神經(jīng)元“隱藏”的運(yùn)算能力被發(fā)現(xiàn)

黃珊

人類(lèi)大腦的信息處理能力，被認(rèn)為由神經(jīng)元之間的數(shù)萬(wàn)億連接所支撐。但是在過(guò)去的幾十年中，越來(lái)越多的研究正在將視線焦點(diǎn)轉(zhuǎn)移到了單個(gè)神經(jīng)元上，并發(fā)現(xiàn)這些神經(jīng)元似乎承擔(dān)著比我們想象的要多得多的計(jì)算。

一項(xiàng)最新證據(jù)是，科學(xué)家發(fā)現(xiàn)人類(lèi)皮層上存在著一種新型電信號(hào)。在近日《科學(xué)》上發(fā)表的一篇論文“Dendritic actionpotentials and computation inhuman layer 2/3 cortical neurons”中，研究人員發(fā)現(xiàn)，皮質(zhì)神經(jīng)元樹(shù)突上的微小區(qū)室（tinycompartments）可以執(zhí)行特定的“異或”數(shù)學(xué)計(jì)算。而在這之前，數(shù)學(xué)理論家們都認(rèn)為單個(gè)神經(jīng)元是無(wú)法進(jìn)行這類(lèi)計(jì)算的，也就是說(shuō)，不僅單個(gè)神經(jīng)元，甚至神經(jīng)元的樹(shù)突上的部分都可以進(jìn)行“異或”運(yùn)算，神經(jīng)元本身不再只是一個(gè)純粹的連接器，它們同樣能夠執(zhí)行復(fù)雜運(yùn)算，甚至就是一個(gè)多層網(wǎng)絡(luò)。

此前，這些策略多基于將神經(jīng)元視為簡(jiǎn)單的非智能開(kāi)關(guān)的觀點(diǎn)而建構(gòu)。在20世紀(jì)40年代和20世紀(jì)50年代，神經(jīng)科學(xué)的主流看法是：“啞”神經(jīng)元（“dumb”neuron）是一個(gè)簡(jiǎn)單的積分器，只是網(wǎng)絡(luò)中一個(gè)點(diǎn)，僅對(duì)其輸入進(jìn)行求和;細(xì)胞的分支延伸稱(chēng)為樹(shù)突，從鄰近神經(jīng)元接收成千上萬(wàn)的信號(hào);在神經(jīng)元內(nèi)部，所有那些信號(hào)都將被加權(quán)和計(jì)數(shù)，如果總和超過(guò)某個(gè)閾值，神經(jīng)元會(huì)發(fā)出一系列電脈沖，指導(dǎo)相鄰神經(jīng)元的刺激。大約在同一時(shí)期，研究人員意識(shí)到，單個(gè)神經(jīng)元也可以起到邏輯門(mén)的作用，類(lèi)似于數(shù)字電路中的邏輯門(mén)，例如如果僅在收到足夠數(shù)量的輸入后才觸發(fā)神經(jīng)元，那么它實(shí)際上就是一個(gè)AND 門(mén)。

樹(shù)突引起了洪堡（Humboldt） 神經(jīng)科學(xué)家Matthew Larkum和他的團(tuán)隊(duì)的興趣。但他們很快又想到了另一個(gè)問(wèn)題。由于樹(shù)突活性主要是在嚙齒動(dòng)物中進(jìn)行研究的，研究人員希望可以研究在具有更長(zhǎng)樹(shù)突的人類(lèi)神經(jīng)元中電信號(hào)傳導(dǎo)可能存在的不同。在這次的研究中，他們從人類(lèi)皮質(zhì)的第2層和第3層中獲得了腦組織切片，其中包含特別大的神經(jīng)元和許多樹(shù)突。當(dāng)用電流刺激那些樹(shù)突時(shí)，研究人員發(fā)現(xiàn)了一些奇怪的東西———一些意外存在的周期性反復(fù)的波動(dòng)。這些波動(dòng)似乎完全不同于其他已知種類(lèi)的神經(jīng)信號(hào)。它們特別迅速而短暫，如同由鈣離子通量引起的動(dòng)作電位一般。但常規(guī)的動(dòng)作電位常由鈉和鉀離子引起的。而且，雖然先前已在嚙齒動(dòng)物的樹(shù)突中觀察到鈣誘導(dǎo)的信號(hào)傳導(dǎo)，但這些波峰往往持續(xù)更長(zhǎng)時(shí)間。

為了弄清楚這種新型波動(dòng)可能發(fā)揮的作用， 團(tuán)隊(duì)與Poirazi和她在希臘的實(shí)驗(yàn)室的研究員Athanasia Papoutsi合作，共同創(chuàng)建了一個(gè)模型來(lái)模擬這種神經(jīng)元行為。然而，不是所有的神經(jīng)元都有這種現(xiàn)象。一個(gè)可能性是，類(lèi)似于多層網(wǎng)絡(luò)的神經(jīng)元具有更大的處理能力，因此可以學(xué)習(xí)或存儲(chǔ)更多的信息。研究人員說(shuō)：“也許某些個(gè)神經(jīng)元就能執(zhí)行復(fù)雜的功能。擁有如此強(qiáng)大的單個(gè)神經(jīng)元，可能有助于大腦節(jié)省能耗”。

盡管仍有許多工作要做，但研究人員認(rèn)為，這些發(fā)現(xiàn)標(biāo)志著需要重新思考如何為大腦及其更廣泛的功能建模。僅關(guān)注不同神經(jīng)元和大腦區(qū)域的連通性是不夠的。新結(jié)果似乎也有望影響機(jī)器學(xué)習(xí)和人工智能領(lǐng)域的問(wèn)題?，F(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)依賴(lài)于點(diǎn)模型，將神經(jīng)元視為單點(diǎn)輸入并通過(guò)活動(dòng)函數(shù)傳遞總和的節(jié)點(diǎn)。紐約大學(xué)的認(rèn)知科學(xué)家Gary Marcus說(shuō)：“很少有人認(rèn)真考慮過(guò)單個(gè)神經(jīng)元可能會(huì)是復(fù)雜的計(jì)算設(shè)備”。他補(bǔ)充說(shuō)，盡管這篇論文只是證明這一想法的一個(gè)初步證據(jù)，但計(jì)算機(jī)科學(xué)家可能對(duì)此快速反應(yīng)以改善現(xiàn)在的AI神經(jīng)網(wǎng)絡(luò)。