脑嗅觉回路在果蝇中得到了最精准的绘制：从触角开始，每个感觉神经元都配备有检测特定气味的受体。
受体在结合气味分子后产生电信号。
当检测到气味时，这些构成嗅觉网络第一层的神经元会向位于触角叶的第二层神经元发出信号。
拥有相同受体的感觉神经元会连接到同一个第二层神经元。
因为神经元数比第一层少，第二层被认为是一个压缩层。
接下来，第二层神经元发信号给第三层数目更多的一组神经元——奇怪的是这两层神经元之间的连接似乎是随机的。
通过与哥伦比亚大学神经科学家理Richard Axel和Larry Abbott的紧密合作，杨光宇和王逸柳构建了一个人工神经网络，该神经网络是一种受大脑启发的计算工具，包括输入层、压缩层和扩展层，就像果蝇的嗅觉系统一样。
研究人员仅赋予每一层与果蝇系统相同数目的神经元，而非特定的结构。
网络中的人工神经元通过改变相互连接的强度来掌握特定任务。
通过训练，它们可以在复杂的数据集中识别模式，这让它们对语音和图像识别以及其他形式的人工智能颇有价值。
杨光宇说：“这是大脑嗅觉系统特别擅长的事情。
如果你将两种不同的苹果气味结合起来，大脑仍然会闻到苹果的味道。
但如果将两张猫的照片逐个像素地叠加在一起，大脑就不会看到一只猫。
这种能力只是大脑气味加工回路的特征之一，但却抓住了系统的本质”。
王逸柳说：“不同结构的网络可以产生类似的神经活动，因此神经科学家仍需知道人工网络是否反映了生物回路的实际结构。
有了果蝇嗅觉回路的全面解剖数据，我们可以提出这个问题：人工神经网络真的可以用来研究大脑吗？
”研究人员利用网络将代表不同气味的数据分配到各自的类别中——不仅要正确分别单一气味，而且要正确识别气味混合物。
人工网络只需要几分钟就学会了这个任务。
其中涌现的结构与果蝇大脑中的结构惊人地相似。
压缩层中的每个神经元接收来自同一类型感觉神经元的信号，并看似随机地连接到扩展层中的多个神经元。
更有意思的是，扩展层中的每个神经元平均接收来自6个压缩层神经元的连接——正如果蝇脑中发生的那样。
“这个数字可以是1，可以是 50，也可以是两者之间的任何数，”杨光宇说：“生物体中发现了6，我们的网络也大致发现了6”。
生物进化通过随机突变和自然选择发现了这个组织原则，人工网络则通过标准的机器学习算法找到了它。
这惊人的趋同为大脑具备分析嗅觉信息的最优结构这一假设提供了强有力的支持。
现在，研究人员可以使用该模型进一步探索这个结构：探索网络如何在不同条件下演化，并以实验无法完成的方式操纵回路。
总之，这项工作不仅可以帮助研究人员更好地理解脑嗅觉回路，还有助于体现人工神经网络与神经科学间的联系。
人们在看到人工神经网络可以精确地匹配大脑架构时，会更坚信神经网络在脑建模中将大有可为。
来源：brainnews
原文链接：http://mp.weixin.qq.com/s?__biz=MzI2ODEyOTE3OQ==&mid=2649610037&idx=5&sn=9555c5d806530989372fbcb54605026c
版权声明：除非特别注明，本站所载内容来源于互联网、微信公众号等公开渠道，不代表本站观点，仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。
电话：（010）86409582
邮箱：kejie@scimall.org.cn
