认知建模中的代谢学考量

《Behavioral and Brain Sciences》：Metabolic considerations for cognitive modeling

大脑仅占体重的2%却消耗20%能量，其高效性启示认知模型需整合代谢因素。代谢约束既可作为评估模型的标准（修剪无效模型），也可用于生成新模型（探索脑结构-信息处理关联）。该研究为认知建模、计算系统比较及哲学中的多实现理论提供新视角。

　　

摘要

人脑仅占体重的2%，但却消耗了身体近20%的能量。尽管如此，它的能源效率仍远高于大多数现代计算机。尽管这些事实广为人知，但认知能力的模型很少考虑代谢因素。在本文中，我们认为应将代谢因素纳入认知模型中。我们在建模中区分了代谢因素的两种用途。首先，代谢因素可用于评估模型。评估性的代谢因素作为解释性约束，限制了生物大脑中可能的计算类型，并对信息在神经系统中的流动进行组织和引导。其次，代谢因素可用于生成新的模型。它们为研究大脑结构与信息处理之间的关系提供了起点，证明了代谢知识对认知建模的重要性，并为特定类型的计算实现提供了潜在的解释。评估性的代谢因素使研究人员能够筛选和划分给定认知能力或神经系统的潜在模型空间，而生成性的代谢因素则用新的模型填充这一空间。我们的观点表明，认知模型应符合大脑的代谢限制，建模者应评估其模型在这些限制范围内的适用性。我们的研究为代谢在认知模型中的作用、关于多重实现和中立性的哲学观点，以及生物计算系统与人工计算系统的比较提供了新的见解。

---