TED:How your brain tells you where you are?

碎念：前几天，我阅读了一篇文章，关于如何通过Ted来深度学习的，有点感触，所以就自己干脆实验一下呗，然后就选了一个playlists叫做：How does my brain work?（整整14集），很快第一个ted就吸引了我，认知神经学是很神奇的一门科学！

步骤分四步：

第一步：组块学习

第二步：主题学习

第三步：深度学习

第四步：开始创作

前三步时输入，第四步是输出。前两步是扩展知识广度，在相同系列的Ted中寻找到更多相同领域的知识串联，且通过类比学习方法（analogy）更加有效和系统化地学习。而第四步就是通过个人输出（通过复述，纪录，思考...等方式）来更加深入了解和巩固甚至是反驳已学的知识，以达到学以致用，举一反三的学习效果，现在的我就是正在进行第四步。

不废话，具体详见：http://joinwee.com/lesson/20/  快速入题...

---

在动物的世界中，我们了解到从远古到现在，经过几百万年环境变化，很多动物都进化出来相当出色的空间定位功能，从我们最熟悉的蝙蝠（超声波定位）到相对陌生的候鸟（地球磁场定位），作为发明出GPS来定位的我们，人类，常常感慨动物们的超能力。但是实际上，我们人类夜进化出了相同的能力，来帮助我们自己在环境中定位。就在14年的诺贝尔生理学或医学奖中，其中一位获奖人，伦敦大学学院（University College London）的约翰·奥基夫（John O’Keefe），揭开人类定位的神奇功能。该ted speaker是Neil Burgess，也是伦敦大学的...要不要那么巧呀，师生关系？！

Hippocampus 海马体

略了解一点生物的同学就知道海马体（Hippocampus），又名海马回、海马区、大脑海马，海马体主要负责记忆和学习，日常生活中的短期记忆都储存在海马体中。如果海马区出现损伤,像老年痴呆症患者一样,你将丧失记忆力，乃至记不起将车停在了何处。Hippocampus这个词源自拉丁语，有“海马”之意又因为长得像海马，所以叫做海马体。海马区和大脑其它区域的组成相似，都由神经元构成。

人的大脑是由大约一千亿个神经元细胞(Neurons)组成。每个神经元细胞之间通过一些连接中介互相发送小的电脉冲或者尖峰电压来进行“交流”。海马区由两层片状的细胞群构成，这两层细胞群紧密相连。科学家们通过记录老鼠在某环境中搜罗食物时其脑中单个神经元细胞的反应来了解“空间记忆”的工作原理与工作机制。

实验中，实验者在老鼠的海马中植入了一个电极，然后将老鼠放置在一个盒子中自由活动。他们发现，只有当老鼠处在特定的位置上时，特定的位置细胞才会活跃，奥基夫将那些导致特定位置细胞活跃的区域称为这些位置细胞的发放场（firing field）。而实验者为这只老鼠的海马区中的一个神经元细胞“录像”。每当这个细胞发出小型尖峰电压，随后会出现一个红点以及咔哒的一声。凭借这个神经细胞发送信号的频率推知老鼠经过的相应位置。

实验基本原理介绍

左边：firing field，越是偏红的地方活动越频繁

具体实验步骤观看ted talk，最终实验出来，科学家发现人类大脑中有一种位于海马中，专门为人类定位的神经元，称之为“定位细胞”（place cell）。还有一类专门对活动边界：一堵墙或是一道无法跨越的沟壑十分敏感的神经元，将其命名为边界细胞（border cell）以及另一类“网状细胞”（grid cell）。

实验显示神经细胞倾向于在老鼠向盒子中部走去时产生信号。特性①：当你将盒子扩大，相应的信号活跃区也随之扩大。特性②：另外神经细胞喜欢在老鼠紧邻南面屏障时作出反应。因此当你在盒中放入另一屏障时，不论老鼠在盒中何处，只要它的南面有屏障，该细胞中的相应位置便会同时产生信号。所以第一种定位方法就是通过边界细胞（border cell，属于place cell）根据自身环境位置到边界的距离来实现定位的。

上面一排：特性①；下面一排：特性②

而另外一种定位方法是通过一种叫做“网状细胞”（grid cell）的神经元，这就是老鼠可以在它所到达的环境中建立一个虚拟的位置信号网，这就有点像你在地图上所看到的经线和纬线，只不过要将线替换成“三角形”。当老鼠移动的时候，这些电信号能通过这些细胞传递给下一个神经元细胞从而为老鼠定位，这样老鼠就能在运动时知道自己身在何处。那么人类有相同的“网状细胞”吗？实验显示，在人脑中的内嗅皮层（entorhinal cortex）上找到了网状细胞，而它们出现的位置和老鼠的网状细胞在大脑中所出现的位置一样。具体定位过程就是，人在移动过程中，根据周边事物建立信号集样式，并在回来的时候在脑中找到最为匹配的一个脑中即时形成的信号集样式。最后原路返回。

例子：如何找到车子：1，通过border（绿线）；2，匹配信号集样式（红线）

cells的位置区分