信用：CC0 Public Domain
芝加哥大学神经科学家的研究表明，短期工作记忆如何根据手头任务的复杂性不同地使用神经元网络。
研究人员使用现代人工智能（AI）技术来训练计算神经网络，以解决一系列复杂的行为任务，这些任务需要将资讯储存在短期记忆中。人工智能网络基于大脑的生物结构，揭示了短期记忆中涉及的两个不同的过程。一个是“沉默”的过程，大脑储存短期记忆而没有持续的神经活动，第二个更活跃的过程，神经元的电路连续发射。
该研究由UChicago资深科学家Nicholas Masse博士和资深作者David Freedman博士（神经生物学教授）领导，本周在Nature Neuroscience上发表。
“短期记忆可能由许多不同的过程组成，从非常简单的过程，你需要回忆几秒前看到的东西，到更复杂的过程，你必须操纵你在记忆中持有的资讯，”弗里德曼说。 。“我们已经确定了两种不同的神经机制如何协同工作来解决不同型别的记忆任务。”
主动与静音记忆
许多日常任务都需要使用工作记忆，这些资讯需要您在当下执行某些操作，但以后可能会忘记。有时候你会故意记住一些事情，比如当你在脑子里遇到数学问题或者在你有机会写下来之前记住电话号码时。你也被动地吸收你以后可以回想起的资讯，即使你没有记住它，就好像有人问你是否在走廊里看到一个特定的人。
神经科学家通过监测动物大脑中执行需要使用短期记忆的任务时的电活动模式，已经学到了很多关于大脑如何表示记忆中资讯的知识。然后，当动物执行任务时，他们可以监测脑细胞的活动并测量它们的活动。
但弗里德曼说，他和他的团队感到惊讶的是，在某些需要将资讯储存在记忆中的任务中，他们的实验发现神经回路非常安静。这导致他们推测这些“沉默”的记忆可能存在于神经元之间连线或突触强度的暂时变化中。
问题在于，使用现有技术测量活体动物大脑中这些“沉默”时期内突触发生的情况是不可能的。因此，Masse，Freedman和他们的团队一直在开发AI方法，这些方法使用来自动物实验的资料来设计能够模拟真实大脑中神经元如何相互连线的网络。然后他们可以训练网络来解决动物实验中研究的同类任务。
在使用这些生物学启发的神经网络进行实验期间，他们能够在短期记忆中看到两个不同的过程处理。其中一种称为持续性神经元活动，在更复杂但仍然是短期的任务中尤为明显。当神经元获得输入时，它会在活动中产生短暂的电刺激。神经元与其他神经元形成突触，当一个神经元发射时，它会引发连锁反应，使另一个神经元发生火灾。通常，当输入消失时，这种活动模式会停止，但AI模型显示，在执行某些任务时，即使在输入被移除后，某些神经元电路仍会继续发射，如混响或回声。对于需要以某种方式操纵内存中的资讯的更复杂问题，这种永续性活动似乎尤其重要。
研究人员还看到了第二个过程，它解释了大脑如何在没有持续活动的情况下将资讯储存在记忆中，正如他们在大脑记录实验中观察到的那样。它类似于大脑通过在许多神经元之间建立复杂的连线网络来将事物储存在长期记忆中的方式。当大脑学习新资讯时，这些联络会得到加强，改变或消除，这一概念被称为可塑性。AI模型显示，在记忆的静止期间，大脑可以在神经元之间的突触连线中使用短期形式的可塑性来暂时记住资讯。
这两种形式的短期记忆都持续几秒到几分钟。工作记忆中使用的一些资讯可能最终会长期储存，但大部分都会随着时间的推移逐渐消失。
“这就像用手指在雾化的镜子上写东西而不是用永久性记号笔写它，”Masse说。
互补的研究领域
该研究表明人工智能对神经科学的研究有多么宝贵，以及这两个领域如何相互促进。弗里德曼说，人工神经网络通常更聪明，更容易训练复杂的任务，当它们模模拟实的大脑后。这也使得生物学启发的AI网络成为测试真实大脑功能功能的更好平台。
“这两个领域真正互惠互利，”他说。“来自神经科学实验的见解正在帮助建立更智慧的人工智能，并在人工网络中研究电路有助于回答有关大脑的基本问题。”#清风计划#
更多资讯： 维护和处理工作记忆中资讯的电路机制，Nature Neuroscience（2019）。DOI：10.1038 / s41593-019-0414-3，https ：//www.nature.com/articles/s41593-019-0414-3
期刊资讯： 自然神经科学
