人工智能软件揭示了短期记忆的内部运作
芝加哥大学(University of Chicago)神经科学家的研究表明，短期工作记忆对神经元网络的使用取决于手头任务的复杂性。
研究人员使用现代人工智能(AI)技术来训练计算神经网络，以解决一系列需要短期存储信息的复杂行为任务内存．人工智能网络基于大脑的生物结构，揭示了短期记忆中涉及的两个不同过程。一种是“沉默的”过程，大脑在没有持续神经活动的情况下存储短期记忆;另一种是更活跃的过程，大脑的神经回路在此过程中被激活神经元火不断。
这项研究由芝加哥大学的资深科学家尼古拉斯·马塞博士和资深作者、神经生物学教授大卫·弗里德曼博士领导，并于本周在《美国科学》杂志上发表自然神经科学．
弗里德曼说:“短期记忆可能由许多不同的过程组成，从非常简单的你需要回忆几秒钟前看到的东西，到更复杂的你必须操纵记忆中的信息的过程。”“我们已经确定了两种不同的神经机制如何协同工作来解决不同类型的记忆任务。”
主动记忆vs沉默记忆
许多日常任务都需要使用工作记忆，这些信息是你当时需要做但之后可能会忘记的。有时你会故意主动记住一些事情，比如你在脑子里做一道数学题，或者在你有机会写下来之前试图记住一个电话号码。你还会被动地吸收信息，即使你没有刻意记住它，你也可以在以后回忆起来，比如有人问你是否在走廊上看到了某个人。
神经科学家通过监测动物在执行需要使用短期记忆的任务时流经大脑的电活动模式，对大脑如何表示记忆中的信息有了很多了解。然后，他们可以监测脑细胞的活动，并在动物执行任务时测量它们的活动。
但弗里德曼说，他和他的团队惊讶地发现，在某些需要将信息储存在记忆中的任务中，他们的实验发现神经回路异常安静。这使他们推测，这些“沉默的”记忆可能存在于神经元之间连接强度或突触的暂时变化中。
问题是，用目前的技术来测量活体动物大脑中这些“沉默”时期的突触发生了什么是不可能的。因此，Masse、Freedman和他们的团队一直在开发人工智能方法，使用来自动物实验的数据来设计网络，模拟真实大脑中的神经元如何相互连接。然后，他们可以训练网络来解决动物实验中研究的相同类型的任务。
在这些受生物学启发的神经网络的实验中，他们能够看到两个不同的过程短期记忆处理。一种被称为持续神经元活动，在更复杂但仍然是短期的任务中尤其明显。当一个神经元得到一个输入时，它会在活动中产生一个短暂的电峰值。神经元与其他神经元形成突触，当一个神经元放电时，它会引发连锁反应，使另一个神经元放电。通常情况下，当输入消失时，这种活动模式就会停止，但人工智能模型显示，在执行某些任务时，即使输入被移除，一些神经元电路也会继续放电，比如混响或回声。对于需要以某种方式操纵内存中的信息的更复杂的问题，这种持久的活动似乎特别重要。
研究人员还发现了第二个过程，解释了大脑如何在不持续活动的情况下将信息保存在记忆中，就像他们在大脑记录实验中观察到的那样。这类似于大脑通过在许多神经元之间建立复杂的连接网络来存储长期记忆的方式。当大脑学习新信息时，这些连接会被加强、重新定位或移除，这就是所谓的可塑性。人工智能模型表明，在记忆的静默期，大脑可以在神经元之间的突触连接中使用短期形式的可塑性来临时记忆信息。
这两种形式短期记忆持续几秒钟到几分钟。工作记忆中使用的一些信息可能最终会被长期存储，但大部分会随着时间的推移而消失。
马塞说:“这就像用手指在起雾的镜子上写字，而不是用永久记号笔。”
互补的研究领域
这项研究展示了人工智能对神经科学研究的价值，以及这两个领域是如何相互联系的。弗里德曼说，当人工神经网络模仿真实的大脑时，它们通常更聪明，更容易训练完成复杂的任务。这也使得受生物启发的人工智能网络成为更好的平台，可以测试关于真实大脑功能的想法。
他说:“这两个领域确实是相互受益的。”“神经科学实验的见解有助于创造更智能的人工智能，研究人工网络中的电路有助于回答关于人工智能的基本问题大脑．"
进一步探索
