MIT最新研究證實，當一個神經元突觸增強時，它周圍的神經元會變弱。這對于當下大熱的神經網絡來說，又會有怎樣的啟示呢？

我們的大腦非常靈活，這一切都得益于大腦的可塑性（plasticity）。過去的科學家認為在嬰兒關鍵期后，大腦的結構往往不發生變化。但是在1992年，Richard Davidson提出，重復性的經驗可以改變大腦結構。大腦的結構可塑性是指大腦內部的突觸、神經元之間的連接可以由于學習和經驗的影響建立新的連接，從而影響個體的行為。不過，神經科學家們表示，如果某些連接增強，神經元必須對此進行補償，否則就會被輸入所淹沒。在一項新的研究中，MIT Picower學習與記憶研究所的科學家們首次展示了這一平衡是如何達到的：當一個連接（突觸）增強時，臨近的突觸會根據Arc（一種重要的蛋白質）的反應變弱。

論文的第一作者Mriganka Sur將這一行為比作海中的魚群，只要領頭的魚轉變了方向，其他的魚會遵循它的軌跡，一起轉向，在大海中呈現表演一場曼妙的“舞蹈”。

“復雜系統的集體行為通常有著簡單的規則，當一個神經突觸增強，50微米之內一定有其他突觸的力量在分子機制下減弱”，科學家們表示。這一發現解釋了突觸是如何在神經元發揮可塑性上進行增減的。

論文概述

雖然這一發現的結論很簡單，但是實驗的過程卻很復雜。在一個關鍵實驗中，科學家們通過改變神經元的“接受域”或它對應的視覺域觸發了可塑性。神經元通過突觸在末端的樹突上接收輸入，為了改變神經元的感受域，科學家們確定了神經元相關樹突上的中心位置，然后密切監測突觸的變化，他們用小鼠作為實驗對象，在屏幕上的特定位置向小鼠展示目標，這個位置和神經元原始的接受域不同。每當目標處于他們想要誘導的新的感受野位置時，他們會在小鼠的視覺皮層區閃爍藍光，加強神經元的反應，激發其他活動。神經元已經被基因工程改造成可被閃光激活，這種技術被稱為“光遺傳學”。

作者El-Boustani說：“我們能重現大腦中單個神經元，并在活體組織中見證分子機制的多樣性，他們讓這些細胞通過突觸可塑性整合成新功能，這項研究讓我們很激動。”

隨著新感受野突觸的增長，研究人員在雙光子顯微鏡下看到附近的突觸縮小了。而在沒有光遺傳刺激的對照組中，他們沒有看到這些變化。

當然，用光照對小鼠的神經元進行“改造”并非是自然操作，因此團隊進行了另一個更經典的“單眼剝奪”實驗，其中他們暫時蒙蔽了老鼠的一只眼睛。這時候，與閉上的眼睛相關的神經元中的突觸會減弱，而睜開眼睛的突觸會增強。之后當把眼睛打開時，突觸會再次重新排列。研究人員監測了這一活動，并發現隨著突觸的增強，周圍的突觸會削弱自身進行補償。

那么，這項神經科學領域的突破和機器學習有什么關系呢？

長久以來，深度學習界的研究者們認為，對人類大腦的模擬是推動神經網絡進步的重要手段。在機器學習和認知科學領域，人工神經網絡是一種模仿生物神經網絡的結構和功能的數學模型或計算模型，用于對函數進行估計或近似。深度神經網絡在最初提出的時候，顯然是借鑒人腦的，權值更新規則是生物學中著名的Hebb’s rule，其表示經常一起激活的神經元連接會加強。另外，Yann LeCun在提出CNN的時候借鑒了人腦視覺處理分層的機制，并且CNN產生了和人腦非常一致的激活模式。

此外，論智君也曾報道過強化學習和人腦的多巴胺系統有著非常重要的聯系。DeepMind在上個月也發表論文，他們利用元學習框架，讓多巴胺系統訓練大腦的前額葉皮質層，使其學會獨立學習，從而將這一機制應用于AI上。

雖然神經網絡發展到已經可以玩游戲、查找路線了，但是想要做更復雜的動作仍然非常困難，并且需要依賴數千小時的訓練才能達到甚至超越人類水平。此前論智君曾報道過在NIPS 2017的神經信息處理研討會上，有專家就探討過秀麗隱桿線蟲在促進機器學習發展上的作用。這種蠕蟲只有302個神經元，但能做很多事情，例如導航、交配、尋找食物等。有人曾說，想讓人工智能完成人類做的事，就要先達到老鼠的水平。但是目前，神經網絡想要達到秀麗隱桿線蟲的水平都還很困難，也就是說真實生物體的內部還有許多等待我們發掘的奧秘。

再回到MIT的這項研究，這項研究揭示了一項非?；A的人腦活動規則，雖然不涉及具體的優化機制或BP算法，但是它們對神經網絡的學習和進一步發展具有重要意義。