如果没有这个概念会有什么影响 人们认为大脑是怎么处理信息的
- 旧理论困境:20 世纪中期的 “行为主义” 认为大脑是 “刺激 - 反应” 的黑箱,无法解释:
- 为何人类能从简单线条识别出复杂物体(如从轮廓识别 “埃菲尔铁塔”)?
- 为何语言理解能从语音(声波)转化为抽象语义(如 “下雨了” 触发 “带伞” 的联想)?
- 早期 AI 模型(如单层神经网络)难以处理复杂任务,而受大脑多层处理启发的深度学习(如卷积神经网络的多层特征提取),通过模拟 “低级特征→高级抽象” 的分层学习,解决了图像识别、语音理解等领域的效率问题。例如:
- 多层处理理论帮助医生理解:
- 为何视觉失认症患者(无法识别物体)可能是中级视觉皮层损伤,而非眼球问题;
- 为何自闭症患者的社交障碍可能与高级情感处理层(如默认模式网络)异常有关。
** 在多层处理理论提出前(如 19 世纪的 “官能心理学”),人们倾向于认为大脑通过某个 “中心区域” 统一处理信息,但无法解释: - 为何简单的感官刺激(如看到苹果)会引发复杂反应(识别颜色、形状、语义联想 “水果”)?
- 为何脑损伤可能只影响特定功能(如无法识别面孔,却能识别其他物体)?
- 此前人们可能认为大脑各区域独立工作
*- 现实问题:大脑每秒接收约 1100 万比特的感官信息,但意识只能处理约 40 比特,如何避免信息过载?
这些问题很难解释 由此可以知道没有这个概念 人们认为信息的单一处理 由此认知发展来的人工智能极其弱智 当有了多层处理这个概念依据此造出来的人工智能开始能处理复杂的信息
如果只是简单的记忆定义你可能会记住后一阶段依赖于前一阶段的成果多半就到此为止 这里可以看出来这个概念的作用 让大脑信息的处理有可预测的逻辑,通过多层处理实现 “从具体到抽象” 的认知跃迁 我觉得这定义用迭代这个词更好理解些 因为迭代的定义就是: “迭代” 指的是通过重复执行基础规则,并将每一步的输出作为下一步的输入,使系统在层级递进中逐步涌现复杂功能**
再聊聊这个概念对记忆编码这个概念的影响 如果没有此大脑处理信息的规律 记忆会怎么样
例如:我要学习一个经济学中的概念 ”机会成本" 多半大多数人对这个概念的学习就是记住定义 然后不断重复 希望能记住他 但遇到现实就完了蛋 明明就在眼前然而就跟瞎了一样 想要理解概念必须得遵守大脑处理信息得规则 否则就算记住了 也如同近水楼台 可望不可及