据7月12日发表在《细胞通讯》杂志上的一篇论文称：蓝脑计划（一项瑞士大脑研究计划）的研究人员开发了一个新的方法来研究大脑中单个神经元的运作方式。该研究表明，当神经元接收到输入信号时，从神经元延伸出来的复杂树形受体的分支，即树突，会根据输入的复杂性进行功能上的协作。
突触的强度决定了一个神经元对来自其他神经元电信号强度的感受，而学习行为会改变这种强度。该研究中使用的算法通过分析决定这些突触如何相互通信的“连通矩阵”，并结合树突的结构和电特性，确定了突触何时何地组合成独立的学习单元。换言之，新的算法让我们知道了神经元的树突如何在功能上分裂成不同的计算单元。
研究人员将他们的结果与目前的计算技术进行了比较。这种新发现的树突功能就像是并行计算单元，它意味着神经元能够同时处理输入的不同信息，类似超级计算机。每个并行计算单元都可以独立地学习调整其输出信号，就像当今人工智能（AI）模型中使用的深度学习网络中的节点一样。与云计算相比，神经元可以根据输入的工作负载来决定所需的独立计算单元的数量。
此外，研究还揭示了这些并行处理单元是如何影响学习的，即不同神经元之间连接强度的变化。神经元的学习方式取决于并行处理器的数量和位置，而并行处理器又取决于来自其他神经元的信号。例如，当神经元的输入水平较低时某些突触不能独立学习，而在输入水平较高时它们便可以独立学习。
到目前为止，传统的学习算法（如目前在人工智能应用中使用的算法）都认为神经元是静态单元，只起到整合和重新缩放输入信号的作用。而目前的研究结果表明，通过平衡输入或分流抑制可以控制独立亚单位的数量和大小。研究人员提出，这种按照不同输入信息特点进行的临时分流控制，成为帮助我们学习的强大机制。
该方法发现，大脑在许多状态下，神经元的并行处理器比树突分支模式的预期要少得多。因此，许多突触似乎处于“灰色地带”，它们不属于任何处理单元，该文第一作者Willem Wybo解释说：“然而，在大脑中，神经元接收不同水平的背景输入，我们的结果表明，并行处理器的数量随背景输入水平的不同而变化，这表明同一神经元在不同的大脑状态下可能具有不同的计算作用。”
研究人员总结道：“我们对这一发现特别兴奋，因为它揭示了大脑在高低不同水平活跃状态时的作用，也提供了为什么皮质抑制如此具有位置特异性的原因。有了新的发现，我们可以开始寻找利用处理单元之间配对的快速变化的算法，让我们更深入地了解大脑运算的根本原理”。
科界原创
编译：小贝
审稿：alone
责编：张梦
期刊来源：《细胞通讯》
期刊编号：2211-1247
原文链接：
https://medicalxpress.com/news/2019-07-neuron.html
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
