哈嘍，大家好，小玖今天要跟大家聊一個(gè)超有意思的話題我們的大腦到底是怎么記住并重復(fù)一項(xiàng)技能的？比如第二次彈奏同一首鋼琴曲時(shí)，那些熟悉的神經(jīng)元活動(dòng)模式為啥會(huì)精準(zhǔn)重現(xiàn)？

過去我們總覺得是大腦里有群 “抱團(tuán)” 的神經(jīng)元在起作用，但最新研究卻把這個(gè)認(rèn)知徹底顛覆了。

大腦的“天生架構(gòu)師”

長期以來，神經(jīng)科學(xué)界一直用 “吸引子動(dòng)力學(xué)理論” 解釋這種重復(fù)的神經(jīng)元活動(dòng)。這個(gè)從物理學(xué)借鑒來的理論，把反復(fù)出現(xiàn)的放電模式定義為 “吸引子”，就像系統(tǒng)自帶的穩(wěn)定狀態(tài)。

傳統(tǒng)觀點(diǎn)認(rèn)為，一組緊密連接的神經(jīng)元只要有部分被激活，就會(huì)像 “自動(dòng)補(bǔ)全” 功能一樣，觸發(fā)完整的重復(fù)活動(dòng),這就像看到 “蘋” 字會(huì)立刻想到 “蘋果”，大腦仿佛天生就有這種填充能力。

這個(gè)理論之所以能占據(jù)主導(dǎo)地位，核心是它能優(yōu)雅地解釋 “感覺運(yùn)動(dòng)協(xié)調(diào)”，也就是大腦如何把感官收集的信息和動(dòng)作精準(zhǔn)對(duì)接。

但巴黎 - 薩克雷神經(jīng)科學(xué)研究所的團(tuán)隊(duì)在《自然?神經(jīng)科學(xué)》發(fā)表的研究，卻讓這個(gè)經(jīng)典理論站不住腳了。

小玖這里要?jiǎng)潅�(gè)重點(diǎn)，這個(gè)發(fā)現(xiàn)可不是小修小補(bǔ)，而是重塑了我們對(duì)大腦網(wǎng)絡(luò)組織方式的認(rèn)知。

研究團(tuán)隊(duì)分析了包括 MICrONS 項(xiàng)目、艾倫腦觀測站在內(nèi)的多個(gè)公開大腦數(shù)據(jù)集，這些數(shù)據(jù)通過雙光子成像、電生理學(xué)記錄等多種尖端技術(shù)收集。

讓研究者能前所未有的看清神經(jīng)元的連接和活動(dòng)規(guī)律。

令人意外的是，那些反復(fù)同步放電的神經(jīng)元，并沒有像傳統(tǒng)理論預(yù)測的那樣緊密相連。

相反，大腦皮層呈現(xiàn)出清晰的層級(jí)模塊化結(jié)構(gòu),神經(jīng)元被劃分成相對(duì)獨(dú)立的 “功能模塊”，而 “核心神經(jīng)元” 就像交通樞紐，扎根在模塊界面上，負(fù)責(zé)在不同 “神經(jīng)元社區(qū)” 間傳遞信息。

研究證實(shí)，正是這些核心神經(jīng)元引導(dǎo)著整體大腦活動(dòng)流，而非傳統(tǒng)認(rèn)為的 “模式補(bǔ)全單元”，而距離依賴性連接，正是產(chǎn)生這種模塊化和可重復(fù)活動(dòng)的關(guān)鍵。

為了驗(yàn)證這一結(jié)論，團(tuán)隊(duì)還通過計(jì)算模型進(jìn)行模擬，結(jié)果顯示，僅靠模塊化結(jié)構(gòu)和核心神經(jīng)元，就足以產(chǎn)生大腦皮層中廣泛存在的重復(fù)活動(dòng)模式。

核心樞紐失靈

這意味著，大腦根本不需要緊密連接的神經(jīng)元簇來完成 “模式補(bǔ)全”，分布式的層級(jí)網(wǎng)絡(luò)就足夠高效。

這一發(fā)現(xiàn)的意義遠(yuǎn)不止修正理論。研究者提出，皮層網(wǎng)絡(luò)可能在發(fā)育階段就已 “預(yù)配置” 好支持感覺運(yùn)動(dòng)協(xié)調(diào)的結(jié)構(gòu)。

這種先天的模塊化和樞紐架構(gòu)，或許正是人類和動(dòng)物能快速學(xué)習(xí)新技能的核心原因。

而這一點(diǎn)，也和近期其他研究形成了呼應(yīng)，我國科學(xué)家發(fā)現(xiàn)人類大腦皮層連接拓?fù)渑c遺傳特性密切相關(guān)，胚胎發(fā)育時(shí)就遵循特定 “設(shè)計(jì)圖” 布線。

在實(shí)際應(yīng)用層面，這個(gè)發(fā)現(xiàn)也帶來了諸多啟發(fā)。許多神經(jīng)系統(tǒng)疾病都以感覺運(yùn)動(dòng)協(xié)調(diào)不良為特征，如果核心神經(jīng)元和模塊化結(jié)構(gòu)是關(guān)鍵。

那么針對(duì)這些特定網(wǎng)絡(luò)成分的治療，或許能大幅提升療效。更有意思的是，這還能為人工智能研發(fā)提供新思路。

當(dāng)前最先進(jìn)的 AI 模型容易出現(xiàn) “災(zāi)難性遺忘”，學(xué)會(huì)新任務(wù)就丟了舊技能，而人類大腦通過重組模塊化認(rèn)知單元就能高效持續(xù)學(xué)習(xí)。

如果把大腦的模塊化樞紐架構(gòu)融入 AI 設(shè)計(jì)，有望開發(fā)出更高效、魯棒性更強(qiáng)的智能系統(tǒng)。當(dāng)然，這項(xiàng)研究還需要更多驗(yàn)證，未來還需要在不同物種、不同腦區(qū)和行為條件下進(jìn)一步測試。

但小玖覺得，即便如此，它已經(jīng)給我們提了個(gè)醒再成熟的科學(xué)理論，也可能在新數(shù)據(jù)的檢驗(yàn)下被重新審視。

從 “緊密連接的模式補(bǔ)全網(wǎng)絡(luò)” 到 “核心神經(jīng)元協(xié)調(diào)的分布式模塊化系統(tǒng)”，這場認(rèn)知轉(zhuǎn)變不僅讓我們更懂大腦，也為后續(xù)研究打開了全新的方向。

而這些探索，最終都會(huì)幫我們更清晰地解鎖人類智能的核心密碼。