人類大腦思考模式遵循的是個人主義為上還是其他什麼呢？

神經元如何利用眾包來做決定

我們如何做決定?或者更確切的說，我們的神經元是如何為我們做決定的?單個神經元有強烈的發言權嗎?還是神經集體中的聲音?

一種思考這個問題的方法是問你需要觀察多少我的神經元來讀我的大腦。如果你能預測我將通過觀察我的一個神經元來表達「祖母」這個詞，那麼我們可以說我們的決定可以歸於單個的，也許是「非常有聲音」的神經元。在神經系統科學中，神經元被稱為「祖母」神經元，這是在20世紀60年代提出的，可能有單個神經元對複雜而重要的感知做出獨特的反應，比如祖母的臉。

另一方面，如果你只能通過輪詢我的許多神經元來解讀我的大腦，那麼它就會顯示出一個集體的決定，分布在成百上千甚至上百萬的神經元上。神經科學的一個大爭論是，單神經元編碼或分布式編碼對於理解大腦的功能是最重要的。

事實上，兩者都可能是對的。在最近發表在神經科學前沿的研究中，布萊恩丹尼爾斯、Jessica Flack和Jessica Flack利用了一名猴子的神經元的數據來解決這個問題，他的任務是做一個簡單的決定。

在涉及決策過程的大腦區域，丹尼爾斯和他的同事們發現，當猴子開始處理數據時，需要對許多神經元進行輪詢，以便對猴子的決定做出正確的預測。然後，當提交決策的時候，這種模式會發生變化。神經元開始達成一致，最終每個神經元都具有最大的預測性。因此，一開始，「神經語音」是異質的和集體的，但是當神經元接近決策點時，「神經的聲音」變得同質，從某種意義上說，是個人主義的，就像任何一個神經元一樣，都足以讀懂猴子的大腦。

丹尼爾斯說，對這種奇怪行為的一個可能的解釋是，這個系統有兩個任務要解決。它必須從嘈雜的數據中收集到好的信息，並且必須使用這些信息來產生一個連貫的決策。要在輸入中找到規律，它會對許多單獨的神經元進行調查，因為當數據嘈雜時，人群的答案比任何單個神經元都要可靠。但是，正如Krakauer所說，最終必須做出決定。神經元通過分享信息來達成共識，從而達成一致。

這一解釋與其他集體系統的結果相似，從動物社會到統計物理學研究的系統。Flack說，這一共性表明了集體計算的一般原則:它有兩個階段——一個信息積累階段，利用眾包收集可靠的信息，以及一個允許系統採取行動的共識階段。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！