大脑学习完全不同于我们认为20世纪以来

大脑是一个复杂的网络,其中包含数十亿的神经元,在每一个神经元沟通与其他成千上万的同时通过突触(链接)。然而,神经元实际上收集许多突触输入信号通过一些超长分歧的“武器”,被称为树突树。

1949年唐纳德·赫布提问到的建议学习发生在的开创性工作大脑通过修改突触的强度,而神经元函数计算元素在大脑中。这仍然是常见的假设,直到今天。

使用新的理论结果和实验神经文化,一群科学家、教授为首的被罩坎特,物理系和Gonda (Goldschmied)巴伊兰大学多学科的大脑研究中心,表明中央假设了近70年,学习只发生在突触是错误的。

在《华尔街日报》今天发表的一篇文章科学报告研究人员违背传统智慧,表明学习实际上是由多个树突,类似于缓慢的学习机制目前归因于突触。

“新发现的过程,学习的树突发生在比旧的要快得多的速度场景这表明学习只发生在突触。在这个新的树突学习过程,有一些每个神经元自适应参数,与成千上万的微小和敏感的突触学习场景,”肯特教授说,他的研究小组包括Shira Sardi, Roni瓦迪,安东Sheinin,阿米尔Goldental和Herut Uzan。

新建议的学习场景表明,学习发生在少数神经元树突更近的接近,而不是以前的概念。”是否有意义,衡量我们呼吸的空气质量通过许多微小,遥远的卫星传感器在摩天大楼的高度,或通过一个或多个传感器在靠近鼻子吗?同样的,是更有效的神经元来估计计算单元,其输入信号接近神经元”,肯特说。赫的理论已深深地扎根于科学世界70年,从来没有人提出这样一个不同的方法。此外,神经元突触和树突连接到在一个系列中,所以的本地化的网站学习的过程似乎无关紧要。

这项研究的另一个重要的发现是,弱突触,以前认为是无关紧要的,尽管他们占大多数的我们的大脑,发挥重要作用的动力学的大脑。他们引起振荡的学习参数而不是推动他们不切实际的固定的极端,建议在当前突触学习场景。

新的学习场景发生在大脑的不同网站,因此呼吁重新评估当前治疗大脑紊乱的功能。因此,流行的短语捆绕在一起的“神经元”,总结唐纳德·赫布提问到的70岁的假设,现在必须重新修改。此外,最近的学习机制是基础先进的机器学习和深度学习成就。学习模式打开新视野的变化为不同类型的深入学习算法和基于人工智能的应用程序模仿我们的大脑功能,但与先进的功能和速度更快。