.注意:本課程將需主動投入甚多時間搜尋閱讀可能超過課程進度或範圍之大量且結論可能互相矛盾的參考書籍, 文獻, 及網路資源; 且必須撰寫作業報告及分組完成期末專題實作, 兩者均需完成認知行為之模型實作, 並能討論其成果. 課業繁重, 學習較被動, 無強烈決心及毅力之同學請慎重考慮.

注意: 作業及期末專題之書面報告, 不允許直接照抄或翻譯文獻中之文句(此為嚴重違反學術倫理之行為, 一經查獲,
該項成績將以零分計.(若在美國名校, 將導致被開除之後果. 倘此舉發生於投稿論文, 將使有關當事人均喪失信譽, 難以在學術界立足).
同時請注意: 本課程與人工智慧相關課程如Artificial Intelligence, Artificial Neural Networks, Deep Learning, Machine Learning仍有一些差距, 作業與實作應包含神經科學及心理學內涵, 不宜將其他課程的作業或Term Project, 不經修改即作為本課程作業或實作報告繳交.

注意: 各團隊認知模型系統期末專題實作成績即各成員共同之期末專題成績,占學期成績之40%. 因此務必慎選夥伴, 若有重大合作困難,請及早反應處理.

注意: 除非成績登錄發生錯誤,絕不更改成績.

課程簡介:
本課程將介紹認知神經科學的計算模型之基礎原理,限制,與程式實作方式, 用以模擬基本人類認知現象的機制, 進而應用於機器人之設計.
人類對大至太空宇宙, 小至基本粒子, 均已有相當充分的了解, 但對於人類自身內部的小宇宙 (其神經系統堪稱為全宇宙最複雜龐大的通訊控制網路系統)卻所知不多.

電腦發明後, 人們也開始設想電腦的人工智慧有沒有可能超越人類的智能(超過的那一天, 被稱為Singularity), 電腦能力全面超過人類後的情境,
在科幻電影如"全面進化"(https://www.youtube.com/watch?v=PS879Fj3O_k), "魔鬼終結者," "駭客任務"等,
在在可看出人類對於提高電腦智能又害怕又期待的心態. 然而要提高電腦智能, 由過去認知科學的研究經驗得知,
電腦認知演算法, 如自動語音辨識, 圖形識別, 深度學習等, 由人腦或生物認知結構簡化衍生(Biologically Inspired)的方法,
多半具備較佳的效能. 因此, 如同科幻小說家Issac Assimov所撰寫的短篇小說<<天堂異鄉人>>(Stranger in Paradise, 收錄於葉李華譯,
艾西莫夫機器人[短篇全集-全新修訂版(上)], 台北市:貓頭鷹出版社, 2014, 頁119~149)所顯示, 機器人學應該與研究大腦的"智人學" 合作, 仔細探討人類智能(大部分以認知行為呈現)的神經科學機制, 應用於機器人研發, 才可能避免複雜到無法處理的設計, 製造出高效能機器人. 微軟公司全球副總裁沈向洋博士主管微軟人工智慧產品的開發. 在2017年接受商業周刊訪問時, 就提到：「AI 再往前看十年、二十年，真正有所突破的地方，從研究的角度而言，還是腦神經科學。接下來，『腦科學加上 AI 』一定會成為科研角度最激動人心的方向」。(https://theinitium.com/article/20170323-mainland-conversationalai/)。

除了能力更像或可能超過人類的機器人設計外, 對大腦認知機制的研究, 更可能為人類的認知行為了解以及認知疾病如帕金森氏症, 阿茲海默症等的病理機轉與緩解, 讓肢障人士得以應用"想像"使用義肢("神經機器人學"(Neurorobotics)
主要課題之一)等帶來曙光, 因此過去一,二十年, 對神經細胞與系統,
尤其是腦神經與認知行為的關聯, 有近乎爆炸性的研究發展與應用. 先進各國紛紛投入大量人力及鉅資進行大規模的研究.
著名的研究計畫如美國的
The BRAIN Initiative (http://www.nih.gov/science/brain/,
http://en.wikipedia.org/wiki/BRAIN_Initiative);
歐盟的The Human Brain Project (https://www.humanbrainproject.eu/,
http://en.wikipedia.org/wiki/Human_Brain_Project);
已進行多年, 使用IBM超級電腦的
The Blue Brain Project (http://bluebrain.epfl.ch/, http://en.wikipedia.org/wiki/Blue_Brain_Project );
由腦神經科學啟發, 顛覆傳統von Neumann架構的非傳統類神經網路平行運算硬體系統
SpiNNaker(http://apt.cs.manchester.ac.uk/projects/SpiNNaker/project/, S. B. Furber, et. al.
"The SpiNNaker Project," IEEE Proceedings, vol.102, no.5, 2014, pp 652-665; S. B. Furber et. al.,
"Overview of the SpiNNaker System Architecture," IEEE Transactions on Computers, vol. 62, no. 12, 2013, pp. 2454 - 2467)等.

國內多年前即有認知科學及神經科學方面的研究教學單位接連成立, 並有數位先進執行類似研究計畫.
台大亦先後成立神經生物與認知科學研究中心, 神經生物與認知科學學程, 腦與心智研究所, 系統生物學研究中心 等單位或學程.
在心理系所有包括高等認知神經科學, 心理與神經資訊學等認知心理學的課程與研究. 在生命科學院, 台大醫院, 工學院醫工研究所,
電資學院生醫電子資訊所等也持續進行神經科學研究. 但就
任課教師所知, 國內研究大多採用動物實驗數據, 腦波, 或生物影像觀察及推論等方法; 從事神經模擬方面研究的先進不算多. 雖然國內先進已有豐碩研究成果, 但仍少有課程強調計算機模擬之重要性與詳細說明其方法. 更無論其在機器人設計的應用.

至於機器人學的研究, 電機資訊學院與工學院相關系所老師也有相當成就, 但是還很少看到應用神經科學到機器人認知行為的探討.

有鑑於結合神經科學, 心理學, 人工智慧, 軟體技術, 機器人學等的計算認知神經科學重要性日增, 依據先前四次開課經驗及修課同學回饋建議,
參考本課程教科書作者建議的授課進度表,調整課程重點內容及若干教學與評量方式, 再度開設本課程, 同時鼓勵同學於課後交流實作經驗, 簡報內容與作業及期末專題構想與進度. 過去的期末專題, 已經產生出許多跨電資與生醫領域的成果, 令人欣慰.

最後, 亦請注意本校神經認知學程與相關系所, 均提供若干門認知神經科學及心理與神經資訊學課程. 在生醫及心理領域的內容, 遠較本課程所授完整深入, 同學可考慮一併或先後選修旁聽, 作為本課程於認知神經科學與心理學方面加深加廣的學習, 應可大幅增進學習成效.