2月25日研究表明单个神经元可以通过预测未来的活动来学习

几个世纪以来，人类一直在试图了解大脑是如何工作的以及它是如何获取信息的。虽然神经科学家现在对大脑不同部分的工作原理以及它们的功能有了很好的了解，但仍有许多问题没有得到解答。因此，仍然缺乏统一的神经科学理论。

近年来，计算机科学家一直在尝试创建计算工具，以人工重建人脑的功能和过程。阐明大脑如何做出预测的新神经科学理论可能有助于显着增强这些工具，以便它们以越来越现实的方式复制神经功能。

加拿大莱斯布里奇加拿大行为神经科学中心的研究人员最近进行了一项研究，调查单个神经元如何学习和预测未来。他们的发现发表在NatureMachineIntelligence上，表明单个神经元预测其未来活动的能力可以提供一种新的学习机制。

“神经科学现在处于生物学在达尔文之前的阶段，”进行这项研究的研究人员之一阿图尔·卢扎克告诉TechXplore。“它有无数详细的观察结果，但没有一个单一的理论可以解释它们之间的联系。因此，神经科学的最大任务是找到统一的原则来解释大脑是如何工作的。我们的工作旨在为这一探索做出贡献。”

使用数学方程，Luczak和他的同事证明了单个神经元的预测能力可以提供一种新的学习机制，最终可以在机器中复制。据研究人员称，这种学习过程可能源于代谢，因为神经元可能需要最大限度地减少自身的突触活动，同时通过招募其他神经元来最大限度地影响局部血液供应。

“你了解到乌云预示着下雨，因为这可以帮助你保持干燥，从而节省你的热能，”Luczak解释说。“类似地，神经元可能能够了解到X量的输入活动通常紧跟Y量的活动。通过调整突触以最大限度地减少意外-即实际活动和预期活动之间的差异-神经元可以通过仅活动来节省能量尽可能多。我们证明了预测学习规则是自然产生的，是神经元最大化代谢能量的结果。”

在他们的论文中，Luczak将这种学习机制称为“惰性神经元原理”。该团队仍然不确定单个神经元进行预测的确切机制，但他们认为它们可能与钙信号传导有关(即，需要使用钙离子进行交流和驱动细胞间过程的过程)。

“有趣的是，我们的结果还表明，自发的大脑活动(例如，在睡眠期间)为神经元学习从Y预测X提供了‘训练数据’，”Luczak说。

这组研究人员最近进行的研究可能会对神经科学和机器学习领域产生许多有趣的影响。总体而言，他们的研究结果表明，支持单个神经元功能的预测机制可能在学习中发挥关键作用。

“在未来，这个想法还可能有助于创建更强大的人工神经网络来解决具有挑战性的现实生活问题，”Luczak说。“我相信我们公布的预测学习规则是朝着找到统一的大脑理论迈出的重要一步。然而，实现这一目标还需要更多的步骤，我们很高兴能继续这一旅程。”