Credit: CC0 Public Domain

    人類擁有強大的學習，能夠分析理解獲得的感官信息，熟悉掌握新的技能以適應不斷變化的外部環(huán)境。然而目前為止還有許多人類學習的機制不被理解。系統(tǒng)升級學科的最大挑戰(zhàn)之一是解釋人類如何通過突觸神經(jīng)的鏈接來改變自己以支持一些適應性的行為?，F(xiàn)有的研究表明，大腦皮層的學習機制是依賴大腦深層區(qū)域的反饋，而這種反饋機制則是通過控制特定的抑制神經(jīng)元的開關(guān)來實現(xiàn)神經(jīng)突觸的強化。這項研究不僅是理解人類大腦理解學習的一個重要里程碑，也為計算機系統(tǒng)和AI研究提供了很重要的參考價值。

    大腦皮層是大腦一個相當重要的區(qū)域，對于高級的認知能力、復雜行為能力和感知與學習很重要。皮層會將受到的感覺刺激在傳遞給相對應的大腦區(qū)域之前進行簡單的處理和過濾，同時大腦中的一些其他功能區(qū)域也會將信息翻過來傳遞給大腦皮層，這種回路系統(tǒng)的反饋機制被認為是對感官信息的適應性學習機制所必須的。皮層來首先評估傳入感覺信息的重要性，然后改進后期處理信息的方式方法。

    老鼠胡須強調(diào)反饋系統(tǒng)的重要性

    已知老鼠鼻子上的胡須專門用于觸覺感知，在動物理解其所處環(huán)境的能力中起著重要作用。大腦皮層中處理胡須感官信息的部分不斷優(yōu)化其神經(jīng)突觸，以了解觸覺環(huán)境的新信息。因此，它構(gòu)成了一個有趣的模型來理解反饋系統(tǒng)在突觸學習機制中的作用。

    Unige的科學家們分離出一個與胡須相關(guān)的反饋回路，并用電極來測量大腦皮層神經(jīng)元的電信號活動。然后，他們通過刺激大腦皮層中處理這些信息的特定部分來模擬感官輸入，同時利用光來控制反饋電路。

    “這種離體模型允許我們獨立于感覺輸入來控制反饋，這在生物體內(nèi)是不可能做到的。然而，從反饋中分離出感覺輸入對于理解這兩者之間的相互作用是如何最終導致突觸強化是至關(guān)重要的，”霍爾特曼補充道。

    抑制神經(jīng)元對信息進行屏蔽

    研究小組發(fā)現(xiàn)，當兩種感覺輸入信號被激發(fā)時，會激活非常多的神經(jīng)元。然而，于此同時，一些神經(jīng)元反而會降低它們的活性。

    “有趣的是，當感覺輸入和反饋同時發(fā)生時，被抑制的神經(jīng)元通常是那些對感知很重要的神經(jīng)元，這被稱為去抑制，”該研究第一作者Leena Williams解釋道。因此，這些神經(jīng)元就像是輸入信息的門，通常是關(guān)閉的。當反饋信息進入時，門打開，允許那些負責初級感覺信息的突觸強化自身。通過這項研究，我們已經(jīng)確定了反饋如何優(yōu)化突觸連接，以便更好地為將來的信息做準備?！?/p>

    既然他們已經(jīng)確定了哪些神經(jīng)元參與了這一機制，這些科學家將在“現(xiàn)實生活”中測試他們的結(jié)果，當一只老鼠需要處理新的感官信息或在其觸覺環(huán)境中發(fā)現(xiàn)新信息時，抑制的神經(jīng)元是否會像預期的那樣有所變化。

    深度學習：模仿自然生命

    大腦回路如何自我優(yōu)化？一個系統(tǒng)如何通過解讀自己的行為來自我學習？除了與動物學習相關(guān)之外，這個問題也是機器學習計劃的核心部分。事實上，一些深度學習專家試圖模仿大腦回路來構(gòu)建AI。Unige團隊提供的見解可能與無監(jiān)督學習有關(guān)，無監(jiān)督學習是機器學習的一個分支，它以能夠自我組織和優(yōu)化新信息處理的電路模型為主體。舉例來講，這對于創(chuàng)建高效的語音或人臉識別系統(tǒng)非常重要。