《我们如何看见，又如何思考》 潘旭解读

《我们如何看见，又如何思考》| 潘旭解读

关于作者

理查德·马斯兰，曾任哈佛大学医学院的神经生物学和眼科教授。在四十多年的职业生涯中，他一直致力于研究人眼和大脑的工作机制，确切地说，是视网膜神经元和大脑的神经网络。

关于本书

书中，马斯兰教授为我们讲述了很多针对人类视觉研究的有趣发现，比如你是怎么在人群中快速认出那个熟人的？人眼是怎么和大脑说悄悄话的？这些内容能够帮助我们对当下的对象识别问题，有更透彻的理解。

核心内容

一、我们的视网膜是如何工作的？眼睛是怎么在看到人脸之后，向大脑传递信息的？

二、大脑又是如何响应来构建感知的？

你好，欢迎每天听本书，我是潘旭。今天为你解读的书，名字有点长，叫《我们如何看见，又如何思考》，这是一本讲视觉研究的科普书。

这本书一开篇就提出了一个非常有意思的问题：你是怎么能够在几百毫秒内，就从人群中认出熟人的？

乍一听，你可能会有些困惑，因为我认得他啊，这也不费劲。对，问题就出在你是怎么一眼就认出他的？认出这个动作的学名叫，对象识别。光完成这样一个动作，就涉及到转瞬之间，眼睛和大脑大量的复杂运算。

首先你肯定得眼尖，对吧？得在短时间内，把更多的视觉资源调配到人海中，那个熟悉的小脸上。再比如，你得记性好吧？现在你手上可没有他的照片能立马做个比对。所以你能认出来，是不是最起码关于他的记忆，你是存储在大脑中的，能马上能调用出来？

不过，这些还是最基本的操作。更复杂的是，实际上，你每次看到这个人，他的样子落在你的视网膜上都不一样。什么意思呢？你细想一下，看到他的脸，单单一张脸的表情可能就有无数种；再加上脸的朝向，正面侧面，抬头低头；脸距离你的位置，呈现出的大小；脸在不同光线下的阴影面积等等，这些因素每次都不一样。可以说，一张脸的数学变换几乎是无限的。

那么，回到前面的问题，你是怎么在几百毫秒内认出那个人的呢？现在，是不是确实挺奇怪的？我们的眼睛到底是怎么和大脑对话的呢？

这是科学界目前最重要谜团之一，也是我们今天要说的这本书，探讨的核心问题。要知道，对象识别问题，这个我们习以为常的基本操作，放在人工智能领域，足足花了50多年才有所进展。如果你关注新闻，说不定还记得前几年，计算机甚至闹出了把黑人识别成大猩猩的尴尬场面。可见，要想完成准确的对象识别，这个过程是非常困难的。

本书作者理查德·马斯兰，曾任哈佛大学医学院的神经生物学和眼科教授。在四十多年的职业生涯中，他一直致力于研究人眼和大脑的工作机制，确切说，是视网膜神经元和大脑的神经网络。

在这本书中，马斯兰教授为我们讲述了很多针对人类视觉研究的有趣发现。这些发现，将帮助我们对当下热门的机器学习和人工智能的发展，有更加透彻的理解。可以说，长期以来，计算机科学领域中的一个重要目标，也是要让计算机能够更加接近人脑。

接下来，顺着马斯兰教授的研究进展，我们今天的解读将分为两个部分。

第一部分，我们先把注意力放在认识自己的眼睛上，我们得弄清楚视网膜是如何工作的，它是怎么看到人脸之后，向大脑传递信息的？第二部分我们再深入大脑内部，看看大脑是如何响应的，科学界有哪些新的研究发现？好，话不多说，我们赶紧开启这趟认识自我的科学之旅吧。

首先，我们先来说说视网膜。

提到视网膜，我们大多数人对它的认识，可能还停留在高中生物课本上。

视网膜是一层透光的薄膜。我们的眼睛之所以能看到某个物体，就是外界物体的反射光，通过晶状体折射，最终落在视网膜上，形成一个物像。然后这些图像信息通过视神经传给大脑，这样人就产生了视觉。

所以，通俗地说，视网膜的作用有点像是一层幕布，这是我们对视网膜的初级认知。但是科学家研究发现，事情还真没这么简单。视网膜所发挥的实际作用，远远超出了我们的想象。与其说视网膜像一层幕布，倒不如说它更像是一个早期的图像处理器。

什么意思呢？你肯定听过一个词叫“眼见为实”，但实际上，眼见并不为实，我们看到的世界并不是真实的世界。因为视网膜早就已经对真实世界的信息进行了一系列加工处理。最终目的呢，就是要从一大堆杂乱无章的信息中，识别出主要矛盾，给到大脑最显著的视觉信号，其余无关紧要的，所谓“背景噪声”，就被忽略掉了。

当然，这种简化的经济型措施，并不是生物演化在自娱自乐，而是所有感知系统最基本的原则之一，包括听觉、触觉和味觉等等。不过，视觉一般是我们接收信息的主要来源，信息量更大，也更复杂，所以要想完成这些工作，对视网膜的要求也就更高。说白了，它不仅得工作效率高，还得会选择，会思考，它得非常聪明才行。

那视网膜到底有多聪明呢？它又是如何工作的？这其中的科学原理非常复杂，书中列举了大量科学概念和术语。为了便于你理解和记忆，我把视网膜的主要工作内容简单总结成了三个关键词，它们分别是：压缩、分解和强化，我们一个个来解释。

先来说什么是压缩。我们比较熟悉的内容是，视网膜的首要任务是检测光线。不同强度的光线从各个角度进入眼睛之后，视网膜上和光线有关的光敏细胞就会开始工作，然后再把这些光学信息转换成其他细胞能够接收工作内容。不过，我们可能不知道的是，在这个过程中，视网膜还需要对不同强度，差异巨大的光线变化做进一步的压缩，以确保它们在一个合适的范围内。

那进行这一步的意义是什么呢？

我简单说个细节你就明白了。想象一下，如果你从一个黑暗的房间走到明亮的客厅，肯定会觉得光线有些刺眼，我们每天早上醒来大多都是这样的状态。不过这还是光线已经经过视网膜压缩处理之后的结果。一旦没有这个步骤，我们眼前就可能是一片光斑，眼花缭乱，或者是陷入黑暗中，彻底看不见任何东西，直到视网膜重新组织起一个合适的亮度范围，我们才能真正看得清东西。

为什么会出现这种情况呢？

简单来说，因为对黑暗敏感和对亮光敏感的不同细胞，它们的信息输出大小相差1000倍，而这样的数值差距，是单个神经元、大脑甚至计算机都无法处理的。所以，视网膜必须得压缩光线变化的范围，在任何给定的环境照明下，让输出的最大光亮强度也只有最小强度的10倍左右，而不是1000倍。

虽然压缩工作的难度很高，但是视网膜必须非常聪明地限定一个合适的亮度范围，以便我们能够在不同光线的环境中自如切换。

不过，相比于后面的工作，这还不算什么。因为除了压缩光线强度的工作之外，“分解”才是视网膜的重头戏。分解工作的精巧设计，真正体现了视网膜集大成的智慧所在。

我们还是拿前面提到的，人脸图像来举个例子。前面说过，如果大老远就要你快速认出那个熟人，实际上是难度极高的。人脸图像每一次都在变，就像你根本无法拍出两张一模一样的照片。

所以，想要解决这么复杂的问题，视网膜必须要会“分解”。把一个复杂难题分解成一个个最简单的部分，再分别针对每个单独的部分去处理，就是我们能立马上手的最快方式。

而视网膜的智慧就在于，它还不是简单的拆分图像，而是对图像进行建模分解。什么意思呢？

简单来说，视网膜的工作并不是机械地把人脸图像，拆分成无数个碎片，然后再像拼拼图一样把它们拼合在一起。视网膜做的工作高级多了，它会条理清晰地把人脸图像，按照不同特征点进行分类，比如这个图像我需要花多长时间识别，它是动态还是静态的、它的边缘、颜色、方向、运动等各个维度分别是什么样。视网膜会根据这些维度进行分类整理，这就是建模。然后再形成几十条并行的信息流，清清楚楚地把这些整理过的内容传输到下一步。

这样一来，人脸图像就不再是一个个杂乱无章的信息碎片了，而是一条条已经整理好的，分门别类并行的信息流。一旦发生任何微小的变化，视网膜也都能有所识别。

这里多插一句，能够完成这么复杂工作的主角，叫神经节细胞，我们有必要认识一下。视网膜中的神经节细胞离大脑最近，承担的工作任务也最重。神经节细胞数量多达100万个，到目前为止，科学家已经数出了30多种不同的类型，不同类型分别负责响应不同的特征，从而确保能捕捉到图像的微小变化，最大限度地在信息传输过程中保留多样性。

那多样性是保留了，怎么确保高效呢？毕竟我们可是能在几百毫秒内，就分辨出来熟人。这就要说到视网膜的第三个重要工作了——强化。强化很好理解，相当于重要的事我们得多强调几遍，告诉大脑它们有多重要。到这一步，从大脑的角度看，图像已经被改善了，因为真实的世界已经被视网膜有所取舍地进行选择了，所以眼见也开始不为实了。

那么，视网膜会选择哪些信息进行强化呢？

事实上，长期以来，大自然已经了解到，有关边缘和运动的信息很重要。科学家们观察到，这部分的信息强化在视网膜的工作过程中也充分体现出来。

首先是边缘。你想，大自然的视觉元素都是有结构，有线条和角度的。边缘意味着，你能在一个毫无规律，什么都不知道的图像中，了解到：哦，信息在这个地方，发生了变化。所以，边缘是信息量最密集的地方了。而视网膜要做的事就是，抓住一条线两边，变化处的结构，然后再对此进行强化，增强明暗边界，这个过程的术语叫“侧向抑制”。

当我们的视觉系统看到由亮到暗的转变，侧向抑制效应会增强这个信号，让我们更明显地感知对比度。比如当一条亮带和一条暗带相邻时，我们经常会觉得暗带的边缘好像比暗的区域更暗一点儿，亮带的边缘比这个亮的区域更亮一点儿，其实这就是视网膜在跟我们强调边缘信息。我们在手机和电脑用软件修图的时候，经常有个操作叫“增强对比”或者“锐化边缘”，你打开这个选项之后，图片看上去就会更清晰，说的也是这个道理。

为了更加高效，视网膜得从视觉世界中选取最显著的特征传输给大脑，所以这个时候视网膜就必须要重视边缘的作用。

除了强化边缘信息之外，运动的信息同样值得关注。视网膜对运动的强化很好理解，一个静止的物体可能不会对我们造成伤害，但是如果是一个突如其来的东西，我们的大脑必须快速做出反应，而且是越快越好，因此，这就需要视网膜对运动的信息进行检测强化。这就是要重视运动信息的作用。

总之，通过我们前面说的，压缩、分解和强化这些工作内容，你肯定也意识到，视网膜可不仅仅是一层会透光的膜这么简单，而是一个充满智慧的图像处理器。它的主要工作也不是拼拼图这么容易，而是主次分明地整理好一条条并行的信息流，传输给大脑，减轻后续工作的压力。其实在计算机处理信息的过程中，策略也是一样。

你看，这么说来，视网膜是不是比我们想象中的要聪明得多。当然，为了达成这么复杂的工作，视网膜在自身结构上，还有更多高级的设计，这里我们简单说两个。

比如我们可能都有这种模糊的感受，那就是眼睛中间的视力比外周要好，但我们很少会察觉到，两者差距到底有多大。科学家们发现，实际上，我们的中央视觉敏锐，而中央以外，可以说我们基本上是看不见的，这是因为中央区域神经节细胞多而集中，越往边缘，就越稀疏。

那有人就提出，为什么自然进化不能让人类拥有更多的神经节细胞呢？毕竟我们眼睛的四周还有很多表面积啊，视力肯定是越清晰越好啊，这样也能更快的分辨危险，做出反应嘛。

话虽然是这么说，但是，生物演化面临的问题从来不是单一维度的问题，而是相互矛盾，让人两难的问题。在这个过程中，你会发现，视网膜的结构设计体现了一种平衡的艺术。

一方面，当前安排最大的好处就是高效。想要拥有更多的神经节细胞，成本是很高的。假如视网膜中央和四周，每个点的神经节细胞密度都一样高，那么它们汇聚在一起形成的视神经，就会像一根橡胶水管那么粗，而我们现在视神经的直径通常只有4毫米。你看，不说别的，像水管一眼粗的视神经，可能会让我们的眼球连转都转不了。

另一方面，外周视力差也有它的用处，它不仅对变化的东西很敏感，而且我们还能用外周视觉来进行导航，粗略地避开一些障碍物，这样大脑处理的信息也会较少。事实上，一些智能武器，比如视觉制导的炮弹就使用了和人类视觉类似的策略，它们会先用粗糙的视觉定位重点区域，如果这个区域有动静，才会在该区域放大像素密度处理更多细节。这样做的目的和人脑一样，用尽可能少的计算资源来处理次要信息。所以，视网膜的中央视力和外周视力差距很大，这样的安排是有道理的。

不过，除了这个结构上精心排布，你肯定无法想象，视网膜本身就是一个很神奇的存在，因为它脱落后还能保持自身的完整，而且可以继续存活。

科学家们发现，其实视网膜、脊髓和大脑一样都属于中枢神经系统，这三处结构具有相同的胚胎起源、相同类型的神经元和支持细胞。这也是为什么，我们可能听说过，有人在受到运动创伤后会出现视网膜脱落的情况，但是只要及时进行手术，大部分视力还是可以挽回的。所以，视网膜其实比我们想象的，要强大得多，它是一个更独立的存在。

好，到这，我们对视网膜已经有了比较清晰的认识。接下来，第二部分，我们要准备深入大脑内部，看看科学界目前有哪些研究进展，大脑又是如何通过视觉信号来构建感知的。

其实进入大脑，我们的科学知识就显得很匮乏了。作者在书中提到，科学家通过观察视网膜神经节细胞的活动，已经基本弄清楚，视网膜的输出主要通往大脑的视觉皮质。但是对大脑视觉皮质的研究工作，我们就像是一群航行在迷雾中的航海者，凭借着地图上的少数标记，向着更多的未知进发。确实，大脑还有很多谜团亟待解决。

所以今天的解读，我们针对前面提出来的那个对象识别问题，为你结合计算机领域的发展，介绍一些关于大脑处理视觉信息的研究成果。

科学家们第一个有趣的发现是，我们的大脑对某些具体的视觉对象，响应地会更活跃，其中比较特别的视觉对象就是“人脸”。可以说，大脑对识别人脸，有一套特殊的功夫。

科学家们通过核磁共振成像观察到，当人和猴子看到一张脸的时候，在大脑颞叶中，也就是在我们耳朵上方的这个位置，就会出现6个特定的小斑块，斑是斑点的斑。

通俗地说，这些小斑块有点像是专门为识别脸部准备的细胞。有一些斑块功能比较局限，只能响应脸的特定朝向，比如当我坐着的时候，对面这个人的脸，方向是朝着我左边肩膀看的时候，这个角度它才会响应。另一些斑块则更高级，无论这张脸朝着哪个角度，它都可以识别出来。但是不管怎样，科学家们发现，这6个斑块可以作为一个系统来协同工作。

那它们是如何协同工作的呢？我们都知道一张脸的样子，但是当我们说一个细胞“识别”一张脸，这到底意味着什么？

有人就推测，这些细胞可能会各司其职。比如说这个细胞负责识别眼睛，那个负责识别鼻子，另外一个就负责识别分别嘴巴。

为了弄清楚这些问题，科学家们按照视觉信息的拆分机制，把一张脸拆分成了不同的元素。比如两只眼睛，就是两条横线，一个鼻子，一条竖线，最下方还有一张椭圆形的嘴等等，这里我也在文稿中贴了一张图。科学家们在实验过程中，想要通过增加或减少这些面部特征，来观察这些细胞的工作原理。

中间的实验过程有些复杂，这里就不多说了，我们直接说结果。首先，这些细胞对不同的脸部组合特征，都有一定的响应，它们确实对“脸”感兴趣，通过增加或减少一些面部特征，细胞的反应强度也有所不同。

不过，最有意思的发现是，这些细胞可不是像之前人们推测的那样，各管各的，有些专门识别眼睛，有些专门识别鼻子。它们的工作方式非常高级，它们会测量一堆面部参数，然后联合分析这些参数，来确定某个对象是否是一张脸。

什么意思呢？比如科学家观察到，有些细胞对一张脸的长宽比敏感，另一些细胞则对眼睛之间的距离敏感，还有一些对眼睛的位置参数更感兴趣。换句话说，如果我们单独来看每一个参数，没有一个参数是很直白地告诉这些细胞，脸的存在，但是如果用某种方式把这些参数组合在一起，细胞就能做出判断，眼前的对象是否是一张脸。好，这就是第一个有趣的研究成果。你看，这些细胞的工作机制是不是和我们想的还真的不太一样。

科学家们发现的，第二个重要的研究成果是，感觉系统的神经连接具有很强的可塑性。什么是可塑性呢？别急，我们还是顺着前面的那个对人脸的研究，往下深入。

虽然科学家们发现了细胞识别面部的工作方式，但是他们更想了解的是，为什么偏偏这些斑块中的细胞会选择性地对面部敏感呢？我们假设，如果一个人，他的视觉信息中，从来没有接触过和脸有关的任何参数呢？这些细胞还会对面部特征敏感吗？

科学家拿猴子做了实验。他们饲养了一些猴子，从小就没见过任何关于脸的参数，不仅仅是没见过人的脸，也包括它们的同类猴子的脸。每次实验人员在和这些猴子的接触过程中，他们都会戴上电焊工的面罩，把自己的脸捂得严严实实。

除了看不到脸，这些猴子在一个完全正常的视觉世界中长大：它们可以看到笼子和周围房间中的一切；它们可以看到实验人员的身体、手臂和脚；可以看到喂奶的奶瓶，可以听到猴群发出的正常声音，也能够与同伴开心地交流。它们唯一被剥夺的是对面部的视觉体验。那如果在这样的环境中长大，它们的大脑中，还会存在特定的面部斑块吗？

科学家们通过扫描这些猴子的大脑就发现，当看到人脸或同伴的脸，它们脑中并没有亮起来的斑块。不过，值得注意的是，原本在面部斑块会出现的大脑区域，当这些猴子看到关于手的图像之后，这些细胞就做出了一系列的响应。说明我们原先判断的，那些对面部敏感的细胞，如果从小就接触不到关于脸的图像之后，它们就会对手更加敏感。

这是什么原因呢？科学家们发现，原来在正常的社交环境中，对于灵长类动物来说，最重要的视觉对象就是脸。不管是人类的脸还是猴子的脸，它们会传递一些愤怒、恐惧、敌对、爱以及所有和生存繁衍有关的情感信息。但是如果看不到脸，怎么办呢？显然，环境中第二重要的特征就是手，包括猴子自己的手，以及培育和喂养它们的实验人员的手。因此，原本我们可能判断是面部斑块的脑区，就变成了“手部斑块”。

不过，更有意思的是，在猴子被允许，可以看到实验人员或者其他猴子的脸之后，大约过了6个月，科学家们再次观察到，手部斑块中的细胞又逐渐恢复为对脸敏感。显然，面部传达的信息如此重要，以至于它们重新夺回了手的图像所占据的大脑区域，而这个过程就是一种感知学习的过程。

可以说，我们的感觉系统一直在通过调整自身去适应自然界的统计规律，而这个规律指的就是在视觉输入中对于我们来说最重要的特征。当然，这也恰恰说明了，感觉系统的神经连接具有很强的可塑性。

现在，对于什么是可塑性，相信你心中其实已经有了答案。可塑性指的就是大脑重新组织神经之间连接的能力，可塑性不仅让大脑能从损伤中修复，还能让大脑把资源分配给当下最重要的任务。

好，到这，我们刚刚说完了，大脑对识别人脸有一套特殊的功夫，我们的感觉系统的神经连接具有很强的可塑性。

但是再往后，作者在书中就说道，他必须很负责任地告诉我们，信息一旦进入大脑高级中枢，几乎所有脑区都在相互交流。我们能看到的就像是一团乱麻：所有脑区之间都相互连接，而且大多数连接中的功能我们现在还不太了解。说白了，从科学层面分析，人类大脑的学习能力有多强，也是科学界在不断深入研究的课题。

不过，好在，虽然我们目前对人脑的了解还不算太多，但是依据已掌握的脑科学研究成果，其实也大大促进了人工智能领域的发展，比如“神经网络”这个词最早就是由加拿大神经科学家唐纳德·赫布提出的，又过了一段时间，这个概念才被计算机科学家借用。

事实上，20世纪后期，计算机科学家们刚刚开始研究人工智能的时候，就分成了两个战队。一边支持固定规则的算法，另一边支持机器学习算法。

固定规则算法指的是，比如我们要识别一个苹果，固定规则就是要找到描述这个苹果的准确定义，然后编写程序，这样计算机就能根据固定规则识别出任何一个苹果。

而机器学习算法指的是，同样要识别苹果，人们就倾向于提供大量的各式各样的苹果图片，或者再提供一些反面案例的，比如说香蕉、梨子的图片等，让计算机自己通过学习找到规律。

你会发现，实际上，机器学习这边，才更像是我们大脑学习的过程。确实，机器学习算法的核心理念，也是通过模仿人类大脑的工作原理，建立复杂的神经网络，从而逐渐拥有人类的智能，所以它更广为人知的名字，叫“人工智能”。

那从20世纪后期发展到现在，哪一边的计算机科学家战队发展得更好呢？答案我们现在肯定都知道了，人工智能。近十几年，借助数据资源的发展，也就是样本量的剧增，和大型专用计算机强大的运算能力，利用软件来快速识别人脸，已经不再是一个艰巨的任务。人工智能的各种应用，包括语音识别、智能翻译、智能家居、智能医疗等已经出现在我们生活中的方方面面。

而人工智能领域的快速发展，也让神经科学家对研究大脑中的神经网络更感兴趣。现如今，神经生物学和计算机科学，这两个领域之间也已经展开了很多有趣的合作。这也是为什么作者会说，针对人类视觉的研究成果，也将帮助我们对当下热门的机器学习和人工智能的发展，有更加透彻的理解。

好，今天的这本《我们如何看见，又如何思考》就先说到这。总结一下，对于如何在几百毫秒，从人群中识别出熟人这个问题，我们了解了，视觉图像信息主要是经过视网膜的压缩、分解和强化传输给大脑，视网膜的功能和构造远比我们想象的要复杂精巧得多。

而后，这些视觉信号到达大脑的视觉皮质，我们发现，大脑颞叶区域，有一些特别的面部斑块对脸的参数，响应非常积极。科学家们通过观察猴子的手部斑块转化成面部斑块的实验，我们了解到，神经连接的可塑性。

最后，作为脑科学研究专家，作者在书中提到：有一个违反直觉的知识是，我们的大脑的运行速度其实很慢。大脑里的神经元和它们之间的突触的运行速度，只有现代计算机的百万分之一。然而，大脑却可以在许多感知任务上打败计算机。

大脑当中存在许多谜团，但是最重要的一点是，大脑并不是一台有着固定连接的通信机器，而是有一群由神经元交联而成的，具有可塑性的神经网络组成。这些神经网络之间的对话神秘又强大。就像哪怕是完成一个最简单的任务，把这个任务交给人工智能，它就需要许多硬件和能源支持，而与之形成鲜明对比的是，我们的大脑只需要消耗一盏小夜灯的电量就可以做更多的事情。

从这个角度来看，人工智能向人脑的学习，我们人类对自身的探索，还将任重而道远。

好，以上就是这本书的精华内容，点击音频下方的“文稿”，查收我们为你准备的全文和脑图。你还可以点击“红包分享”按钮，把这本书免费分享给你的朋友。恭喜你，又听完了一本书。

划重点

1. 视网膜的功能和构造非常精巧，视觉图像信息主要是经过视网膜的压缩、分解和强化工作传输给大脑。

2. 大脑对识别人脸有一套特殊的功夫，视觉皮质中的面部斑块，对脸的图像响应非常积极。

3. 感觉系统的神经连接具有很强的可塑性，不仅能让大脑从损伤中修复，还能把资源分配给最重要的任务。

4. 人工智能向人脑的学习，人类对自身的探索，还将任重而道远。