我們的大腦非常擅長(zhǎng)學(xué)習(xí)世界上的模式并理解它們。大腦在我們的一生中不斷學(xué)習(xí)和適應(yīng)，甚至支持學(xué)習(xí)行為的神經(jīng)元，例如每天步行上班，也在不斷變化。
這種“代表性漂移”發(fā)生時(shí)行為或任務(wù)表現(xiàn)沒(méi)有任何明顯變化。一切似乎都是常規(guī)和穩(wěn)定的，也就是說(shuō)，你遵循相同的工作路徑，制定相同的計(jì)劃并采取相同的步驟，但與此同時(shí)，大腦某些部分的神經(jīng)活動(dòng)模式正在發(fā)生變化。發(fā)表在PNAS雜志上的一項(xiàng)新研究提出了盡管神經(jīng)代碼發(fā)生變化，大腦如何保持穩(wěn)定。
劍橋神經(jīng)科學(xué)家和研究合著者 Michael E. Rule 博士和 Timothy O'Leary 博士認(rèn)為，神經(jīng)元(使你的大腦工作的細(xì)胞)可以檢測(cè)到它們的某些輸入何時(shí)發(fā)生變化，并調(diào)整影響的強(qiáng)度。神經(jīng)元具有另一個(gè)，以進(jìn)行補(bǔ)償，從而支持一種內(nèi)部學(xué)習(xí)形式。
“神經(jīng)代碼的這些變化與語(yǔ)言如何隨時(shí)間逐漸變化具有相似之處，同時(shí)忠實(shí)地傳達(dá)共同的想法和概念，”工程系 Leverhulme 早期職業(yè)研究員 Rule 博士說(shuō)。
雖然大腦的某些部分是可塑性的，并且變化很快，但其他部分則表現(xiàn)出長(zhǎng)期穩(wěn)定性。那么神經(jīng)回路如何在無(wú)需不斷地重新學(xué)習(xí)他們已經(jīng)學(xué)習(xí)過(guò)的東西的情況下相互交流呢?即使是腦機(jī)接口——越來(lái)越多地被用作認(rèn)知或身體障礙者的輔助生活設(shè)備——也必須應(yīng)對(duì)“漂移”。
研究人員認(rèn)為，單細(xì)胞內(nèi)的穩(wěn)態(tài)過(guò)程可以幫助大腦在變化時(shí)“觀察自己”，而內(nèi)部產(chǎn)生的信號(hào)有助于穩(wěn)定的神經(jīng)群體“學(xué)習(xí)”如何跟蹤不穩(wěn)定的神經(jīng)群體。研究人員根據(jù)建模和活體大腦活動(dòng)的數(shù)據(jù)/觀察做出了這一猜想。
工程師們目前是如何開(kāi)發(fā)機(jī)器學(xué)習(xí)算法來(lái)跟蹤神經(jīng)表征的變化——自動(dòng)——研究人員提出，類(lèi)似于這些算法的東西也可能在大腦中起作用，從眾所周知的學(xué)習(xí)規(guī)則和穩(wěn)態(tài)過(guò)程中出現(xiàn)。
“這可能解釋了可塑性和穩(wěn)定的神經(jīng)群體如何能夠在大腦中共存，”Rule 博士說(shuō)。“我們已經(jīng)知道‘表征漂移’發(fā)生在海馬體——大腦中在學(xué)習(xí)和記憶中起主要作用的部分——似乎發(fā)生在頂葉皮層——負(fù)責(zé)感覺(jué)感知和整合的區(qū)域。我們建議有幾種特定機(jī)制可以幫助使這種可塑性與大腦的長(zhǎng)期穩(wěn)定性兼容。”
工程系副教授 O'Leary 博士說(shuō)，這項(xiàng)研究強(qiáng)調(diào)了“漂移”可能源于持續(xù)學(xué)習(xí)的想法。
“人工智能存在一個(gè)巨大的未解決的挑戰(zhàn)，即構(gòu)建可以持續(xù)學(xué)習(xí)而不會(huì)破壞先前學(xué)習(xí)信息的算法的問(wèn)題，”他說(shuō)。“大腦顯然實(shí)現(xiàn)了這一點(diǎn)，而這項(xiàng)工作是朝著尋找可以做到這一點(diǎn)的算法方向邁出的一步。”
標(biāo)簽：
免責(zé)聲明：本文由用戶(hù)上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！