专家和新手大脑的区别

当老鼠学会做一项新任务时，它们的大脑活动会随着时间的推移而发生变化，因为它们会从“新手”升级为“专家”。这些变化反映在细胞线路的连接和神经元的活动上。

使用双光子成像显微镜和大量的基因工具，冷泉港实验室(CSHL)、哥伦比亚大学、伦敦大学学院和熨头研究所的研究人员发现神经网络当老鼠在完成训练任务时变得更专注。他们利用这些数据构建了计算模型，可以帮助他们理解背后的神经科学决定关门大吉。

“我们记录了数百人的活动神经元同时进行，并研究神经元在学习过程中的行为，”CSHL副教授安妮·邱克兰说。“没有人真正知道动物或人类是如何学习一项任务的结构以及如何神经活动支持。”

该团队，包括Farzaneh Najafi，该研究的第一作者，邱奇兰实验室的博士后，开始训练老鼠的知觉决策任务。老鼠接受了一系列咔嗒声和闪光的多感官刺激。他们的工作是通过舔舔面前的三个水柱中的一个来告诉研究人员这些水柱的速率是高还是低。

他们舔中间的喷口开始审判，一边报告一个高利率的决定，另一边报告一个低利率的决定。当老鼠做出正确的决定时，它们会得到奖励。

“大多数决策研究都专注于动物真正成为专家的时期。但通过测量他们学习过程中大脑中的神经元，我们能够看到他们是如何达到这种状态的，”该研究的资深作者邱克兰说。“我们发现，在所有的动物中，它们的学习过程是在大约四周内逐渐发生的。我们发现，支持学习的是一大堆神经元的活动变化。”

研究小组发现，在对与特定任务相关的活动做出反应时，这些神经元变得更具选择性。他们的反应也开始更快更迅速。

“在做出一个选择之前，他们的反应会非常强烈，而在做出另一个选择之前，他们的反应就会小得多，”邱克兰说。

当动物它们刚刚开始学习，神经元直到做出选择时才会做出反应。但当动物获得专业知识时，神经元的反应会提前得多。

“在某种程度上，我们可以读懂动物的想法，我们可以在动物行动之前预测它要做什么，”邱克兰说。“当你是一名新手时，你的大脑会做所有不同的事情，所以你的神经元会参与所有不同的事情。但当你是专家时，你就会仔细琢磨你到底要做什么，我们就会注意到这个活动。”

研究人员通过使用机器学习算法训练一个名为“线性支持向量机”的小型人工网络来解码神经活动。它从多次试验中收集表现数据，并将其与所有神经元的活动结合起来，对它们进行权衡，从而猜测动物将会做什么。当动物在这项任务上做得更好时，它的神经网络变得更精细、更精确、更具体。研究人员能够将其反映到人工网络上，然后该网络可以预测动物的决定，准确率约为90%。

学习模型还提供了另一种方法来观察大脑中涉及认知的特定类型的神经元，如兴奋性和抑制性神经元，它们分别触发积极和消极的变化。在这项研究中，发表在神经元小组发现抑制神经元是大脑中选择性很强的子网络的一部分，它们对动物将要做出的选择具有很强的选择性。

这些神经元是生物物理模型的一部分，帮助研究人员理解决策是如何工作的。随着研究人员对这些模型的改进，他们能够更好地理解认知是如何影响行为的。

“我们已经学到了很多关于感性决策的知识——一个人会做出正确和错误的决定，做这些决定需要多长时间，在做决定的过程中神经活动会是什么样子——通过制作不同类型的模型来做出真正具体的预测，”邱克兰说。“现在我们可以理解，希望能更好地理解，为什么这些非常有选择性的子网络会存在，它们如何帮助我们做出更好的决定，以及它们在学习过程中是如何连接的。”

---

---