MIT研究揭示大腦可塑性基本規(guī)則，當一個神經(jīng)元突觸增強時，它周圍的神經(jīng)元會變?nèi)酢＿@說明大腦內(nèi)部的突觸、神經(jīng)元之間的連接可以由于學習和經(jīng)驗的影響建立新的連接，從而影響個體的行為。這一平衡是如何達到的？科學家們在研究中首次展示了這一過程。論文的第一作者Mriganka Sur將這一行為比作海中的魚群，只要領頭的魚轉(zhuǎn)變了方向，其他的魚會遵循它的軌跡，一起轉(zhuǎn)向，在大海中呈現(xiàn)表演一場曼妙的“舞蹈”。神經(jīng)突觸是如何在神經(jīng)元發(fā)揮可塑性上進行增減的呢？雖然這一發(fā)現(xiàn)的結(jié)論很簡單，但是實驗的過程卻很復雜。科學家們在實驗中改變神經(jīng)元的“接受域”或它對應的視覺域觸發(fā)了可塑性。他們通過改變神經(jīng)元相關(guān)樹突上的中心位置，監(jiān)測突觸的變化。用小鼠作為實驗對象，在屏幕上的特定位置向小鼠展示目標，這個位置和神經(jīng)元原始的接受域不同。每當目標處于他們想要誘導的新的感受野位置時，他們會在小鼠的視覺皮層區(qū)閃爍藍光，加強神經(jīng)元的反應，激發(fā)其他活動。通過光遺傳學技術(shù)，他們重現(xiàn)大腦中單個神經(jīng)元，并在活體組織中見證分子機制的多樣性，他們讓這些細胞通過突觸可塑性整合成新功能。研究團隊還進行了“單眼剝奪”實驗，他們暫時蒙蔽了老鼠的一只眼睛，與閉上的眼睛相關(guān)的神經(jīng)元中的突觸會減弱，而睜開眼睛的突觸會增強。研究人員監(jiān)測了這一活動，并發(fā)現(xiàn)隨著突觸的增強，周圍的突觸會削弱自身進行補償。這一發(fā)現(xiàn)和機器學習有什么關(guān)系呢？長久以來，深度學習界的研究者們認為，對人類大腦的模擬是推動神經(jīng)網(wǎng)絡進步的重要手段。人工神經(jīng)網(wǎng)絡是一種模仿生物神經(jīng)網(wǎng)絡的結(jié)構(gòu)和功能的數(shù)學模型或計算模型，用于對函數(shù)進行估計或近似。深度神經(jīng)網(wǎng)絡在最初提出的時候，顯然是借鑒人腦的，權(quán)值更新規(guī)則是生物學中著名的Hebb’s rule。Yann LeCun在提出CNN的時候借鑒了人腦視覺處理分層的機制，并且CNN產(chǎn)生了和人腦非常一致的激活模式。強化學習和人腦的多巴胺系統(tǒng)也有著非常重要的聯(lián)系。DeepMind在上個月也發(fā)表論文，他們利用元學習框架，讓多巴胺系統(tǒng)訓練大腦的前額葉皮質(zhì)層，使其學會獨立學習，從而將這一機制應用于AI上。雖然神經(jīng)網(wǎng)絡發(fā)展到已經(jīng)可以玩游戲、查找路線了，但是想要做更復雜的動作仍然非常困難，并且需要依賴數(shù)千小時的訓練才能達到甚至超越人類水平。在這一背景下，MIT的這項研究揭示了一項非常基礎的人腦活動規(guī)則，雖然不涉及具體的優(yōu)化機制或BP算法，但是它們對神經(jīng)網(wǎng)絡的學習和進一步發(fā)展具有重要意義。