研究提出神经变化的代码如何开启大脑的“内在学习”

我们的大脑非常擅长学习模式在世界上,要了解它们的意义。大脑不断地学习和适应我们的生活,甚至支持神经元学习行为,如每天走路去上班,是不断变化的。

这种“具象漂移”没有任何明显的变化发生在行为或任务的性能。一切似乎常规和稳定,即。你遵循同样的路径,同样的计划,采取同样的措施,但是,在大脑的某些部位的神经活动模式正在改变。一项新的研究,发表在《华尔街日报》PNAS提出了大脑如何保持稳定,尽管神经代码的变化。

剑桥大学神经学家Michael e .博士和研究的合著者规则和蒂莫西·奥利里博士认为,神经元(细胞,使你的大脑工作)可以察觉到他们的一些输入的变化,并调整影响的力量,一个神经元在另一个,为了补偿,从而支持内部学习的一种形式。

“这些变化神经的代码相似的语言如何改变随着时间的流逝,而忠实地交流共同的想法和概念,“医生说规则,利华休姆职业生涯早期的工程部门的赞助。

虽然大脑的某些部分是塑料,和变化迅速,其他部分显示长期稳定。那么如何神经回路相互交流不断无需重新学习的事情他们已经学到了什么?甚至脑机接口:越来越多的被用作辅助生活设备为人们认知或生理impairments-must应对“漂移”。

研究人员认为,单个细胞内稳态的过程可以帮助大脑“手表本身”的变化,人口和内部生成信号帮助稳定神经“学习”如何跟踪不稳定的。研究人员做了这个猜想基于建模和数据/观察生活大脑的活动。

多么工程师目前发展中机器学习算法来追踪神经表征change-automatically-the时研究人员提出,类似于这些算法也可以作用于大脑,从著名的学习规则和自我平衡的过程。

“这可能说明塑料和稳定大脑中的神经的人群能够共存,”博士说。“我们已经知道,表征漂移发生在看待大脑的一部分,有一个重要的角色在学习和记忆似乎发生在顶叶皮层的区域负责感官知觉和集成。我们提出几种具体的机制,可以帮助使这个通过大脑可塑性与长期稳定兼容。”

奥利里博士工程学系副教授说,这项研究强调的“漂移”可能来自不断的学习。

“人工智能是一个巨大的棘手难题,即构建算法,可以学习的问题不断没有损坏之前学到的信息,”他说。“大脑显然达到这个,这个工作是一个步骤的方向发现算法,可以做同样的事情。”