大脑如何学习?
![Testing plasticity model generalization on the L4-PC to L2/3-PC connection type. a 3-D rendering of a representative pair of connected L4-PC to L2/3-PC in the in silico model. Inset shows a magnified view of the synapses mediating the connection (yellow spheres). b Evolution over time of simulated EPSP amplitude during a typical plasticity induction protocol (top left; one pairing shown out of 100). Mean EPSP amplitudes (top right) are shown before (baseline; blue) and after (long term; orange) the induction protocol. c Comparison of EPSP ratios in silico and in vitro for positive and negative timings and with presynaptic NMDAR blocker MK801. Experimental data and simulations without MK801 on the left panel, with MK801 (in vitro) and γd = 0 (in silico) on the right panel. Welch's unequal variances two-sided t-test was n.s. for every protocol (p-value from negative to positive stimulation timing: 0.268, 0.209 MK801, 0.959 MK801; n = 100). Experimental data (in vitro) from Rodríguez-Moreno and Paulsen42. Population data reported as mean ± SEM. Credit: <i>Nature Communications</i> (2022). DOI: 10.1038/s41467-022-30214-w 大脑如何学习?](https://scx1.b-cdn.net/csz/news/800a/2022/how-does-the-brain-lea.jpg)
每个人都知道人类的大脑极其复杂,但它是如何学习,到底是什么?答案可能比通常认为的简单得多。
一个国际研究小组涉及大学蒙特利尔取得了重大进展在准确模拟大脑皮层突触变化被认为是学习的关键,打开门一个更加清晰的认识大脑。
科学家们的study-featuring开源模型发表在6月1日自然通讯。
“这开启了一个新方向的世界科学探究到我们如何学习,”Eilif Muller说,UdeM IVADO助理研究教授和一个加拿大CIFAR AI的椅子上,该研究在“蓝脑计划”的洛桑联邦理工(EPFL),在瑞士。
穆勒于2019年搬到蒙特利尔,追求他的研究在生物学习实验室的架构,他成立了圣贾斯汀研究中心与UdeM米拉,魁北克人工智能研究所。
“神经元的形状像树,和突触是树叶的树枝,”穆勒说,这项研究的文章的第二作者。
之前方法模型忽略了这个树结构可塑性,但现在我们的计算工具来测试这个想法突触交互在树枝上发挥基础性作用,指导学习体内,”他说。
“这有着重要的意义,可以让人们了解神经发育障碍的机制,如自闭症和精神分裂症,而且对发展中强大的新的人工智能方法受神经科学。”
穆勒与一组科学家从欧洲职业足球联盟的蓝脑计划”的,巴黎大学,耶路撒冷希伯来大学的,Instituto卡哈尔(西班牙)和哈佛医学院提出一个模型基于data-constrained皮层突触可塑性的突触后钙动力学。
它是如何工作的呢?它是复杂但最终,比你想象的简单。
人脑是由数十亿个神经元相互通信,形成数以万亿计的突触。这些神经元之间的连接点是不断变化的复杂分子机器的外部刺激和内部动态,这一过程通常被称为突触可塑性。
在大脑皮层,与学习有关的一个关键领域高级认知功能在哺乳动物中,锥体细胞(电脑)占80 - 90%的神经元和在学习中发挥着重要的作用。尽管它们的重要性,他们的长期动态突触变化实验特征之间只有少数类型的电脑,和多样化。
因此,有限的理解复杂的神经回路,它们形成、尤其是在典型的皮质层,决定大脑皮层的不同区域是如何交互的。穆勒和他的同事们“创新是使用计算模型提出一个更全面的观点的突触可塑性在这些皮层电路动态管理学习。
通过比较他们的结果可用实验数据,他们在他们的研究显示突触可塑性模型可以捕捉各种塑性动力学的各种电脑占皮层微电路。他们这样做,只使用一个统一的模型参数,指示的可塑性规则新皮质锥体细胞类型之间共享,因此是可预测的。
大多数这些塑性实验进行脑片啮齿动物体外,钙动力学驱动的地方突触传递和塑性显著改变学习完整的大脑相比,体内。重要的是,研究预测定性不同的塑性动态参考实验进行了体外。如果未来实验证实,对我们理解大脑的可塑性和学习将是深远的,穆勒和他的研究小组相信。
“这项研究是什么让人兴奋的地方是,这是科学家的进一步确认,我们可以克服差距在实验知识时使用建模方法研究大脑,”欧洲神经学家亨利·马克拉姆说,“蓝脑计划”的创始人兼董事。
”此外,模型开源Zenodo平台上可用,“他补充说。
“这里有共享的数以百计的塑料锥体细胞连接不同类型的。它不仅是迄今为止最广泛塑性模型进行验证,但它也代表了最全面的预测之间的区别可塑性培养皿中观察到,在一个完整的大脑。
“这一跃成为可能,因为我们的协作团队合作方法。此外,社区可以把它进一步发展自己的版本通过修改或添加是这么开放的科学,它会加速进步。”
进一步探索