对大脑中神经元行为的新见解可能为识别学习障碍铺平道路

在发现这一发现时,Sajikumar Sreedharan博士和本科生Karen Pang,博士生Mahima Sharma,博士后研究员Krishna Kumar博士 - 来自生理学系

适应和学习经验的能力是人脑最吸引人的特征之一。这个迷人的器官由数十亿个神经元组成,这些神经元又与许多其他细胞相连。神经元之间的物理连接(称为突触)是神经元相互交流的地方。突触是可塑性的-这些连接可以响应传入的信息而动态增强或减弱。突触功效的这种变化是大脑学习和记忆形成的基础。

DNN:

但是,这些联系是如何形成并且有多少种联系方式,迄今人们知道的并不多。现在有新的研究发现,神经递质也决定突触联系方式,从而形成了不同的神经回路。

必发官网 befair ,还记得老师和家长听到人们被称为慢学习者吗?对于那些花费更长时间来处理信息的人来说,这种常用的描述现在已经有了它存在的科学依据。

不幸的是,在阿尔茨海默氏病影响的大脑中,大脑可能无法响应如此精确的信息流动而改变其能力,因为在这种常见的痴呆病因中海马尤其受到损害。这项研究可能为理解如何这样的时间差异会改变大脑功能,以及如何逆转或缓解这些变化。这可能使临床医生能够帮助患有记忆力减退的患者。国立大学医院神经病学高级顾问,记忆衰老与治疗主任Christopher Chen博士说。国立大学卫生系统认知中心。

必发官网 befair 1

但即便解决了所有的问题,也明确了用图像控制大脑不同部位的神经元(激活并传导到特定的神经网络),未必就能真的实现控制大脑,因为这涉及太多的伦理问题。

  • 以及来自中国的合作者Thomas Behnisch博士提供了有关基本信息。精确的时间可以严重影响记忆过程的形成。该研究于2019年3月1日在着名的国际期刊美利坚合众国国家科学院院刊(PNAS)上发表。

已经提出了STDP模型来解释空间和时间序列学习。此外,STDP模型在必须快速完成对象识别和决策的各种情况下非常有用,例如避免弹丸或敌人识别。例如,当一个球飞向我们时,我们必须在很小的时间范围内识别出物体及其行进轨迹,以便迅速采取行动避免被击中。同样,当我们遇到另一个人时,我们必须快速确定他们是朋友还是敌人。这种识别需要在STDP解释的活动定时窗口内大脑各个区域的协调动作。

举例来说,有人在做神经元膜离子通道相关的工作。一个神经元的输入,可以分为三部分,从其他神经元来的电信号输入,化学信号输入,还有编码在细胞内的信号(兴奋,抑制类型,这里可以类比为 激活函数?),输出也是三个,电输出,化学输出,改变自身状态(LTP 长时程增强, LTD长时程抑制)

必发官网 befair 2

换句话说,当谈到快速思考时,时机会产生重大影响。

此外,研究人员证明,当突触前​​和突触后尖峰同时出现时,突触强度会持续增加数小时,并且突触甚至可以增强弱信息,从而使其得以存储。效果是特定的,仅用于增强该突触,而不能增强其他突触的变化。这项研究揭示了神经元活动中的瞬间时间对塑造大脑信息处理的重要性。

在神经系统里面,记忆的存储是由一些脑区的突触的形成和消失来存储的。其实他们有一个比较共通的地方在于,他们在训练过程中都是渐变的。得益于反向传播机制和 神经系统的生物性,他们在训练过程中和在不断的学习过程中都只能以一个相对慢的速度发生改变,从学习速率角度来讲,他们是比较相似的。

更重要的是,如果这类AI软件进一步发展到可以随时控制正常人的大脑,就违背和超越了人工智能的一个极大的伦理原则,即AI不应用来收集或使用信息,以监视人和控制人。

新加坡国立大学Yong Loo Lin医学院的科学家们发现,一个人能够快速掌握,处理,理解,储存和使用信息,这取决于大脑神经元发射的速度和时间。一个神经元和下一个神经元的发射之间的间隙越接近,接收,存储和作用信息的速度就越大。

研究人员可以检测出突触间时间的长期影响,因为他们研究突触变化的时间比以前的研究(通常少于1.5小时)更长(4小时)。

来自 : Neural Networks - Ufldl

现在已知的是,人脑中大约有1000亿个神经元,每个神经元又通过突触(神经元与神经元之间的接头)与多个神经元联系,是通过神经元上的称为轴突和树突的分支来建立联系的。

适应和学习经验的能力是人类大脑最有趣的特征之一。这个迷人的器官由数十亿个神经元组成,这些神经元又连接到许多其他细胞。神经元之间的物理连接称为突触,是神经元相互通信的地方。突触非常可塑

这些连接可以动态增强或减弱以响应传入的信息。突触功效的这种变化是学习和大脑记忆形成的基础。

新加坡国立大学的研究小组发现,海马体(一个对记忆形成至关重要的大脑区域)的神经元使用了各种各样的学习机制。一种这样的学习形式,称为尖峰定时依赖性可塑性(STDP),取决于突触前神经元和突触后的每对电刺激(用于在神经元内传递信息的电活动)的时间。神经元(图1)。突触前神经元中的电刺激刺激神经元释放神经递质,神经递质穿过突触以激活突触后神经元,其中信息被转换回电刺突。当突触前和突触后神经元同时活动(相隔小于30毫秒)时,它们之间的连接得到加强。然而,

此外,研究人员证明,当突触前​​和突触后尖峰同时发生时,突触强度的增加持续数小时,突触甚至可以加强弱信息,使其得以存储。效果是特异性的,仅用于加强这种突触,而不是增强其他突触的变化。这项研究揭示了神经元活动的瞬间时间在塑造大脑信息处理中的重要性。

研究人员可以检测到峰值时间的长期影响,因为他们研究突触变化的持续时间(4小时)比之前研究中使用的持续时间长,通常不到1.5小时。

已经提出STDP模型来解释空间和时间序列学习。此外,STDP模型在各种必须快速完成物体识别和决策的情况下派上用场,例如抛射物避免或朋友识别。例如,当一个球飞向我们时,我们必须在非常小的时间窗口内识别物体及其行进轨迹,以便迅速采取行动以避免被击中。同样,当我们遇到另一个人时,我们必须迅速决定他们是朋友还是敌人。这种认识需要在STDP解释的活动时间窗口内进行大脑各个区域的协调行动。

不幸的是,由于海马在这种痴呆症的常见原因中特别受损,因此在阿尔茨海默氏病影响的大脑中,大脑能够根据信息流的精确时间进行改变的能力可能缺乏。本研究可为理解如何提供基础这种时间差异改变了大脑的功能,也改变了这些改变如何得到扭转或减轻。这可能使临床医生能够帮助患有记忆丧失的患者,国立大学医院神经病学高级顾问,记忆衰老主任Christopher Chen博士说。认知中心,国立大学卫生系统。

全面了解影响神经连接的因素对于我们理解大脑中的信息处理至关重要。它还有助于我们了解记忆是如何形成的。此外,牢牢掌握这些神经计算规则可以帮助指导人工智能技术的构建,例如深度神经网络,其受到大脑学习机制的启发。

在自闭症谱系障碍的情况下,一些神经系统比其他神经系统更活跃。这可能是一些自闭症患者擅长某些任务,如艺术或数学,但难以社交的原因。使用人工智能,它可能有可能识别或多或少活跃的神经网络,并且可能使用STDP规则使其功能正常化,Sajikumar博士说。

基于对正常大脑如何计算信息和学习的这种改进的理解,研究人员可以确定可能涉及精神分裂症,抑郁症,睡眠丧失,中风,慢性疼痛,学习障碍和阿尔茨海默病等疾病的进一步研究机制。

必发官网 befair 3

作者 | Harold Yue

由于人和非人灵长类动物的解剖和生理都相似,这一研究结果似乎也可以推论到人,也就是未来如果采用某种AI模型,就可以控制人的大脑。

必发官网 befair 4

NUS小组发现,海马神经元(对记忆形成至关重要的大脑区域)使用了各种各样的学习机制。一种这样的学习形式,称为尖峰时变依赖可塑性(STDP),取决于突触前神经元和突触后神经元中每对电尖峰的时间(用于在神经元内传递信息的电活动)。神经元(图1)。突触前神经元中的电尖峰刺激神经元释放神经递质,该神经递质穿过突触行进以激活突触后神经元,然后信息被转换回电尖峰。当突触前和突触后神经元同时活动(相距少于30毫秒)时,它们之间的联系就会增强。然而,

再说编码方式,神经科学里面的 神经元是会产生0-1 的动作电位,通过动作电位的频率来编码相应的信号(脑子里面的大部分是这样,外周会有其他形式的),而人工神经网络?大部分我们听到的,看到的应该都不是这种方式编码的,但是 脉冲神经网络 这个东西确实也有,(去ASSC 开会的时候看到了一个很有趣的工作,在评论区简单说了下,有兴趣可以去看。)

对于正常人,这种AI软件可能做到控制或吸引部分大脑的神经元,让不同的大脑功能区发挥作用。例如,如果能通过操控AI刺激大脑的海马回,就可能催生学霸,因为海马回的主要功能是记忆和认知。

在作出这一发现时,来自生理学系的Sajikumar Sreedharan博士,本科生Karen Pang,博士生Mahima Sharma,博士后研究员Krishna Kumar博士(来自生理学系)和合作者Thomas Behnisch博士提供了有关精确的基本信息。可能严重影响存储过程形成的时间。该研究于2019年3月1日发表在享有盛名的国际期刊《美国国家科学院院刊》(PNAS)中。

总结一下,就是深度神经网络和大脑皮层有共通的地方,但是并不能算是模拟。只是大家都找到了解题的同一个思路而已。

即便是应用于提高记忆力和增强学习能力,都有可能造成不对等竞争的后果,也会产生不公正。

觉得想说的大概就是这些,因为我自己做的研究是 视觉注意,更多在人身上做,所以对于中间的环路级别的研究,并不是特别的熟悉。再往上,谈到人类大脑皮层的工作,个人觉得做的十分的有限,对于大部分脑区,我们并不知道他们是怎么工作的,只是能把不同的脑区和不同的功能对应起来。在这个角度上谈他们的异同是不太负责的。。容易被打脸。

但对于正常人而言,通过这样的AI软件来控制大脑就有比较大的伦理问题。

人工智能交融了诸多学科,而目前对人工智能的探索还处于浅层面,我们需要从不同角度和层次来思考,比如人工智能和大脑的关系。

对于疾病的治疗,可能更多的是介入神经精神疾病,如抑郁症、癫痫,甚至精神分裂症,这些疾病是因为大脑不同皮层区的不同功能处于变异和失常,或亢奋,或减弱而引发的病症。但是,这得明确哪些是对应的神经元,以及中间通过哪些神经回路起作用。

随后把这些图像呈现给猴子来测试AI模型控制猴子神经元的情况,结果表明,AI模型可以强烈激活所选定的大脑神经元,甚至可以精确控制单个神经元和位于网络中间的神经元群。因此,未来可能只要能操控视觉神经网络模型AI,就可以控制大脑。

RNN:

利用视觉神经网络模型AI控制大脑的这些作用还只是推测,是否能做到,情况极为复杂。首先是,尽管可以知晓一些大脑功能区的神经元,而且也能通过AI软件来控制,但它们发挥作用也有一套精密程序,主要是通过功能神经元与相邻的神经元组成神经网络,即大脑回路,让大脑多部位的神经元都参与其中。实际上,大脑的所有功能都由许多不同皮层区的神经元共同、协同,以及制约来完成的。

神经网络的结构

控制大脑的思维好像天方夜谭,但是不断有研究人员尝试突破。

我们就自底往上说。

必发官网 befair 5

我上面提到的是一个理想的情况,我们对大脑已经了解的比较透彻的,知道该去掉哪,留下哪。但是现在......可能还要走一段模拟的路子。

具体而言,即研究人员建立一个基于人工神经网络的视觉系统模型,每个网络都以一个由模型神经元或节点(类似于真实神经系统中的突触)组成的任意架构开始,这些神经元或节点可以以不同的强度相互连接。然后,用一个包含超过100万张图像的图库来训练这些模型。当研究人员向模型展示每张图像,以及图像中最突出的物体的标签时,模型通过改变连接的强度来学习识别物体。