- Objective: 神经元构造 - Breadcrumb: 第一章 2.1 知识如何创建和存储一一神经元层面 # 概念阐释 生命的结构是由细胞构成的，构成大脑的细胞是神经元。人的大脑有1000亿个神经元，150 万亿个突触联结组成的人类神经网络。每个神经元都有储存和记忆（[[长期记忆 LTP]]）的能力，每个神经元都能够每秒放电 1000 次。   一个[[孩子天生爱学习 神经元构造|神经元]]个体不能存储任何知识，而是当数千个神经元协同执行亮/灭的时候（突触联结发生放电），就表征了一个[[概念 concept|概念 concept]]（构成知识的基本单位）。因此知识，就是大量突触联结激活的特定回路。 > 每一个神经元个体，并不存储任何知识条目，它会“亮”或“灭”。而当数千个“亮”或“灭”遵循一定的顺序依次亮起，一路点燃画面，语义，动作，声音等不同脑区，与其它相关节点协同执行“亮/灭”序列的时候，就可以表征一个概念（知识的基本单位）。 # 实例 # 相关内容  - [[孩子天生爱学习 树突]] - [[孩子天生爱学习 轴突]] - [[孩子天生爱学习 髓鞘]] - [[孩子天生爱学习 突触]] - **拉氏节**：Node of Ranvier拉氏节的存在使得神经冲动可以通过一种被称为“跳跃式传导”的方式在轴突上快速传播。在这种传导机制中，电信号不是沿着轴突缓慢地连续传播，而是从一个拉氏节跳跃到下一个拉氏节，这样可以大大加快信号的传输速度。 - **施万细胞**：Schwann cells是周围神经系统（PNS）中的一种类型的胶质细胞，负责生产和维护髓鞘，这是一种包裹在神经细胞轴突周围的脂质富含的绝缘层。髓鞘的作用是加速神经冲动的传播速度，同时保护轴突并帮助其恢复。施万细胞每个只包裹一个神经纤维的小段，形成了轴突上的髓鞘鞘段，而这些鞘段之间未被髓鞘包裹的部分称为拉氏结（Node of Ranvier）。 #### 训练大脑完成特定任务 从神经元层面看，一个概念从陌生到熟悉，就是看一路亮起神经元是否协调。因此，一个知识点必须通过反复练习，信息提取高效协同，才能真正掌握。练习方法要符合艾宾浩斯遗忘曲线。**所以我们想要成为某方面的专家，其实就是在练习完成特定任务的回路，符合10万小时练习的规律就能做好一件事。** #### 神经元协同下的强大算力 > 大脑的1000多亿个神经元，有150万亿个突触联接，排列组合数更是极大，每秒可完成10^16次方的运算。中国的超级计算机天河2号为3.4乘以10^16次方次，但此类超级计算机占地720平米，耗电2400万瓦，而大脑只有1.4公斤重，占人体每日能量消耗的20%，一个灯泡的耗能。 一个单位的神经元计算不如计算机，但大脑依照不可估计的突触联接排列组合与并行计算，在完成**特定任务**上不比计算机差。 #### 大脑用进废退 不存在学了几门语言，一些数理化知识，大脑就不堪重负了。相反**神经元联结**越多，抽象层级越多，越能支持高级的思考。训练量越大，知识面月光，思考问题时可搭载的信息通道越密集，信息的传递和关联越多样和快速，思维也就更有创造性。 ## [[ANN 人工神经网络]] # 参考资料 - [你一生的笔记系统](https://mp.weixin.qq.com/s/m_asDyCHR19UO6cUfHIjOw)