MIT研究揭示大腦可塑性基本規(guī)則

MIT最新研究證實，當一個神經(jīng)元突觸增強時，它周圍的神經(jīng)元會變弱。這對于當下大熱的神經(jīng)網(wǎng)絡來說，又會有怎樣的啟示呢？

我們的大腦非常靈活，這一切都得益于大腦的可塑性（plasticity）。過去的科學家認為在嬰兒關鍵期后，大腦的結構往往不發(fā)生變化。但是在1992年，Richard Davidson提出，重復性的經(jīng)驗可以改變大腦結構。大腦的結構可塑性是指大腦內部的突觸、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。不過，神經(jīng)科學家們表示，如果某些連接增強，神經(jīng)元必須對此進行補償，否則就會被輸入所淹沒。在一項新的研究中，MIT Picower學習與記憶研究所的科學家們首次展示了這一平衡是如何達到的：當一個連接（突觸）增強時，臨近的突觸會根據(jù)Arc（一種重要的蛋白質）的反應變弱。

論文的第一作者Mriganka Sur將這一行為比作海中的魚群，只要領頭的魚轉變了方向，其他的魚會遵循它的軌跡，一起轉向，在大海中呈現(xiàn)表演一場曼妙的“舞蹈”。

“復雜系統(tǒng)的集體行為通常有著簡單的規(guī)則，當一個神經(jīng)突觸增強，50微米之內一定有其他突觸的力量在分子機制下減弱”，科學家們表示。這一發(fā)現(xiàn)解釋了突觸是如何在神經(jīng)元發(fā)揮可塑性上進行增減的。

論文概述

雖然這一發(fā)現(xiàn)的結論很簡單，但是實驗的過程卻很復雜。在一個關鍵實驗中，科學家們通過改變神經(jīng)元的“接受域”或它對應的視覺域觸發(fā)了可塑性。神經(jīng)元通過突觸在末端的樹突上接收輸入，為了改變神經(jīng)元的感受域，科學家們確定了神經(jīng)元相關樹突上的中心位置，然后密切監(jiān)測突觸的變化，他們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。神經(jīng)元已經(jīng)被基因工程改造成可被閃光激活，這種技術被稱為“光遺傳學”。

作者El-Boustani說：“我們能重現(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，這項研究讓我們很激動?！?/p>

隨著新感受野突觸的增長，研究人員在雙光子顯微鏡下看到附近的突觸縮小了。而在沒有光遺傳刺激的對照組中，他們沒有看到這些變化。

當然，用光照對小鼠的神經(jīng)元進行“改造”并非是自然操作，因此團隊進行了另一個更經(jīng)典的“單眼剝奪”實驗，其中他們暫時蒙蔽了老鼠的一只眼睛。這時候，與閉上的眼睛相關的神經(jīng)元中的突觸會減弱，而睜開眼睛的突觸會增強。之后當把眼睛打開時，突觸會再次重新排列。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。

那么，這項神經(jīng)科學領域的突破和機器學習有什么關系呢？

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。在機器學習和認知科學領域，人工神經(jīng)網(wǎng)絡是一種模仿生物神經(jīng)網(wǎng)絡的結構和功能的數(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，權值更新規(guī)則是生物學中著名的Hebb’s rule，其表示經(jīng)常一起激活的神經(jīng)元連接會加強。另外，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。

此外，論智君也曾報道過強化學習和人腦的多巴胺系統(tǒng)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。此前論智君曾報道過在NIPS 2017的神經(jīng)信息處理研討會上，有專家就探討過秀麗隱桿線蟲在促進機器學習發(fā)展上的作用。這種蠕蟲只有302個神經(jīng)元，但能做很多事情，例如導航、交配、尋找食物等。有人曾說，想讓人工智能完成人類做的事，就要先達到老鼠的水平。但是目前，神經(jīng)網(wǎng)絡想要達到秀麗隱桿線蟲的水平都還很困難，也就是說真實生物體的內部還有許多等待我們發(fā)掘的奧秘。

再回到MIT的這項研究，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。