|
導語 人類大腦的適應(yīng)能力似乎有無盡的潛能,，但在Nature Neuroscience的兩篇文章中,，研究者基于腦機接口（BCI）技術(shù),，通過觀察大腦的學習過程，發(fā)現(xiàn)大腦的神經(jīng)網(wǎng)絡(luò)可能笨拙,、低效得令人詫異,。
學習能力是智力的標志。通過幾十年對的研究表明,，我們的大腦能表現(xiàn)出高度的“可塑性”,，這意味著，為了響應(yīng)新的刺激,，神經(jīng)元可以重新連接自身,。 但是卡內(nèi)基梅隆大學和匹茲堡大學的研究人員最近發(fā)現(xiàn)，我們的學習能力缺有著驚人的局限,。大腦可能具有高度的靈活性和整體適應(yīng)性,，但至少在短時間內(nèi)，它卻低效地通過對神經(jīng)元的回收再利用來學習,，而不是完全從新開始,。 該研究的一個領(lǐng)導者，卡內(nèi)基梅隆的生物醫(yī)學工程師和神經(jīng)科學家 Byron Yu 說：“每當我打壁球時,，我看起來就像一個網(wǎng)球運動員,?！盰u 已經(jīng)打了很多年的網(wǎng)球。壁球?qū)τ谒?，問題在于球拍較短,，并且要求擊球更快更狠，這和他在網(wǎng)球場上習慣的不同,。然而在壁球比賽中,，他使用球拍的方式深深地陷在他多年形成的網(wǎng)球握拍風格中。 大腦并不會輕易放棄它已經(jīng)知道的東西,。 現(xiàn)在,，通過觀察大腦學習過程的活動，Yu和他的同事已經(jīng)看到了在神經(jīng)水平上也有類似的缺乏可塑性的證據(jù),。這一發(fā)現(xiàn)和其團隊的相關(guān)研究可能有助于解釋為什么有些事情比其他事情更難學。 腦機接口（BCI） 幾年前,，匹茲堡大學的 Yu,，Aaron Batista 及其實驗室成員開始使用腦機接口（BCI）作為神經(jīng)科學研究的工具。這些設(shè)備的芯片大小與指甲相當,，可以在大腦的運動皮層中同時跟蹤100個能控制運動的神經(jīng)元的電活動。通過監(jiān)測各個神經(jīng)元電壓尖峰的時序序列,，BCI可以計算出“放電頻率”以表征在執(zhí)行任務(wù)期間每個神經(jīng)元的行為,。
“你可以想象試圖挖掘所有這些數(shù)據(jù)以此了解大腦正在做什么是個巨大的挑戰(zhàn)?！盰u 說,，'我們的眼睛沒有受到過足夠的訓練，無法在其中獲得不易察覺的模式,?！?/p> 但芯片中內(nèi)置的高級統(tǒng)計分析程序可以做到這一點，提取出的模式可以用于識別與測試目標想做特定運動時相關(guān)的神經(jīng)活動,。例如,，系統(tǒng)可以區(qū)分出實驗?zāi)繕讼胍蜃螅?，上或下伸出手臂的意圖,。 然后，研究人員可以利用 BCI 的輸出,，將特定運動的神經(jīng)活動轉(zhuǎn)換為計算機屏幕上光標的運動方向,。例如，通過反復試驗,，使用腦機接口的人或動物可以學會通過想象他們的手臂向左移動來推動光標向左移動,。 大腦中的先天結(jié)構(gòu) Yu,，Batista 和他們的同事在猴子反復執(zhí)行簡單揮舞手臂的任務(wù)時，監(jiān)測猴子的運動皮層,，由此他們發(fā)現(xiàn)這些神經(jīng)元并沒有獨立放電,。 相反，在統(tǒng)計上,，被測量的 100 個神經(jīng)元的行為可以用大約 10 個神經(jīng)元來描述,，這些神經(jīng)元不同程度地刺激或抑制了其他神經(jīng)元。在研究人員的分析中,，這個結(jié)果顯示為一組繪制成圖的點,，這些點只填充了100維數(shù)據(jù)空間的一小部分（a small volume）。 圖注：使用腦機接口學習的實驗。猴子通過調(diào)節(jié)神經(jīng)活動,，將藍色光標移動到綠色光標的位置,。腦機接口的映射包括兩步，首先用因子分析方法分析先天流形中眾多神經(jīng)元的活動,，然后用 Kalman 濾波器,，把先天流形映射為光標運動。在這兩個步驟中,，研究者進行了外部流形干擾（藍色箭頭）和流形內(nèi)擾動（紅色箭頭）,。 卡內(nèi)基梅隆大學生物醫(yī)學工程教授 Steven Chase 表示，我們把這一“部分”（volume）稱為先天流形（intrinsic manifold）,，因為它是大腦固有的屬性,。空間的維度可以很好地預測神經(jīng)元的功能,。
2014年，研究人員觀察到,，如果測試對象在學習新任務(wù)時,，神經(jīng)活動在先天流形之內(nèi)，而不是流形的外部,，則它們可以更容易地學習新任務(wù),。Yu表示，這一結(jié)果是有道理的,，因為屬于先天流形的任務(wù)對大腦提出的要求與其基礎(chǔ)神經(jīng)結(jié)構(gòu)一致,。 實驗結(jié)果：流形內(nèi)部受干擾的學習效果好于流形外部受干擾,。a和b比較了學習活動涉及到流形內(nèi)部時（a,紅色）外部時（b,藍色）,，測試表現(xiàn)的差異，神經(jīng)活動涉及到流形內(nèi)部時,，成功率更高,，用時更短。 學習需要遺忘 完成了這項研究后,，該小組將注意力轉(zhuǎn)向了神經(jīng)活動在學習過程中如何變化的問題,。
為了找到答案，研究人員首先讓裝有 BCI 的靈長類動物熟練地左右移動光標,。然后,，該小組切換了移動光標所需的神經(jīng)活動，并希望看到動物會使用什么樣的新的神經(jīng)活動模式來完成光標移動,，這些模式對應(yīng)于先天流形中的新點。 研究者希望找到這種“重組（realignment）”學習策略的證據(jù),。使用重組策略，動物會自然地開始新的合作模式,。 在斯坦福大學任職,、曾在博士后期間與Yu和Chase合作完成該項目的 Matthew Golub 認為：受制于先天條件，“重組”是動物最好的學習策略,。 有可能，猴子的大腦可能已經(jīng)經(jīng)過了重新縮放（rescaling）來學習,。在這一過程中,，參與初始學習任務(wù)的神經(jīng)元，會增加或者減少其尖峰程度,，直到試出來一個有效的模式,。 但另研究人員驚訝的是，在實際過程中既沒有重組（realignment）,，也沒有重縮放（rescaling）,，相反，研究人員觀察到一種被稱為“重新關(guān)聯(lián)”（reassociation）的很低效的方法—— 被試動物僅僅通過重復初始神經(jīng)元活動模式（patterns）,，并交換任務(wù)來學習新任務(wù),。之前光標向左移動時的神經(jīng)元模式，被用到了將光標向右移動的任務(wù)中,。反之亦然,。Golub 說，即使是在新任務(wù)中,，大腦所做的仍是重復過去的事,。 圖注：三種神經(jīng)元學習策略假設(shè)的二維平面映射示意圖,。粗虛線的左側(cè)的光標向左移動,，右側(cè)的光標向右移動，神經(jīng)元經(jīng)過學習,，形成了綠色和紫色部分的映射（圖a）,，然后調(diào)整粗虛線的方向（圖b），之前的神經(jīng)元學到的模式會對后續(xù)操作形成干擾,。c是重組策略的假設(shè),，d是重新縮放策略的假設(shè)，e是重新關(guān)聯(lián)策略的假設(shè),。 大腦比你想象的更古板,。 該小組的研究結(jié)果表明，正如神經(jīng)元的結(jié)構(gòu)將神經(jīng)元活動限制在先天流形中一樣,，實驗中神經(jīng)元的重組受到了一些更深層次約束的限制,。Bastista 認為，神經(jīng)元突觸連接的改變,，是很難快速完成的,。大腦短期可塑性比人們想象的更有限,。
Chase 將運動皮層比作老式的電話交換機,，神經(jīng)連接就像電纜一樣,，將來自其他皮層區(qū)域的輸入,，連通到小腦的輸出。在實驗過程中,，大腦“只是重新排列了所有電纜”——盡管這其中細微差別的意義人們?nèi)晕蠢斫狻?/p> Yu表示：“‘又快又糙’的策略是為了改變大腦皮層的輸入,?！钡脖砻鳎麄兊膶嶒炛桓櫞竽X的活動一兩個小時,。 研究人員還不能排除這樣的可能性：重新聯(lián)系是大腦學習新任務(wù)的一種快速的臨時過渡方式,；在更長的一段時間內(nèi),，重組、重新縮放可能仍然會出現(xiàn),。 如果是這樣的話,，這可能會解釋初學者和專家在處理有共同的興趣點的新信息時的差異。巴蒂斯塔說：“初學者學習時激活了所有的已有知識,，而專家則只關(guān)注新知識,。這一眾所周知的現(xiàn)象可能蘊含著這樣的神經(jīng)學原理?！?/p>
|
|
|
