2月25日研究表明單個神經元可以通過預測未來的活動來學習

幾個世紀以來，人類一直在試圖了解大腦是如何工作的以及它是如何獲取信息的。雖然神經科學家現在對大腦不同部分的工作原理以及它們的功能有了很好的了解，但仍有許多問題沒有得到解答。因此，仍然缺乏統一的神經科學理論。

近年來，計算機科學家一直在嘗試創建計算工具，以人工重建人腦的功能和過程。闡明大腦如何做出預測的新神經科學理論可能有助于顯著增強這些工具，以便它們以越來越現實的方式復制神經功能。

加拿大萊斯布里奇加拿大行為神經科學中心的研究人員最近進行了一項研究，調查單個神經元如何學習和預測未來。他們的發現發表在NatureMachineIntelligence上，表明單個神經元預測其未來活動的能力可以提供一種新的學習機制。

“神經科學現在處于生物學在達爾文之前的階段，”進行這項研究的研究人員之一阿圖爾·盧扎克告訴TechXplore。“它有無數詳細的觀察結果，但沒有一個單一的理論可以解釋它們之間的聯系。因此，神經科學的最大任務是找到統一的原則來解釋大腦是如何工作的。我們的工作旨在為這一探索做出貢獻。”

使用數學方程，Luczak和他的同事證明了單個神經元的預測能力可以提供一種新的學習機制，最終可以在機器中復制。據研究人員稱，這種學習過程可能源于代謝，因為神經元可能需要最大限度地減少自身的突觸活動，同時通過招募其他神經元來最大限度地影響局部血液供應。

“你了解到烏云預示著下雨，因為這可以幫助你保持干燥，從而節省你的熱能，”Luczak解釋說。“類似地，神經元可能能夠了解到X量的輸入活動通常緊跟Y量的活動。通過調整突觸以最大限度地減少意外-即實際活動和預期活動之間的差異-神經元可以通過僅活動來節省能量盡可能多。我們證明了預測學習規則是自然產生的，是神經元最大化代謝能量的結果。”

在他們的論文中，Luczak將這種學習機制稱為“惰性神經元原理”。該團隊仍然不確定單個神經元進行預測的確切機制，但他們認為它們可能與鈣信號傳導有關(即，需要使用鈣離子進行交流和驅動細胞間過程的過程)。

“有趣的是，我們的結果還表明，自發的大腦活動(例如，在睡眠期間)為神經元學習從Y預測X提供了‘訓練數據’，”Luczak說。

這組研究人員最近進行的研究可能會對神經科學和機器學習領域產生許多有趣的影響。總體而言，他們的研究結果表明，支持單個神經元功能的預測機制可能在學習中發揮關鍵作用。

“在未來，這個想法還可能有助于創建更強大的人工神經網絡來解決具有挑戰性的現實生活問題，”Luczak說。“我相信我們公布的預測學習規則是朝著找到統一的大腦理論邁出的重要一步。然而，實現這一目標還需要更多的步驟，我們很高興能繼續這一旅程。”