物理學家聲稱，我們大腦的學習是由熵控制的

我們的大腦學習新信息的方式困惑了科學家幾十年，我們每天都會遇到這麼多新的信息，我們的大腦如何存儲重要的信息，並且更有效地忘記了其餘信息的？

事實證明，這可能由控制恆星形成和宇宙演變的相同的法則控制。因為一組物理學家已經表明，在神經元水平上，學習過程最終可能受到熱力學定律的限制。

德國斯圖加特大學的首席研究員Sebastian Goldt表示：「我們工作的最重要的意義在於我們將熱力學的第二定律引入到神經網路的分析中。」

熱力學的第二定律是我們所擁有的最有名的物理定律之一，它指出，一個孤立系統的總熵總是隨時間增加。

熵是一種熱力學量，通常被稱為系統中的無序度量。這也就意味著，如果沒有額外的能量被放入一個系統，轉換不能逆轉，事情會逐步更加無序。熵目前是「為什麼時間箭頭只能前進」的主要假設。

但這與我們的大腦學習的方式有什麼關係？就像恆星中原子的鍵合和氣體顆粒的排列一樣，我們的大腦被設計成找到最有效的方式來組織自己。

Goldt解釋說：「第二定律是一個非常強大的陳述，這種變換是可能的。而學習只是以犧牲能量為代價的神經網路的變換。」

如果你記住這樣一個事實，即最簡單的形式的學習是由我們的大腦裡面數十億神經元控制的，然後在大腦能量輸出中找到能量輸出中的模式變得更容易一些。然後找出大腦中能量輸出變得更容易一些的模式。

為了模擬它是如何工作的，Goldt和他的團隊建立了一個神經網路--一個計算機系統，模擬人類大腦中神經元的活動。

幾乎每個生物體都會收集有關其嘈雜環境的信息，大多使用神經網路從這些數據中構建模型。研究人員正在尋找的是神經元如何過濾掉雜訊，並且只對重要的感覺輸入做出反應。

他們的模型基於赫布理論，赫布理論解釋了在學習過程中神經元是如何適應的。意味著當細胞神經在某些模式下更好地傳輸時，最終的想法在我們的大腦中得到更多的增強。

使用這個模型，團隊表明學習效率受到神經網路的總熵產生的約束。他們注意到神經元學習越慢，它產生的熱和熵越少，這提高了它的效率。

不幸的是，結果並沒有告訴我們如何學習更好或更聰明。

但是研究人員所做的是對學習研究提出一個新的觀點，並提供證據表明我們的神經元遵循與宇宙其他部分相同的熱力學規律。

然而，他們不是第一個在熱力學方面思考我們大腦的人。去年，來自法國和加拿大的一個團隊提出，意識可能只是熵的副作用，我們的大腦以最有效的方式組織起來。

想要了解我們大腦是如何工作的，我們還有很長的路要走。還有許多的研究正在探索我們的大腦，但是每條新線索都使我們更加接近了解我們的大腦，並希望學習如何在人工系統中利用它。