1樓：
其實，神經科學可能只能給乙個智慧型系統的例子，這可以對AI有啟發。但它真的到不了去了解Al底層理論的程度。做底層，還是靠數理
2樓：changjiz
因為女朋友是做神經科學的，所以從局外者的角度說下。神經科學和機器學習的交叉有很多，要注意甄別你真的想做的方向。
用神經科學理論幫助機器學習發展。比如神經網路就是受到腦科學的啟發。deepmind也有神經科學博士幫助提出新的機器學習模型。
但這類工作往往更偏理論工作，不向大多機器學習文章就是刷資料灌水。但一旦有成果，可能就是開啟一段新的潮流。如果是這種方向，建議還是去機器學習學院，找乙個偏理論且感興趣神經科學的老師。
用計算機理論提出新的神經科學模型。最後這個屬於我瞎掰了。人腦到底是怎麼工作的，現在有很多模型，從我的了解來看，人腦很多器官都可以模擬成計算機的一塊硬體。
比如海馬就像記憶體，不能長時間儲存，但很多短時記憶任務都會海馬參與，最後海馬會把需要長時間儲存的記憶存入皮層，就像硬碟。那大腦的運算模型能不能進一步受計算機啟發，通過設計實驗去驗證。然而，這種理論模型誰都能提，但要去驗證，讓別人相信就很難，往往受老闆的聲望影響。
交叉學科選導師一定要注意具體的研究方向，上述每乙個都是一種交叉的方式，但研究課題，方法會完全不同。
3樓：Summer Clover
理智地說，我個人認為應該對學習跨學科課程應該盡量保持開放，但對選擇跨學科研究課題需要盡量保持克制。
你完全沒必要現在就決定一定要研究某個交叉方向，這樣把自己的路走窄了，甚至走彎了。
做交叉研究最讓人擔憂的一點是，你研究的交叉課題比其他非交叉方向的同行更難得到乙個領域的認可。
你費了很大勁做的交叉課題，可能最後還是只有乙個領域的人在關心。而這種已經算是很好的結果了。
大多數時候是，你做的課題對兩個領域都不重要，兩邊的人都不關心。
我以題主提到的Physics或者Neuroscience+ML的交叉研究為例吧。
我當年也是頭硬，正好這兩個組合都嘗試過。（當然主要還是為了乙隻快樂學術的PhD student，另一方面老闆也鼓勵自由探索。）
乙個Neuroscience+ML的工作發在乙個計算神經學領域的頂刊上。
乙個算是Statistical Physics+ML的工作發在某機器學習頂會上。
還有乙個Quantum Physics+ML的工作無疾而終，現在我已經完全放下了。
其他半途而廢的idea更是不計其數。
我感覺自己對於交叉研究有豐富的失敗經驗和屈指可數的成功經驗。（捂臉）
而當我放下physics或者其他什麼交叉研究的執念以後，我發現ML的工作好做多了，idea成功率也高多了。第一篇頂會費了勁後，後面的頂會就容易很多。
但是交叉研究的idea多半是開拓性的，做起來總是像是發第一篇頂會那麼困難。要查閱兩個領域的文獻，要說服那些最多隻懂乙個領域的審稿人。這些都是在給自己加難度。
我覺得瞄準感興趣的問題比較重要。不必去在乎研究方法、手段是不是交叉的。
最好讓交叉研究成為乙個自然的結果，而不是我們開始研究的出發點。
想做交叉研究，你最好是有乙個很好的契機來說服自己。
比如，你博士老闆就是做該交叉方向的大牛，已經碩果累累。
比如，你的研究在某個領域已經很豐碩，已經可以自然地擴充套件另乙個領域了。
那麼你可以試試。要不然，你最好是選擇乙個研究領域打好根基。
至少保證要讓自己的研究能在乙個領域先扎根，再去追求跨界的目標。
我現在對選擇機器學習交叉課題克制多了。機器學習領域本身發展迅猛，還有很多好的課題值得做，一般來說沒必要捨近求遠。
一定要先有很可靠的初步結果，一定要是特別重要的線索，才值得進一步深入。
研究的精力是很寶貴的。我這豐富的失敗經驗不是白來的。
我確實是物理系出身+深度學習方向的PhD。但是differentiable physics這套東西就得是我的菜了嗎？我很克制，在我找到線索前，我還是覺得這應該是應用數學同學喜歡的菜。
一點個人經驗，僅供參考。
想讀計算神經科學phd，應以什麼為主
AN0NYM0US neuroscience東西比較雜，夠學好多年的。但是學CS的一抓一大把 不過不想去掙錢的不好找 因此題主可以選neuroscience 找個學cs的 paterner 因為computational neuroscience用到的電腦科學知識相較於神經生物的知識而言極為簡單，簡...
計算神經科學在美國有碩士研究生嗎？哪些學校的計算神經科學專業比較好？
唐昊 你可以去關注quora上的Computational Neuroscience 話題，從關注人數上你也應該知道國內這方面資源和人才比較缺乏。在你選定這個方向前，你要想到以後是搞科研還是找工作。心裡一定要有個規劃，是回國還是待在海外，畢竟國內這個方向的工作少，國外機會多一些。有些學校有研究這方面...
想以後研究神經科學（腦科學），需要從哪方面開始準備？
大學生嗎？買台Mac doge 不用學好，起碼學會linux系統的使用，起碼掌握一下基本的shell指令碼用法。好好掌握一門程式語言，如matlab python。學好數學 線性代數要學好，這是以後做影像研究的基礎。統計學好，R最好學一學。學好英語 多讀讀文獻吧。 BrainBee汪老師 到了研究生...