Nature:是什么限制了我们的学习能力
Bio360 · 2014/09/01
来自卡内基梅陇大学和匹兹堡大学的科学家们,让恒河猴学习通过运动皮层的不同活动模式来控制电脑上的光标,并在此基础上检测了神经元网络的重组。他们首次发现,大脑已有的神经网络限制了神经元生成新模式的能力,这种限制决定了学习的容易程度。


学习过程(不论是运动、感知或者认知)需要神经元网络生成新的活动模式。我们都知道,某些行为学起来更容易,某些行为学起来很难。举例来说,钢琴家学一首新乐曲就比学网球发球要容易得多,这是为什么呢?

Carnegie Mellon 大学和 Pittsburgh 大学的科学家们,让恒河猴学习通过运动皮层的不同活动模式来控制电脑上的光标,并在此基础上检测了神经元网络的重组。他们首次发现,大脑已有的神经网络限制了神经元生成新模式的能力,这种限制决定了学习的容易程度。这一成果作为封面文章发表在 8 月 28 日的《自然》(Nature)杂志上,有望为治疗中风和其他大脑损伤提供一种新的途径。

论文第一作者、Pittsburgh 大学的 Patrick Sadtle 表示:“假设你有面粉、糖、小苏打、鸡蛋、盐和牛奶。你就可以通过不同的组合做出面包、薄煎饼和饼干,但用这些材料做汉堡肉饼就很难。我们发现,大脑学习时的运作方式与此类似。重组已有活动模式形成新的神经活动模式更容易。”

研究团队使用脑机接口(BCI)来训练恒河猴,这类设备最近在临床试验中表现良好,有望为瘫痪和截肢的患者提供帮助。

资助这项研究的 NINDS 项目主管 Daofen Chen 表示:“这一技术是大脑研究的强力工具。它能帮助科学家们研究大脑回路的动态,解释学习过程的神经基础。”

研究人员记录了恒河猴大脑运动皮层的神经活动并输入电脑,将这种活动转换成电脑屏幕上的光标移动。他们让恒河猴学习把光标移动到屏幕上的特定目标,由此生成指定的神经活动模式。如果恒河猴完成了任务,就意味着它们已经学到了指定的神经活动模式。

研究显示,有些神经活动模式学起来更容易,有些则比较困难。研究人员发现,容易学习的模式都是已有神经活动模式的重组,而那些全新的活动模式难度要大得多。

Pittsburgh 大学的助理教授 Aaron P. Batista 表示:“我们希望了解的是,大脑如何在学习过程中改变自己的活动,以及大脑活动在什么情况下无法改变。认知灵活性是有限制的,而我们在神经元水平上展示了这种限制。”

Carnegie Mellon 大学的助理教授 Byron Yu 相信,这项工作体现了 BCI 在基础科学研究中的实用性。 Yu 表示:“在这些发现的基础上,我们可以为神经活动异常的疾病开发新的康复策略。恢复神经功能需要个体生成新的神经活动模式,我们可以通过类似技术对患者加以训练。”

所有文章仅代表作者观点,不代表本站立场。如若转载请联系原作者。
查看更多
  • Neural constraints on learning

    Learning, whether motor, sensory or cognitive, requires networks of neurons to generate new activity patterns. As some behaviours are easier to learn than others1, 2, we asked if some neural activity patterns are easier to generate than others. Here we investigate whether an existing network constrains the patterns that a subset of its neurons is capable of exhibiting, and if so, what principles define this constraint. We employed a closed-loop intracortical brain–computer interface learning paradigm in which Rhesus macaques (Macaca mulatta) controlled a computer cursor by modulating neural activity patterns in the primary motor cortex. Using the brain–computer interface paradigm, we could specify and alter how neural activity mapped to cursor velocity. At the start of each session, we observed the characteristic activity patterns of the recorded neural population. The activity of a neural population can be represented in a high-dimensional space (termed the neural space), wherein each dimension corresponds to the activity of one neuron. These characteristic activity patterns comprise a low-dimensional subspace (termed the intrinsic manifold) within the neural space. The intrinsic manifold presumably reflects constraints imposed by the underlying neural circuitry. Here we show that the animals could readily learn to proficiently control the cursor using neural activity patterns that were within the intrinsic manifold. However, animals were less able to learn to proficiently control the cursor using activity patterns that were outside of the intrinsic manifold. These results suggest that the existing structure of a network can shape learning. On a timescale of hours, it seems to be difficult to learn to generate neural activity patterns that are not consistent with the existing network structure. These findings offer a network-level explanation for the observation that we are more readily able to learn new skills when they are related to the skills that we already possess

    展开 收起
发表评论 我在frontend\modules\comment\widgets\views\文件夹下面 test