在每个醒目的时刻,我们的人类和其他动物都必须在我们对过去的认识和现在的认识的边缘上平衡。我们必须在持有早期观察或事件的短期记忆的同时吸收关于我们周围世界的新感官信息。我们能够理解我们的环境,学习,行动并思考所有依赖于常数,灵活和记忆之间的敏捷。
但是为了实现这一目标,大脑必须保持两个截然不同的;否则,传入的数据流可能会干扰先前刺激的表示,并使我们覆盖或误解重要的上下文信息。复杂的挑战,一种研究暗示大脑没有整齐地分隔短期记忆功能,该功能专门分配到更高的认知区域,如前额外的皮质。相反,检测和表示经验的感觉区域和其他下皮质中心也可以编码和存储它们的存储器。然而,这些记忆不能被允许侵入我们对现在的看法,或者被新经验随机重写。
最近在自然界发表的纸张神经科学最终可以解释大脑的保护缓冲区如何工作。一对研究人员表明,表示当前和过去的刺激同时而不相互干扰,大脑基本上“旋转”感官信息以将其作为存储器进行编码。然后,两个正交表示可以从重叠的神经活动中汲取,而不会彼此侵入。此机制的详细信息可能有助于解决有关内存处理的几个长期辩论。
要弄清楚,大脑如何防止普拉斯顿大学的神经科学家蒂莫西布苏克曼·蒂莫西布苏克曼的新信息和短期记忆,以及他实验室的研究生,决定专注于对小鼠的听觉感知。他们让动物随着又一次地又一次地听取了四个和弦的序列,在布苏克曼被称为“最糟糕的音乐会”。
这些序列允许小鼠在某些和弦之间建立关联,因此当他们听到一个初始和谐的初始和谐时,他们可以预测声音会遵循的声音。同时,研究人员培养了机器学习分类器,分析了这些听话会议期间从啮齿动物的听觉皮层记录的神经活动,以确定神经元在序列中如何统称每个刺激。
Buschman和Libby观看了如何随着小鼠建立关联的模式。他们发现随着时间的推移,相关和弦的神经表征开始彼此相似。但他们还观察到,通过覆盖其先前投入的代表性,可以干扰鼠标效果的鼠标陈述的新的,意外的感官投入,例如陌生的和弦,例如鼠标的声音的表现。神经元追溯地改变了过去刺激的编码,以匹配动物与后期刺激相关的动物 - 即使这是错误的。
研究人员希望确定大脑如何纠正这种追溯干扰,以保持准确的记忆。因此,他们培训了另一个分类器来识别和区分神经图案,以表示序列中的和弦的回忆 - 例如,当意外的弦唤起与更熟悉的序列的比较时,神经元射击的方式。分类器确实找到了从听说过的实际和弦的回忆中的完整活动模式 - 而不是追溯地编写的虚假“更正”,以追求较旧的关联 - 但那些内存编码看起来与感官表示非常不同。
内存表示,在神经科学家描述为感觉陈述的“正交”尺寸,全部内在同一神经元中。 Buschman将其比较耗尽房间,同时在一张纸上手写的笔记。发生这种情况时,“你会把你的纸张旋转90度并开始写在边缘,”他说。 “这基本上大脑正在做什么。它得到了第一感觉输入,它将其写在纸上,然后它旋转该纸张90度,以便它可以在没有干扰或字面上覆盖的新感官输入中写入。“
换句话说,通过神经元烧制模式的形式转换为存储器中的感官数据。 “信息发生变化,因为它需要受到保护,”加利福尼亚大学的认知神经科学家Anastasia Kiyonaga说,圣地亚哥圣地亚哥没有参与该研究。
此前,这种使用正交编码将在大脑中分离和保护信息。例如,当猴子准备移动时,它们的电动机皮层中的神经活动代表潜在的运动,但是避免干扰驱动实际命令的信号到肌肉。
尽管如此,它仍然没有清楚神经活动如何以这种方式变革。 Buschman和Libby希望回答他们在他们的老鼠的听觉皮层中观察到的问题。 “当我第一次开始在实验室时,我很难想象神经射击活动如何发生这种情况,”利比说。她想“打开神经网络正在做的黑匣子以创造这种正交性。”
通过实验筛选,他们排除了听觉皮质中神经元的不同子集的可能性独立处理感官和记忆陈述。相反,他们表明,涉及相同的神经元群体,并且神经元的活性可以整齐地分为两类。在感觉和记忆表示期间,有些人在其行为中“稳定”,而其他“切换”神经元在每次使用时翻转其响应的模式。
对于研究人员的惊喜,这种稳定和切换神经元的组合足以使感官信息旋转并将其转化为内存。 “这是整个魔法,”Buschman说。
事实上,他和利比使用了计算建模方法,表明这种机制是构建感觉和记忆的正交表示的最有效的方法:它需要更少的神经元和比替代品更少的能量。
Buschman和Libby的调查结果饲养了神经科学的新兴趋势:即使在较低的感觉区域中,神经元的种群也从事比以前认为更丰富的动态编码。 “在食物链中低下的皮质的这些部分也适合真正有趣的动态,这可能是我们直到现在尚未真正感激的,”苏塞克斯大学的神经科学家Miguel Maravall说,他不参与其中新研究。
这项工作可以帮助调和持续争论的两面关于短期记忆是否通过恒定,持续的代表或通过随时间变化的动态神经电话来维持。我们的结果表明,基本上他们既有稳定的神经元,我们的结果表明,我们的结果表明就基本上都是正确的,而是稳定的神经元。过程的组合是有用的,因为“它实际上有助于防止干扰并进行这种正交旋转。”
Buschman和Libby的学习可能与超越感官代表的背景相关。他们和其他研究人员希望在其他过程中寻找正交旋转的这种机制:大脑如何立即跟踪多种思想或目标;在处理分心的同时它如何参与任务;如何代表内部州;如何控制认知,包括注意过程。
“我真的很兴奋,”Buschman说。看着其他研究人员的工作,“我只是记得看到,有一个稳定的神经元,有一个切换神经元!你现在在这个地方看到它们。“
利比对其对人工智能研究的结果的影响感兴趣,特别是在适用于必须多址的AI网络的架构设计中。 “我想看看人们在神经网络中预先分配神经元是否具有稳定和切换的属性,而不是仅仅是随机的属性,帮助他们的网络以某种方式,”她说。
总而言言至于“这种信息编码的后果将非常重要,真正有趣地弄清楚,”马拉瓦尔说。