设为首页 - 加入收藏 - 网站地图 亿度网(nikest.com),天道酬勤,努力奋斗!
当前位置:主页 > 科技资讯 > 正文

为何学习新知识这么难?因为大脑可能比你想象中更死板

时间:2018-04-16 07:09 作者:未知
 

 

 

本文转载自“科研圈”。撰文 John Rennie翻译 齐睿娟 审校 魏潇某些情况下,大脑的适应能力似乎是用之不竭的。但通过观察学习状态下的大脑活动,科学家们发现,这一过程中大脑的神经元网络功能出乎意料地死板和低效。学习能力是人类智力的标志。数十年的研究表明,我们的大脑能够表现出高度的“可塑性”,这意味着神经元之间的连接可以重组,来响应新刺激。但卡耐基梅隆大学和匹兹堡大学的研究人员最近吃惊地发现大脑中的神经元在学习过程中并没那么强的建立新连接的能力。大脑也许具有高度的灵活性和整体适应性,但至少在短时间内,它在学习过程中更多是依赖于从神经元库中低效地循环已有模式,而非从头开始重新建立连接。
图片来源: Quantamagazine | Liu zishan “每当我打壁球时,我看起来却总像一个网球运动员,” 卡耐基梅隆大学的生物医学工程师、神经科学家拜伦?于说,他是这项研究的主导科学家之一。于已经打了很多年的网球,他的问题在于壁球需要较短的球拍,以及更快、更有力的击球,这与他以往打网球的经历有很大的不同。然而在一场壁球比赛中,他沿用了网球的习惯打法,这种习惯已经在他身上留下了深刻的烙印。大脑并不会轻易放弃它已知的东西。现在,在观察大脑学习状态下的活动时,于和他的同事已经在神经层面上发现了类似可塑性缺乏的证据。这一发现和团队的其它相关研究可能有助于解释为什么有些东西比其他东西更难学。几年前, 于、匹兹堡大学的亚伦?巴蒂斯塔和他们的实验室成员开始使用脑机接口作为研究神经科学的工具。这些设备的芯片尺寸大致与指甲盖一样大,可以一次追踪大脑运动皮层中近 100 个神经元的电活动。 BCI 能够随着时间的推移监测通过每个神经元的电压峰值,从而计算“发放率”来表示任务执行过程中每个神经元的行为。
通过脑机接口控制椅子移动的猴子 图片来源:Innovation Memes “你可以想象一下,挖掘所有数据来看看大脑正在做什么有多困难,”于说。 “我们的眼睛没有经过足够的训练,无法发现其中的精细模式。”但是芯片内置的高级统计分析功能可以做到这一点,被识别出的模式可以识别测试对象进行特定运动时的神经活动。例如,系统可以辨别被测试对象伸展手臂时究竟是要向左还是向右,向上还是向下。然后研究人员可以使用 BCI 的输出,将代表某个特定躯体运动的神经活动转换为计算机屏幕上光标的方向控制。通过试错和训练,操作界面的人或动物能通过想象他们的手臂活动来移动计算机的光标,这是可以通过学习掌握的。当于、巴蒂斯塔和同事们在猴子反复进行简单的挥手任务时监测了它的运动皮层,却发现相关神经元没有产生独立的发放活动:被测量的 100 个神经元的活动从统计学上能够用大约 10 个神经元来代替,这些神经元能分别激活或抑制其他神经元。在研究人员的分析中,这个结果显示为一组数据点,包含有一小部分 100 维数据的空间。卡耐基梅隆大学生物医学工程教授史蒂文?蔡司说:“我们将其称之为先天流形,因为我们认为这是大脑的固有特性。这个空间的维度高度预示着这些神经元的功能。”2014 年,研究人员观察到,如果被试对象在学习新任务的过程中神经活动模式涉及这种先天流形,就可以更容易地学习新任务。于说,这个结果是有道理的,因为处在先天流形维度的任务对大脑的要求与其潜在的神经结构是一致的。完成这项研究后,该团队将注意力转向了学习期间神经活动如何变化的问题, 他们近日在 Nature Neuroscience 上发表了一篇论文。