记住信息可能意味着将其存储在突触之间

导读 从你从咖啡馆的菜单板上读取 Wi-Fi 密码到你可以回到你的笔记本电脑上输入它的这段时间,你必须记住它。如果你想知道你的大脑是如何做到

从你从咖啡馆的菜单板上读取 Wi-Fi 密码到你可以回到你的笔记本电脑上输入它的这段时间,你必须记住它。如果你想知道你的大脑是如何做到这一点的,那么你就是在问一个关于工作记忆的问题,研究人员几十年来一直在努力解释这个问题。现在麻省理工学院的神经科学家发表了一项重要的新见解来解释它是如何工作的。

在PLOS Computational Biology的一项研究中, Picower 学习与记忆研究所的科学家将执行工作记忆任务的动物脑细胞活动的测量结果与各种计算机模型的输出进行了比较,这些模型代表了大脑中保持信息的潜在机制的两种理论. 结果强烈支持新的观点,即神经元网络通过对它们的连接或突触的模式进行短暂的改变来存储信息,并且与传统的替代方案相矛盾,即记忆是由神经元保持持续活跃(如怠速发动机) ).

虽然这两种模型都允许将信息牢记在心,但只有允许突触瞬时改变连接(“短期突触可塑性”)的版本产生的神经活动模式模仿了在工作中真实大脑中实际观察到的情况。资深作者厄尔·K·米勒 (Earl K. Miller) 承认,脑细胞通过始终“开启”来维持记忆的想法可能更简单,但它并不代表大自然在做什么,也不能产生间歇性思维可能产生的复杂思维灵活性由短期突触可塑性支持的神经活动。

麻省理工学院脑与认知科学系 (BCS) 神经科学教授米勒说:“你需要这些机制来为工作记忆活动提供灵活所需的自由。” “如果工作记忆只是单独的持续活动,它就会像电灯开关一样简单。但工作记忆与我们的思想一样复杂和动态。”

获得博士学位的共同主要作者 Leo Kozachkov。11 月在麻省理工学院进行包括这项研究在内的理论建模工作,他说将计算机模型与现实世界的数据相匹配是至关重要的。

“大多数人认为工作记忆‘发生’在神经元中——持续的神经活动会产生持续的想法。然而,这种观点最近受到了审查,因为它与数据并不完全一致,”共同监督的 Kozachkov 说。共同资深作者 Jean-Jacques Slotine,BCS 和机械工程教授。

“使用具有短期突触可塑性的人工神经网络,我们表明突触活动(而不是神经活动)可以成为工作记忆的基础。我们论文的重要收获是:这些‘可塑性’神经网络模型更适合大脑-就像在数量上一样,并且在稳健性方面也有额外的功能优势。”

模型与自然相匹配

Kozachkov 与共同主要作者、麻省理工学院研究生 John Tauber 一起,其目标不仅是确定工作记忆信息是如何被记住的,而是要阐明自然界实际上是如何做到的。这意味着从对动物前额叶皮层中数百个神经元的电“尖峰”活动的“基本事实”测量开始,因为它正在玩一个工作记忆游戏。

在许多轮中的每一轮中,动物都会看到一幅图像,然后它就消失了。一秒钟后,它会看到包括原件在内的两张图片,并且必须查看原件才能获得一点奖励。关键时刻是中间那一秒,称为“延迟期”,在此期间必须在测试前将图像牢记在心。

该团队始终如一地观察 Miller 的实验室之前多次观察到的情况:神经元在看到原始图像时出现大量尖峰,在延迟期间仅间歇性出现尖峰,然后在测试期间必须回忆图像时再次出现尖峰(这些动态由β 和伽马频率脑节律的相互作用)。换句话说,当信息必须最初存储和必须被调用时,尖峰信号很强,但只有在必须维护时才会出现。在延迟期间尖峰不是持续的。

此外,该团队训练了软件“解码器”,以从尖峰活动的测量中读出工作记忆信息。当尖峰信号很高时,它们非常准确,但当尖峰信号很低时,如延迟期,则不然。这表明尖峰信号在延迟期间并不代表信息。但这提出了一个关键问题:如果尖峰脉冲没有记住信息,那什么可以呢?

包括牛津大学的马克斯托克斯在内的研究人员提出,突触的相对强度或“权重”的变化可以代替存储信息。麻省理工学院的团队通过对包含每个主要理论的两个版本的神经网络进行计算建模来检验这一想法。与真实动物一样,机器学习网络被训练来执行相同的工作记忆任务并输出也可以由解码器解释的神经活动。

免责声明:本文由用户上传,如有侵权请联系删除!

猜你喜欢

最新文章