新研究發現推翻了古老的大腦學習理論

據國外媒體報道，幾十年來科學家們認為學習發生在突觸或腦細胞之間的眾多連接處。但是現在，一項新的研究提出，學習發生在少數樹突中，即為腦細胞或神經元提供輸入的分支。

在一篇發表在《科學報告》雜誌上的論文中，作者描述了他們在研究了神經元和細胞培養的計算機模型後得出了這個結論。

在大腦的廣闊神經網路中，神經元的行為就像是通過它們的樹突吸收輸入的小微晶元，並且當達到某些條件時使用它們的軸突產生輸出。

軸突依次通過稱為突觸的鏈接與其他神經元的樹突相連。每個神經元的突觸比樹突多得多。

新研究的一個重要結果是，因為它提出學習發生在樹突而不是突觸，每個神經元的學習參數比以前想像的要少得多。

「在這個新的樹突學習過程中，」在以色列巴伊蘭大學的Gonda學科腦研究中心的高級研究作者Ido Kanter教授指出，「每個神經元有幾個自適應參數，相比之下，數千個微小的敏感的在突觸學習場景中。「

學習發生得比我們想像的要快

這項新研究的另一個重要結果是，新的樹突模型比傳統的突觸模型在學習過程中發生得更快。

這些結果可能對腦部疾病治療和計算機應用設計（如「深度學習演算法」和人工智慧）的設計有重要意義，這些都是模仿大腦工作方式。

研究人員預計，就後者而言，他們的研究為設計更高級的功能和更快的處理速度打開了大門。

傳統的突觸學習模式植根於1949年出版的 《行為組織》（The Organization of Behavior）一書中的 Donald Hebb的開拓性工作。

坎特教授和他的同事稱之為「通過鏈接學習」的模型提出，在學習過程中發生變化的「學習參數」反映了每個神經元的突觸或鏈接的數量，這些是計算單位在神經網路中。

"通過節點學習"

在他們稱之為「節點學習」的新模型中，研究人員提出，學習參數不反映突觸的數量，其中每個神經元有許多突觸，而是樹突或節點的數目，其中有隻有每個神經元少數。

因此，他們解釋說，「在連接神經元的網路中」，突觸模型中每個神經元的學習參數數量比樹狀模型中的數量「明顯更大」。

他們研究的主要目的是比較「突觸（鏈接）和樹狀（節點）學習情景之間的協同動力學特性」。

研究作者得出結論，他們的結果「強烈表明神經元樹突中發生更快和更強的學習過程，類似於目前歸因於突觸的過程。」

弱突觸在學習中起關鍵作用

這項研究的另一個重要發現是，似乎大多數大腦被認為在學習中起著不重要作用的弱突觸，實際上是非常重要的。

作者指出，「這種動態是違反直覺主要由薄弱環節控制的。」

看起來，在樹突模型中，弱突觸導致學習參數振蕩，而不是像「突觸模型」那樣進入「不切實際的固定極值」。

坎特教授通過比較我們應該如何測量空氣質量來總結結果。

「這是有意義的嗎？」他問道，「通過摩天大樓上的許多微小的遙遠的衛星感測器，或者用接近鼻子的一個或幾個感測器來測量我們呼吸的空氣的質量。」類似地，神經元更接近於其計算單元神經元的輸入信號。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！