Science新研究挑戰(zhàn)了長期以來的一個(gè)假設(shè)：學(xué)習(xí)并不是簡單的重復(fù)，它需要共享

來源：生物通

“神經(jīng)科學(xué)界的主流觀點(diǎn)認(rèn)為，學(xué)習(xí)通過促使神經(jīng)元更加獨(dú)立地運(yùn)作來提高大腦效率，從而使信息能夠更清晰地被讀取。我們的研究結(jié)果支持另一種觀點(diǎn)……”

當(dāng)你的技能日益精進(jìn)——比如在人群中認(rèn)出熟悉的面孔、一眼就能發(fā)現(xiàn)拼寫錯(cuò)誤，或者預(yù)測游戲中的下一步，這時(shí)你大腦中的感覺神經(jīng)元會(huì)變得更加協(xié)調(diào)，共享信息而非各自獨(dú)立運(yùn)作。這是羅切斯特大學(xué) 及其 德爾蒙特神經(jīng)科學(xué)研究所 的研究人員發(fā)表在 《科學(xué)》雜志上的一項(xiàng)新研究得出的結(jié)論。該研究挑戰(zhàn)了神經(jīng)科學(xué)界長期以來的一個(gè)假設(shè)，即學(xué)習(xí)通過減少神經(jīng)信號(hào)的重復(fù)來提高效率。

這項(xiàng)由腦與認(rèn)知科學(xué)系Ralf Haefner 和 Adam Snyder兩位教授 實(shí)驗(yàn)室的研究生Shizhao Liu領(lǐng)導(dǎo)的 研究表明，學(xué)習(xí)并非增強(qiáng)神經(jīng)元之間的活動(dòng)，而是增強(qiáng)神經(jīng)元之間的共享活動(dòng)。該研究結(jié)果或可為學(xué)習(xí)障礙的研究提供新的見解，并啟發(fā)開發(fā)更靈活、更類人化的人工智能工具。

Liu說：“神經(jīng)科學(xué)界的主流觀點(diǎn)認(rèn)為，學(xué)習(xí)通過促使神經(jīng)元更加獨(dú)立地運(yùn)作來提高大腦效率，從而使信息能夠更清晰地被讀取。我們的研究結(jié)果支持另一種觀點(diǎn)，即大腦的感覺區(qū)域并非只是被動(dòng)地編碼世界。它們會(huì)主動(dòng)進(jìn)行推理，將接收到的信息與大腦已經(jīng)學(xué)習(xí)到的預(yù)期相結(jié)合。”

學(xué)習(xí)如何重塑神經(jīng)協(xié)作

幾十年來，研究人員一直認(rèn)為，學(xué)習(xí)能夠簡化大腦處理信息的方式，減少神經(jīng)元之間的共享活動(dòng)，從而提高信息的讀取效率。這一觀點(diǎn)影響了研究人員對從感知到?jīng)Q策等方方面面的思考。

但 Liu團(tuán)隊(duì)的研究表明，神經(jīng)元的學(xué)習(xí)機(jī)制并非單一，而是相互協(xié)調(diào)。隨著學(xué)習(xí)的進(jìn)行，神經(jīng)元并非變得更加獨(dú)立，而是變得更加協(xié)調(diào)，從而增加它們共享的信息量，尤其是在大腦積極參與任務(wù)并做出決策時(shí)。

這種協(xié)調(diào)反映了大腦對內(nèi)部預(yù)期的日益依賴。隨著學(xué)習(xí)的進(jìn)行，來自更高級腦區(qū)的反饋似乎會(huì)影響感覺神經(jīng)元的反應(yīng)方式，使感知能夠整合傳入信息和大腦從過去經(jīng)驗(yàn)中學(xué)到的知識(shí)。

追蹤學(xué)習(xí)過程中神經(jīng)元的活動(dòng)

研究人員追蹤了受試者在學(xué)習(xí)區(qū)分不同視覺模式的過程中，視覺皮層中同一組小型神經(jīng)元網(wǎng)絡(luò)在數(shù)周內(nèi)的活動(dòng)。研究團(tuán)隊(duì)測量了隨著學(xué)習(xí)的進(jìn)行，神經(jīng)元是越來越多地獨(dú)立運(yùn)作，還是共享更多信息。

研究人員發(fā)現(xiàn)，在學(xué)習(xí)之前，神經(jīng)元大多獨(dú)立運(yùn)作。但隨著受試者視覺技能的提高，神經(jīng)元開始表現(xiàn)得更像一支訓(xùn)練有素的運(yùn)動(dòng)隊(duì)，以協(xié)調(diào)的方式進(jìn)行溝通和協(xié)作。

Snyder說：“這有點(diǎn)像一群人一起解決問題。與其各自為政、盡可能高效地工作，不如通過學(xué)習(xí)讓他們更多地溝通交流。這種信息共享能讓每個(gè)人都掌握更多信息，并有可能使團(tuán)隊(duì)更加靈活和適應(yīng)性更強(qiáng)。”

重要的是，這種協(xié)同效應(yīng)僅在受試者積極執(zhí)行任務(wù)并根據(jù)所見內(nèi)容做出決策時(shí)才會(huì)出現(xiàn)。當(dāng)他們被動(dòng)地觀看相同的圖像而無需做出反應(yīng)時(shí)，這種效應(yīng)就消失了。

對于這項(xiàng)任務(wù)而言最重要的神經(jīng)元在協(xié)調(diào)性方面表現(xiàn)出最大的提升，尤其是在做出決定的時(shí)候。

但這些變化是靈活的，而非永久性的。研究人員認(rèn)為，這些轉(zhuǎn)變是由來自更高級腦區(qū)的反饋信號(hào)引導(dǎo)的，使神經(jīng)元能夠根據(jù)任務(wù)實(shí)時(shí)調(diào)整自身行為。

研究結(jié)果支持神經(jīng)科學(xué)領(lǐng)域一個(gè)日益流行的觀點(diǎn)：大腦并非簡單的信息傳送帶，而是不斷地將我們所見與預(yù)期融合，從而構(gòu)建出一幅更豐富、更全面的世界圖景。而這種融合需要多個(gè)神經(jīng)元協(xié)同作用，而非各自獨(dú)立進(jìn)行。

健康與人工智能的洞見

了解大腦在學(xué)習(xí)過程中如何協(xié)調(diào)神經(jīng)元，可以為學(xué)習(xí)障礙和影響感知能力的疾病提供新的見解。它還可以幫助科學(xué)家設(shè)計(jì)出泛化能力更強(qiáng)的人工智能系統(tǒng)，借鑒大腦靈活融合先前預(yù)期和新感覺信息的方式。

“目前大多數(shù)人工智能系統(tǒng)都建立在判別式架構(gòu)之上，這種架構(gòu)直接將感覺輸入映射到輸出，我們的最新研究表明，引入生成式反饋回路——其中內(nèi)部模型塑造感覺表征——可能會(huì)使系統(tǒng)能夠更快地從有限的數(shù)據(jù)中學(xué)習(xí)，對不確定性更具魯棒性，并能更靈活地適應(yīng)不斷變化的任務(wù)。”

參考文獻(xiàn)

Task learning increases information redundancy of neural responses in macaque visual cortex

閱讀最新前沿科技趨勢報(bào)告，請?jiān)L問21世紀(jì)關(guān)鍵技術(shù)研究院的“未來知識(shí)庫”

未來知識(shí)庫是 “21世紀(jì)關(guān)鍵技術(shù)研究院”建 立的在線知識(shí)庫平臺(tái)，收藏的資料范圍包括人工智能、腦科學(xué)、互聯(lián)網(wǎng)、超級智能，數(shù)智大腦、能源、軍事、經(jīng)濟(jì)、人類風(fēng)險(xiǎn)等等領(lǐng)域的前沿進(jìn)展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進(jìn)入。

截止到2月28日 ”未來知識(shí)庫”精選的百部前沿科技趨勢報(bào)告

（加入未來知識(shí)庫，全部資料免費(fèi)閱讀和下載）