早上好，我是腦叔，一個愛聊腦的家伙。

每天，人們都在不斷學(xué)習(xí)和形成新記憶。當(dāng)你拿起一個新愛好、嘗試朋友推薦的食譜或閱讀最新的世界新聞時，你的大腦會存儲許多這些記憶，有的保存數(shù)年甚至數(shù)十年。

但大腦是如何完成這一驚人壯舉的呢？

在最近發(fā)表在《科學(xué)》雜志上的研究中，神經(jīng)科學(xué)家發(fā)現(xiàn)了大腦用于學(xué)習(xí)的某些新“規(guī)則”。

大腦中的學(xué)習(xí)

人腦由數(shù)十億個神經(jīng)細(xì)胞組成。這些神經(jīng)元通過傳導(dǎo)電脈沖來傳遞信息，就像計算機(jī)使用二進(jìn)制代碼攜帶數(shù)據(jù)一樣。

這些電脈沖通過神經(jīng)元之間的連接——突觸——與其他神經(jīng)元通信。單個神經(jīng)元有分支狀的延伸部分，稱為樹突，可以接收來自其他細(xì)胞的數(shù)千個電輸入。樹突將這些輸入傳遞到神經(jīng)元的主體，然后它將這些信號綜合起來生成自己的電脈沖。

正是這些電脈沖在特定神經(jīng)元群體中的集體活動，形成了大腦中不同信息和經(jīng)驗(yàn)的表征。

杏仁核連接的變化（綠色）與抑郁癥有關(guān)。William J. Giardino/Luis de Lecea Lab/Stanford University via NIH/Flickr, CC BY-NC

幾十年來，神經(jīng)科學(xué)家一直認(rèn)為大腦通過改變神經(jīng)元之間的連接方式來學(xué)習(xí)。隨著新信息和經(jīng)驗(yàn)，改變神經(jīng)元的通信方式并改變它們的集體活動模式，一些突觸連接變得更強(qiáng)，而另一些則變得較弱。這一突觸可塑性過程產(chǎn)生了大腦中新信息和經(jīng)驗(yàn)的表征。

然而，為了使大腦在學(xué)習(xí)過程中產(chǎn)生正確的表征，正確的突觸連接必須在正確的時間進(jìn)行正確的改變。大腦在學(xué)習(xí)過程中選擇改變哪些突觸的“規(guī)則”——神經(jīng)科學(xué)家稱之為信用分配問題——在很大程度上仍然不清楚。

定義規(guī)則

研究人員決定在學(xué)習(xí)過程中監(jiān)測大腦中單個突觸連接的活動，以查看是否能夠識別決定哪些連接會變強(qiáng)或變?nèi)醯幕顒幽Ｊ健?/p>

為此，研究人員在小鼠的神經(jīng)元中基因編碼了生物傳感器，這些傳感器會在突觸和神經(jīng)元活動時發(fā)光。實(shí)時監(jiān)測了這種活動，當(dāng)小鼠學(xué)習(xí)一項(xiàng)任務(wù)時，這項(xiàng)任務(wù)涉及在聽到聲音提示后按下杠桿到特定位置以獲得水。

他們驚訝地發(fā)現(xiàn)，單個神經(jīng)元上的突觸并不都遵循相同的規(guī)則。例如，科學(xué)家們通常認(rèn)為神經(jīng)元遵循所謂的赫布規(guī)則，即一致同時放電的神經(jīng)元會加強(qiáng)連接。然而，實(shí)驗(yàn)發(fā)現(xiàn)同一神經(jīng)元樹突不同位置的突觸遵循不同的規(guī)則來決定連接是變強(qiáng)還是變?nèi)酢Ｒ恍┩挥|遵循傳統(tǒng)的赫布規(guī)則，即一致同時放電的神經(jīng)元加強(qiáng)連接。其他突觸則做了完全不同的事情，并且與神經(jīng)元的活動完全獨(dú)立。

這項(xiàng)研究表明，神經(jīng)元通過在不同突觸群體上同時使用兩套不同的學(xué)習(xí)規(guī)則，而不是單一統(tǒng)一的規(guī)則，可以更精確地調(diào)整它們接收的不同類型輸入，以適當(dāng)?shù)卦诖竽X中表征新信息。

換句話說，通過在學(xué)習(xí)過程中遵循不同的規(guī)則，神經(jīng)元可以執(zhí)行多任務(wù)，并行執(zhí)行多個功能。

未來應(yīng)用

這一發(fā)現(xiàn)為理解突觸在學(xué)習(xí)過程中如何變化提供了更清晰的認(rèn)識。鑒于大多數(shù)大腦疾病，包括退行性和精神疾病，都涉及某種程度的突觸功能障礙，這對人類健康和社會具有潛在的重要意義。

例如，抑郁癥可能源于大腦某些區(qū)域的突觸連接過度減弱，這使得體驗(yàn)快樂變得更加困難。通過了解突觸可塑性正常運(yùn)作的方式，科學(xué)家可能能夠更好地理解抑郁癥中的問題所在，然后開發(fā)出更有效的治療方法。

這些發(fā)現(xiàn)對人工智能也可能有影響。人工智能背后的神經(jīng)網(wǎng)絡(luò)在很大程度上受到人類大腦工作方式的啟發(fā)。然而，研究人員用于更新網(wǎng)絡(luò)連接和訓(xùn)練模型的學(xué)習(xí)規(guī)則通常是統(tǒng)一的，并且也不具有生物學(xué)上的合理性。這項(xiàng)研究可能為開發(fā)更符合生物學(xué)實(shí)際的人工智能模型提供見解，這些模型可能更高效、性能更好，或者兩者兼而有之。

在利用這些信息開發(fā)人類大腦疾病的新療法之前還有很長的路要走。雖然發(fā)現(xiàn)不同樹突群體上的突觸連接使用不同的學(xué)習(xí)規(guī)則，但目前還不完全清楚為什么或如何這樣。此外，雖然神經(jīng)元能夠同時使用多種學(xué)習(xí)方法的能力增加了它們編碼信息的能力，但這種能力可能賦予它們的其它特性尚不明確。未來的研究有望回答這些問題，并進(jìn)一步加深我們對大腦學(xué)習(xí)方式的理解。

The author：

William Wright,Postdoctoral Scholar in Neurobiology, University of California, San Diego

Takaki Komiyama,Professor of Neurobiology, University of California, San Diego

聲明：本文版權(quán)屬于原作者，僅用于學(xué)術(shù)交流！