更新时间：2025-05-17 01:33作者：佚名
英国戏剧《黑镜（Black Mirror）》剧照
在《黑镜》中，人类可以随意通过可植入的设备播放，编辑甚至删除记忆。这项技术似乎是科幻的，但它与神经科学的核心命题相吻合：记忆的本质是突触连接的动态重塑。
神经科学家长期以来一直认为大脑通过突触可塑性遵循草药定律。但是，加州大学圣地亚哥分校的一项研究团队最近在《 《科学》杂志》上发表，发现同一神经元中的不同突触可以根据多个规则共同工作。这一发现重建了学*机制，并为脑部疾病的治疗和类似大脑样的AI的发展开辟了新的途径。
突触：记忆的雕刻器
神经元结构
在大脑中，两个神经元通过突触相互连接。在大多数情况下，神经脉冲的电信号在突触时会转化为神经递质的化学信号，然后激活下一个神经元的电活动。突触是两个神经元之间信号传递和整合的关键结构。
突触可塑性
同时，突触会因其自己的活动加强或削弱。这种现象称为突触可塑性。
1949年，心理学家唐纳德·赫布（Donald Hebb）提出了法律来解释突触可塑性的基本原理，称为赫比亚统治。它的本质可以概括为“将它们一起射击，将其连接在一起”。
例如，当您第一次闻到咖啡时，嗅皮层中的“咖啡气味”神经元与视觉皮层中的“棕色液体”神经元同步激活，并且两者之间的突触连接得到增强。
之后，只要您看到咖啡杯，您的大脑就会自动唤起香气记忆。该理论统治了半个世纪的神经科学领域，直到新的研究发现传统认知的局限性。
大脑的“多线”学*策略
在加州大学圣地亚哥分校研究团队的最新实验中，研究人员使用了两光子显微镜，这是一种高分辨率成像技术，可穿透活着的脑组织，以观察小鼠的突触活动，当他们学会按下杠杆以获得奖励。
小鼠大脑皮层中的神经元及其分支延伸
传统上认为，神经元遵循Hebbe的定律，即，总是兴奋的神经元将被联系在一起。但是研究人员发现，神经元的突触并不遵守相同的规则。
同一神经元的不同树突分支（接收输入的结构）实际上遵循完全不同的强化规则。例如，负责接收声音信号的树突突触严格遵循草药定律，而控制肢体运动的突触完全忽略了该规则，并且完全独立于神经元活动。
结果表明，神经元不仅可以适应单个规则，而且可以同时使用两组不同的规则在不同的突触组中学*，这些规则可以更准确地调整他们收到的不同类型的输入，以适当地表示大脑中的新信息。
这也意味着在学*过程中遵循不同的规则，神经元可以同时处理多个任务并并行执行多个功能。
就像一个交响乐团，弦乐根据乐谱演奏，而打击乐俱乐部即兴演奏，但最终可以综合和谐音乐。
这种“多规则并行”机制使我们对学*过程中神经元之间的联系如何变化，从而提供了关键线索，从而了解大脑如何解决“信用分配问题”（即，在突触层面学*信号选择）并为神经科学研究提供新的见解。
未来应用：解码脑部疾病和重塑AI的关键
这项研究的发现就像是一个多功能密钥：它不仅可以解锁脑部疾病的精确治疗路径，而且可以打开新一代人工智能的进化密码。
意大利画家多米尼加·费迪（Dominican Ferdy）《忧郁，一个悲叹的女人》（照片来源：大都会艺术博物馆，纽约）
在脑部疾病领域，包括退化性和精神疾病在内的大多数脑部疾病都涉及某种形式的突触功能障碍，例如阿尔茨海默氏病的记忆片段化，可能对与记忆相关的突触的可塑性规则无效；抑郁症可能与Hebbe在奖励途径中基础树突规则的异常削弱有关。
通过了解突触可塑性的正常运作，科学家可以更好地了解疾病的问题，并在将来产生更积极和有效的疗法。
游戏《底特律：变人（Detroit: Become Human）》屏幕
此外，这项研究对人工智能领域也有影响。尽管当前AI的神经网络受到大脑的启发，但它们连接到更新的学*规则通常是单一的，并且缺乏生物性。我们的研究可能为开发更高效，更高的性能生物仿真AI模型提供新的想法。
当前的神经网络就像“单核处理器”，所有节点都遵循相同的学*规则。如果我们模仿人脑劳动机制的树突部门，并像顶级树突一样让AI“团队协作”的视觉模块“团队协作”，它可能会在《底特律：变人》中诞生具有情感决策能力的仿生者。
但是，技术突破还伴随着公式《黑镜》的警告：如果可以任意对突触规则进行编程，则记忆的真实性和个人身份可能会崩溃。科学界需要在解锁脑法规的同时建立高道德墙。毕竟，真正的进步不仅是“我们能做什么”，而且是“我们选择不做的事情”。
参考：
https://theconversation.com/how-does-your-brain-create-new-memories-neuroscientists-niscover-wissover-for-how-now-neurons-new-new-new-new-information-254558
https://www.science.org/doi/10.1126/science.ads4706
https://neuroscienceenews.com/synapses-learning-neuroscience-28666/
https://en.wikipedia.org/wiki/hebbian_theory#limitations
https://en.wikipedia.org/wiki/synaptic_plasticity
翻译者：杨Yuxin
评论：Liu Ying Li Peiyuan
评论专家：Song Kun北京大学未来技术学院辅助教授兼研究员
资料来源：TADPOLE五洞光谱