科学家开发AI工具揭示小脑秘密及记忆形成规则

神经科学家近期取得两项重要的突破，为理解大脑和小脑的功能提供新的视角。一个是来自贝勒医学院和多个国际科研机构的合作，通过开发一种人工智能工具，解码了小脑神经元信号的类型；另一个是由一系列研究机构的科学家们研究，发现了大脑在学习过程中遵循的不同“规则”，这两项研究成果有望为治疗多种神经系统疾病和提升人工智能技术性能带来革命性的进展。 首先，来自贝勒医学院的一组研究人员，与杜克大学、伦敦大学学院、西班牙格拉纳达大学、阿姆斯特丹大学、以色列巴伊兰大学和英国伦敦国王学院的23位科学家合作，自2018年起开发了一种新型的人工智能工具，首次可以在行为过程中从小脑记录的电信号中区分出不同类型的神经元。这项成果发表在《细胞》杂志上，所使用的是一种半监督深度学习分类器，这种分类器通过训练能够识别特定神经元类型的电活动特征，从而确定每个记录到的电信号是由哪一类神经元产生的。研究人员通过光遗传学技术，即向特定神经元引入光敏蛋白以标记其电活动，获取了各种小脑神经元的电特征，并据此训练了分类器。共同资深作者之一的斯蒂芬·利斯伯格博士认为：“如果能够理解电路的工作方式，我们就能揭示大脑产生行为的机制。”这一突破不仅有助于深入理解小脑的功能，未来或许还能为治疗诸如震颤、平衡障碍和言语障碍等脑部疾病提供新的手段。 其次，针对大脑学习过程中的“规则”研究，研究团队发现同一神经元上的不同突触组在学习中遵循着不同的规律。大多数脑部疾病包含某种形式的突触功能障碍，这项研究为抑郁症等疾病的治疗开辟了新的思路。实验中，研究人员通过在小鼠神经元中植入生物传感器，监测了其在学习任务时突触连接的变化。结果显示，这些突触并不总按照赫布规则行事——“一起激活的神经元，一起变得更加紧密”。事实上，同一神经元上的独立突触组可能会采用不同的学习规则，比如一些遵循赫布规则，增强协同活动的连接；而另一些则不受神经元活动的影响。实验设计如是描述：提供声音提示后，小鼠需要学习如何通过按动杠杆来获取水。通过观察这个过程，科研人员了解到，正是这种突触异质性让神经元在处理信息时更具灵活性。 这两项研究均得到了业内知名专家的高度评价，认为它们不仅为神经科学界提供了新的技术工具，而且加深了对大脑和小脑如何编码信息、处理信息以及生成相应行为的理解。参与这些研究的科学家们都是其领域的顶尖人物，他们的贡献具有重要的学术价值和实际应用价值。 背景补充：贝勒医学院和杜克大学均在全球享影响卓著。尤其是贝勒医学院，在神经科学研究领域有着强大的科研团队，与其他国际知名机构的跨界合作也在不断推动科技创新与知识的进步。这项关于大脑学习机制的研究首次揭示了神经元突触在小规模结构中对应信号变化的不同响应模式，这对于未来开发更高效、性能更加符合生物学原则的人工智能模型至关重要。同时，从医疗角度来看，这些初步的研究发现可能促进针对神经性疾病的治疗方式创新。