能力大概能应付 640 万份视网膜传输的信息可以给它几百倍冗余,认为人脑能应付两万只眼睛。不过,人的视觉实际上大抵不是如此工作的。 实验显示,人的清晰视野相当小[3],视觉皮层处理的约半数信息来自占视网膜面积不到 1% 的中央凹,人的视觉内容主要是脑构造出来的。按题设输入“全方向视野”而不改造人脑的话,得到的大概是人脑 P 出来的部分保真图像,当事人可能看到重影或更扭曲的画面。两万只眼睛大概可以为人提供更多的清晰视野,但未必提供万倍性能。 读者可以想到这类视错觉:人的视觉会自动采样覆盖你未用中央凹视野对准的若干黑点,让你难以同时看到上图里的 12 个黑点 ● 卡内基·梅隆大学的机器人专家汉斯·莫拉维茨认为,人视网膜每秒执行一千万次图像边缘检测和移动检测。基于几十年建造机器人视觉系统的经验,他估计每次重现人的视觉检测需要机器执行约一百条指令,这意味着用机器复制视网膜的图像处理功能需要十亿次计算每秒。以这数据和视网膜神经细胞数量、人脑神经细胞数量估计并考虑大冗余,人脑的总计算力约 1 百万亿次每秒到 1 亿亿次每秒。谈“最多”时,你可以考虑将这计算力拿大半来 P 图显然,360 度视野只是算法问题,不是算力问题。 此外,在字面上,这问题只谈“接收”、未谈处理,“最多可以”亦可取决于输入多少信息对应的能量不至于将人当场击毙。2023 年,日本研究人员用单根光纤达到过 22.9 Pbit 每秒的传输速率[4],你可以考虑用这种光纤硬往人脑里照射每根光纤传送超过 26 亿份视网膜的信息量。 via 知乎热榜 (author: 赵泠)

相关推荐

封面图片

稀有视网膜细胞可能是眼睛感知真实色彩的关键

稀有视网膜细胞可能是眼睛感知真实色彩的关键 罗切斯特大学的研究人员利用自适应光学技术深入了解了视网膜的复杂工作原理及其在处理颜色方面的作用。他们在眼窝中发现了难以捉摸的视网膜神经节细胞(RCG),这些细胞可以解释人类是如何看到红、绿、蓝和黄色的。视网膜上有三种类型的锥状体来检测颜色,它们对短、中或长波长的光都很敏感。视网膜神经节细胞将这些锥状体的输入信息传递给中枢神经系统。20 世纪 80 年代,威廉-G-艾林医学光学教授戴维-威廉姆斯(David Williams)帮助绘制了解释色彩检测的"基本方向"图。然而,眼睛检测颜色的方式与人类看到颜色的方式存在差异。科学家们怀疑,虽然大多数 RGC 遵循基本方向,但它们可能与少量非基本方向的 RGC 协同工作,从而产生更复杂的感知。最近,来自罗切斯特视觉科学中心、光学研究所和弗劳姆眼科研究所的一组研究人员在眼窝中发现了一些难以捉摸的视网膜神经节细胞,它们可以解释人类是如何看到红、绿、蓝和黄色的。视觉科学中心的博士后研究员萨拉-帕特森(Sara Patterson)领导了这项研究。"关于它们的反应特性是如何运作的,我们还有很多东西需要了解,但它们是视网膜处理颜色过程中缺失环节的一个令人信服的选择。"该团队利用自适应光学技术,这种技术使用可变形的镜面来克服光线失真,最早由天文学家开发,用于减少地面望远镜的图像模糊。20 世纪 90 年代,威廉姆斯和他的同事们开始将自适应光学技术应用于人眼研究。他们制造了一种照相机,可以补偿眼睛自然像差造成的畸变,产生单个感光细胞的清晰图像。帕特森说:"眼睛晶状体的光学结构并不完美,这确实降低了眼底镜的分辨率。自适应光学技术能检测并校正这些像差,让我们能够清晰地观察眼睛。这让我们能够前所未有地接触到视网膜神经节细胞,它们是大脑视觉信息的唯一来源。"增进我们对视网膜复杂过程的了解,最终有助于找到更好的方法,让失去视力的人恢复视力。帕特森说:"人类有 20 多个神经节细胞,而我们的人类视觉模型只基于三个神经节细胞。视网膜上有很多我们不知道的东西。这是工程学完全超越视觉基础科学的罕见领域之一。现在人们的眼睛里装着视网膜假体,但如果我们知道所有这些细胞的作用,我们就能让视网膜假体根据神经节细胞的实际功能作用来驱动它们。" ... PC版: 手机版:

封面图片

Intel大型神经拟态系统Hala Point集成11.5亿神经元 比人脑快200倍

Intel大型神经拟态系统Hala Point集成11.5亿神经元 比人脑快200倍 Loihi 2处理器早在2021年就已发布,首发采用Intel 4工艺,集成230亿个晶体管、六个低功耗x86核心、128个神经形态核心,单颗就有100万个神经元、1.2亿个突触,是上代规模的8倍,性能也提升了10倍。Loihi 2应用了众多类脑计算原理,如异步、基于事件的脉冲神经网络(SNN)、存算一体不断变化的稀疏连接,而且神经元之间能够直接通信,不需要绕过内存。尤其是在新兴的小规模边缘工作负载上,它实现了效率、速度和适应性数量级的提升。比如执行AI推理负载和处理优化问题时, Loihi 2的速度比常规CPU和GPU架构快多达50倍,能耗则只有百分之一。Hala Point系统的形态是一个六机架的数据中心机箱,大小相当于一个微波炉,内置1152颗Loihi 2处理器,共有140544个神经形态处理内核、11.5亿个神经元、1280亿个突触,最大功耗仅为2600瓦。系统内还有2300多颗嵌入式x86处理器,用于辅助计算。内存带宽达16PB/s(16000TB/s),内核间通信带宽达3.5PB/s(3500TB/s),芯片间通信带宽达5TB/s,可以每秒处理超过380万亿次的8位突触运算、超过240万亿次的神经元运算。Hala Point在主流AI工作负载上的计算效率非常出色,比如运行传统深度神经网络时,每秒可完成多达2万万亿次运算(20PFlops),8位运算的能效比达到了15TOPS/W(每瓦特15万亿次计算),相当于甚至超过了基于GPU、CPU的架构。在用于仿生脉冲神经网络模型时,Hala Point能够以比人脑快20倍的实时速度,运行其全部11.5亿个神经元。尤其是在运行神经元数量较低的情况下,它的速度甚至可比人脑快200倍!早期研究结果表明,通过利用稀疏性高达10比1的稀疏连接和事件驱动的活动,Hala Point运行深度神经网络的能效比可高达15TOPS/W,同时无需对输入数据进行批处理。Hala Point系统有望推动多领域AI应用的实时持续学习,比如科学研究、工程、物流、智能城市基础设施管理、大语言模型、AI助手等等。 ... PC版: 手机版:

封面图片

为什么人类能看到狗看不到的颜色?新研究解释了原因

为什么人类能看到狗看不到的颜色?新研究解释了原因 作者、生物学副教授罗伯特-约翰斯顿(Robert Johnston)说:"这些视网膜有机体让我们第一次研究了这种非常具有人类特异性的特征。这是一个是什么让我们成为人类,是什么让我们与众不同的重要问题。"发表在《PLOS Biology》上的这一研究成果加深了人们对色盲、老年性视力丧失以及其他与感光细胞有关的疾病的了解。它们还证明了基因如何指示人类视网膜制造特定的色觉细胞,而科学家们认为这一过程是由甲状腺激素控制的。通过调整有机体的细胞特性,研究小组发现,一种名为视黄酸的分子决定了视锥是专门感应红光还是绿光。只有视力正常的人类和近亲灵长类动物才会发育红色传感器。几十年来,科学家们一直认为红色锥体是通过一种类似于抛硬币机制形成的,在这种机制下,细胞杂乱无章地致力于感知绿色或红色波长约翰斯顿团队最近的研究暗示,这一过程可能受甲状腺激素水平的控制。而新的研究表明,红色锥状体的形成是通过视黄酸在眼内精心策划的一连串特定事件实现的。视网膜有机体的标记,蓝色锥体为青色,绿色/红色锥体为绿色。帮助眼睛在弱光或黑暗条件下看东西的视杆细胞用品红色标出。资料来源:Sarah Hadyniak/约翰霍普金斯大学研究小组发现,在有机体早期发育过程中,视黄酸含量高,绿色视锥的比例就高。同样,低浓度的视黄酸会改变视网膜的遗传指令,在发育后期产生红色视锥。约翰斯顿说:"这可能仍有一些随机性,但我们的重大发现是,视黄酸是在发育早期产生的。这个时机对于学习和了解这些视锥细胞是如何产生的真的很重要。"绿视锥细胞和红视锥细胞非常相似,除了一种叫做视蛋白的蛋白质,它能检测光线并告诉大脑人们看到的颜色。不同的视蛋白决定了视锥细胞是成为绿色传感器还是红色传感器,尽管每个传感器的基因有96%是相同的。研究小组采用一种突破性技术,发现了有机体中这些微妙的基因差异,并在 200 天内跟踪了锥体比例的变化。作者莎拉-哈迪尼亚克(Sarah Hadyniak)说:"因为我们可以控制有机体中绿色和红色细胞的数量,所以我们可以推动细胞池变得更绿或更红,这对弄清视黄酸如何作用于基因具有重要意义。"她是约翰斯顿实验室的博士生,现在杜克大学工作。研究人员还绘制了 700 名成年人视网膜中这些细胞的不同比例。哈迪尼亚克说,看到人类的绿色和红色视锥比例如何变化是这项新研究最令人惊讶的发现之一。人类视网膜的切片。蓝色虚线表示单个绿色视锥,粉红色表示单个红色视锥。图片来源:Sarah Hadyniak/约翰霍普金斯大学科学家们仍然不完全明白绿色和红色锥状细胞的比例为什么会变化如此之大,而不会影响人的视力。约翰斯顿说,如果这些细胞决定了人类手臂的长度,那么不同的比例将产生"惊人差异"的手臂长度。黄斑变性会导致视网膜中心附近的光感受细胞丧失,为了了解黄斑变性等疾病,研究人员正在与约翰霍普金斯大学的其他实验室合作。目的是加深他们对锥状细胞和其他细胞如何与神经系统联系的理解。"未来的希望是帮助人们解决这些视力问题,"约翰斯顿说。"要实现这一目标还需要一段时间,但只要知道我们能制造出这些不同类型的细胞,就非常非常有希望。"编译来源:ScitechDaily ... PC版: 手机版:

封面图片

DNA、睡眠、免疫、感情、细胞、脑……

DNA、睡眠、免疫、感情、细胞、脑…… \人体充满了谜团!!/   什么是「酒醉」?   骨骼是由什么构成?   发胖为何对身体有害?   「死亡」是什么样的状态?   「感染病毒」是什么样的状态……?   满足上述问题的所有解答,本书以轻松易懂的插图与文字来介绍「人体构成」!   每个人的身体组成都不相同,只有相似,   因为没有统一的答案,所以人体有胖有瘦、有高有矮,   这正是探究人体的乐趣所在。   本书介绍89个关于人体之「为什么?」的案例,   里面充满许多让人惊叹造物主创造人的创意与巧思,   不妨参考这些问题,规划并打造出自己理想中的「好身体」吧!   明天就想畅聊的人体话题   将人脑数位化?大脑有可能人工化吗?   大脑有办法以人工方式制造出来吗?   目前除了大脑外,几乎所有器官都有以人工方式制造的替代器官、人工器官,并且也都还在不断地持续研究当中。被制造出来的人工器官只能单纯用于医疗目的,然而制造出复杂的大脑至今仍是一项遥不可及的梦想。   话虽如此,只要使用能够分化成任何细胞的iPS细胞(→P64),理论上是有可能制造出大脑的。目前研究人员已从iPS细胞制造出豆子大小的人工脑「类人脑」,正在进行应用在治疗脑部疾病上的研究。   另外,随著电脑的进化,也有研究人员提出将人脑数位化的想法。究竟将大脑替换成机器那样的人工制品是有可能的吗?   人的大脑中有神经细胞和神经胶质细胞(神经细胞以外的脑细胞),不仅创造出无数突触,而且每天都不断地在产生变化。凭现在的技术,要复制如此复杂的大脑,然后让大脑在电脑上彻底重现应该是不可能的。况且,即便真的能够制造出一模一样的大脑,最大的问题还是我们的「意识」。至今,我们仍无法厘清人是如何产生意识,以及其中的机制。就算真的能够制造出和自己一模一样的大脑,我们也无从得知该意识是否属于自己。   只不过,也有人提出了这样的想法。澳洲哲学家查默斯想出了一个名为「fading qualia」的思想实验〔下图〕。假如在大脑有意识的状态下,一个一个慢慢地将大脑神经细胞替换成矽制人工神经细胞,届时会发生什么事?他认为,大脑不会发现神经细胞遭到替换,人的感质(感觉意识体验)还是会维持原样。「人的意识存在于何处」这个命题,是窥探哲学深渊的问题。 作者介绍 监修者简介 大和田洁   医师,医学博士。东京都葛饰区出生。福岛县立医科大学毕业后,进入东京医科齿科大学神经内科进修。曾在急救医院等单位任职,而后于同所大学的研究所从事基础医学研究。秋叶原车站诊所院长(现职),东京医科齿科大学临床教授。综合内科专科医师、神经内科专科医师、日本头痛学会指导医师、日本临床营养协会理事。著有《知らずに饮んでいた薬の中身》(祥传社新书)等。监修书有《のほほん解剖生理学》、《じにのみるだけ疾患 まとめイラスト》(永冈书店)等。经常接受采访及参与媒体演出。

封面图片

Neuralink 首位人脑接机患者的植入设备出现问题

Neuralink 首位人脑接机患者的植入设备出现问题 马斯克的脑机接口公司 Neuralink 周三发布的一篇博客文章称,该公司在其第一位人类患者诺兰·阿博身上植入的设备出现了问题,减少了从他的大脑中捕获的数据量。因为一些植入大脑的接线脱落了。该公司在其博客文章中表示,接线脱落导致每秒比特数下降,每秒比特数是衡量诺兰·阿博仅凭思想控制电脑光标的速度和准确性的指标。作为回应,该公司表示已经做出了改变,包括修改算法以提高每秒比特数。 、

封面图片

Ozempic与罕见的"眼中风"风险增加7倍有关

Ozempic与罕见的"眼中风"风险增加7倍有关 由马萨诸塞州眼耳医院(Mass Eye and Ear)领导的新研究发现,使用semaglutide与非动脉炎性前部缺血性视神经病变(NAION)或"眼中风"有关,这种病变可导致视力突然丧失。马萨诸塞州眼耳科医院神经眼科服务主任、哈佛大学医学院西蒙斯-莱塞尔眼科教授、该研究的资深作者约瑟夫-里佐医学博士说:"这些药物的使用在整个工业化国家呈爆炸式增长,它们在许多方面带来了非常显著的益处,但患者与医生之间今后的讨论应将非结缔组织视网膜视网膜病变列为潜在风险。"非动脉炎是一种相对罕见的疾病,是由于视神经的血液循环受损(即疾病名称中的"缺血性")引起的,视神经负责将信息从眼睛传输到大脑。之所以称为"非动脉炎性",是因为血流减少与真正的血管炎症(如动脉炎)无关。前部"指的是视神经的最前部,即视神经与眼睛的交汇处,而"视神经病变"则是因为它会导致视神经损伤,从而导致突然、无痛的视力丧失。严重的非结节性视网膜炎可导致失明。目前还没有治疗这种疾病的方法。眼部解剖以及前部缺血性视神经病变(AION)与健康视力的临床表现比较引起非结节性视网膜炎的确切机制尚不清楚。目前已知的是,糖尿病、高血压和睡眠呼吸暂停患者更容易出现这种情况。研究人员注意到,服用塞马鲁肽的患者中,因非内视性视网膜炎导致视力下降的人数有所增加,因此他们开展了一项回顾性研究,以调查两者之间是否存在联系。塞马鲁肽能模拟一种名为胰高血糖素样肽 1(GLP-1)的天然激素。它能与体内的 GLP-1 受体连接,降低血糖水平,让人感觉更饱,不那么饿。研究人员研究了2017年12月至2023年11月期间神经眼科医生(专门治疗与神经系统疾病有关的视力问题的医生)接诊的16827名大众眼科和耳科患者的数据。平均年龄为 47 岁,52% 为女性。患者被分为2型糖尿病患者和超重或肥胖患者。然后,这两组患者又被进一步分为开了semaglutide或非GLP-1药物来治疗各自病情的患者。所有参与者均无NAION病史。倾向匹配是一种统计匹配技术,它试图通过考虑预测接受治疗的协变量来估计治疗效果。性别、年龄、高血压、2 型糖尿病、肥胖、阻塞性睡眠呼吸暂停、高血脂和冠状动脉疾病等因素均已考虑在内。Ozempic 和 Wegovy 作为治疗糖尿病和减肥的药物在全球广受欢迎在 710 名 2 型糖尿病参试者中,194 名参试者服用了塞马鲁肽,516 名参试者服用了非 GLP-1 抗糖尿病药物。研究人员发现,服用塞马鲁肽的患者发生了17例非内视性视网膜病变,而服用非GLP-1药物的患者发生了6例非内视性视网膜病变。在三年的时间里,服用塞马鲁肽组的非内视性视网膜病变累积发生率为 8.9%,而未服用 GLP-1 组为 1.8%。这些研究结果表明,服用塞马鲁肽的2型糖尿病患者被诊断为NAION的几率要高出四倍。在 979 名超重或肥胖的参与者中,361 人被处方服用了塞马鲁肽,618 人被处方服用了非 GLP-1 减肥药物。在这些患者中,处方为塞马鲁肽的患者发生了20例NAION事件,而处方为非GLP-1的患者发生了3例NAION事件。在三年的时间里,非内视网膜视网膜病变的累积发病率在服用塞马鲁肽的组别中为6.7%,在未服用GLP-1的组别中为0.8%,这意味着他们患上非内视网膜视网膜病变的几率要高出七倍。这项研究也有局限性。所有参与者都在麻省眼耳科医院就诊,该院收治了大量罕见眼病患者。他们大多是白人,而且在研究期间,NAION 病例的数量相对较少。此外,研究人员还无法确定参与者是否真正拿到了处方,或者是开始服用塞马鲁肽后又停止了服用。此外,由于这是一项观察性研究,研究人员不能说塞马鲁肽会导致罹患非内视性视网膜炎的风险增加,只是说数据表明两者之间存在关联。要评估因果关系,还需要进一步的研究。Rizzo说:"我们的研究结果应该被看作是有意义的,但只是暂时性的,因为未来的研究还需要在更大范围、更多样化的人群中研究这些问题。这是我们以前所不知道的信息,它应该被纳入患者与医生之间的讨论中,尤其是当患者有其他已知的视神经问题(如青光眼),或者由于其他原因导致原有的视力严重下降时。"该研究发表在《美国医学会眼科杂志》上。 ... PC版: 手机版:

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人