成人网在线播放,正在播放乱人伦,久久国产影视,久霸tv高端在线观看,国产亚洲福利,精品在线播放视频,在线观看国产www

您的位置:健客網(wǎng) > 精神病頻道 > 精神疾病 > 老年癡呆 > 為何學(xué)習新知識這么難?因為大腦可能比你想象中更死板

為何學(xué)習新知識這么難?因為大腦可能比你想象中更死板

2018-05-15 來(lái)源:神經(jīng)科技  標簽: 掌上醫生 喝茶減肥 一天瘦一斤 安全減肥 cps聯(lián)盟 美容護膚
摘要:學(xué)習能力是人類(lèi)智力的標志。數十年的研究表明,我們的大腦能夠表現出高度的“可塑性”,這意味著(zhù)神經(jīng)元之間的連接可以重組,來(lái)響應新刺激。

某些情況下,大腦的適應能力似乎是用之不竭的。但通過(guò)觀(guān)察學(xué)習狀態(tài)下的大腦活動(dòng),科學(xué)家們發(fā)現,這一過(guò)程中大腦的神經(jīng)元網(wǎng)絡(luò )功能出乎意料地死板和低效。

學(xué)習能力是人類(lèi)智力的標志。數十年的研究表明,我們的大腦能夠表現出高度的“可塑性”,這意味著(zhù)神經(jīng)元之間的連接可以重組,來(lái)響應新刺激。但卡耐基梅隆大學(xué)(CarnegieMellonUniversity)和匹茲堡大學(xué)(UniversityofPittsburgh)的研究人員最近吃驚地發(fā)現大腦中的神經(jīng)元在學(xué)習過(guò)程(譯注:這通常和可塑性密切相關(guān))中并沒(méi)那么強的建立新連接的能力。大腦也許具有高度的靈活性和整體適應性,但至少在短時(shí)間內,它在學(xué)習過(guò)程中更多是依賴(lài)于從神經(jīng)元庫中低效地循環(huán)已有模式,而非從頭開(kāi)始重新建立連接。

“每當我打壁球時(shí),我看起來(lái)卻總像一個(gè)網(wǎng)球運動(dòng)員,”卡耐基梅隆大學(xué)的生物醫學(xué)工程師、神經(jīng)科學(xué)家拜倫·于(ByronYu,音)說(shuō),他是這項研究的主導科學(xué)家之一。于已經(jīng)打了很多年的網(wǎng)球,他的問(wèn)題在于壁球需要較短的球拍,以及更快、更有力的擊球,這與他以往打網(wǎng)球的經(jīng)歷有很大的不同。然而在一場(chǎng)壁球比賽中,他沿用了網(wǎng)球的習慣打法,這種習慣已經(jīng)在他身上留下了深刻的烙印。大腦并不會(huì )輕易放棄它已知的東西。

現在,在觀(guān)察大腦學(xué)習狀態(tài)下的活動(dòng)時(shí),于和他的同事已經(jīng)在神經(jīng)層面上發(fā)現了類(lèi)似可塑性缺乏的證據。這一發(fā)現和團隊的其它相關(guān)研究可能有助于解釋為什么有些東西比其他東西更難學(xué)。

幾年前,于、匹茲堡大學(xué)的亞倫·巴蒂斯塔(AaronBatista)和他們的實(shí)驗室成員開(kāi)始使用腦機接口(BCI)作為研究神經(jīng)科學(xué)的工具。這些設備的芯片尺寸大致與指甲蓋一樣大,可以一次追蹤大腦運動(dòng)皮層中近100個(gè)神經(jīng)元的電活動(dòng)。BCI能夠隨著(zhù)時(shí)間的推移監測通過(guò)每個(gè)神經(jīng)元的電壓峰值,從而計算“發(fā)放率”(spikerate)來(lái)表示任務(wù)執行過(guò)程中每個(gè)神經(jīng)元的行為。

通過(guò)腦機接口控制椅子移動(dòng)的猴子圖片來(lái)源:InnovationMemes

“你可以想象一下,挖掘所有數據來(lái)看看大腦正在做什么有多困難,”于說(shuō)。“我們的眼睛沒(méi)有經(jīng)過(guò)足夠的訓練,無(wú)法發(fā)現其中的精細模式。”但是芯片內置的高級統計分析功能可以做到這一點(diǎn),被識別出的模式可以識別測試對象進(jìn)行特定運動(dòng)時(shí)的神經(jīng)活動(dòng)。例如,系統可以辨別被測試對象伸展手臂時(shí)究竟是要向左還是向右,向上還是向下。

然后研究人員可以使用BCI的輸出,將代表某個(gè)特定軀體運動(dòng)的神經(jīng)活動(dòng)轉換為計算機屏幕上光標的方向控制。通過(guò)試錯和訓練,操作界面的人或動(dòng)物能通過(guò)想象他們的手臂活動(dòng)來(lái)移動(dòng)計算機的光標,這是可以通過(guò)學(xué)習掌握的。

當于、巴蒂斯塔和同事們在猴子反復進(jìn)行簡(jiǎn)單的揮手任務(wù)時(shí)監測了它的運動(dòng)皮層,卻發(fā)現相關(guān)神經(jīng)元沒(méi)有產(chǎn)生獨立的發(fā)放活動(dòng):被測量的100個(gè)神經(jīng)元的活動(dòng)從統計學(xué)上能夠用大約10個(gè)神經(jīng)元來(lái)代替,這些神經(jīng)元能分別激活或抑制其他神經(jīng)元。在研究人員的分析中,這個(gè)結果顯示為一組數據點(diǎn),包含有一小部分100維數據的空間。

卡耐基梅隆大學(xué)生物醫學(xué)工程教授史蒂文·蔡司(StevenChase)說(shuō):“我們將其稱(chēng)之為先天流形(intrinsicmanifold,流形是局部具有歐式空間性質(zhì)的空間),因為我們認為這是大腦的固有特性。這個(gè)空間的維度高度預示著(zhù)這些神經(jīng)元的功能。”

2014年,研究人員觀(guān)察到,如果被試對象在學(xué)習新任務(wù)的過(guò)程中神經(jīng)活動(dòng)模式涉及這種先天流形,就可以更容易地學(xué)習新任務(wù)。于說(shuō),這個(gè)結果是有道理的,因為處在先天流形維度的任務(wù)對大腦的要求與其潛在的神經(jīng)結構是一致的。完成這項研究后,該團隊將注意力轉向了學(xué)習期間神經(jīng)活動(dòng)如何變化的問(wèn)題,他們近日在NatureNeuroscience上發(fā)表了一篇論文。

為了找到上述問(wèn)題的答案,研究人員首先讓配備有BCI的靈長(cháng)類(lèi)動(dòng)物熟練地掌握將光標左右移動(dòng)的任務(wù)。然后,團隊改變了移動(dòng)光標的神經(jīng)活動(dòng)要求,想看看大腦內的神經(jīng)活動(dòng)會(huì )有怎樣的新模式出現——內在流形中只要出現了一個(gè)新的點(diǎn),就代表著(zhù)受試的動(dòng)物已經(jīng)在新條件下完成了移動(dòng)光標的任務(wù)。

研究人員希望看到他們稱(chēng)之為“重排”(realignment)的學(xué)習策略的證據。在這種策略中,動(dòng)物會(huì )在新形成的神經(jīng)活動(dòng)模式中選擇一種最自然的開(kāi)始使用。于和蔡司的合作者、目前在斯坦福大學(xué)工作的馬修·戈盧布(MatthewGolub)表示:“受制于先天流形的各類(lèi)限制,重排是動(dòng)物可以選擇的最佳策略。”或者,猴子的大腦可能通過(guò)“重縮放”(rescaling)的過(guò)程來(lái)學(xué)習——參與初始學(xué)習任務(wù)的神經(jīng)元會(huì )增加或減少它們的發(fā)放率,直到它們“磕磕巴巴”地形成一個(gè)新的模式來(lái)完成新任務(wù)。

但令研究人員驚訝的是,無(wú)論是重排還是重縮放都沒(méi)有發(fā)生。相反,他們觀(guān)察到一種稱(chēng)為“重關(guān)聯(lián)”(reassociation)的非常低效的方法。受試動(dòng)物只是通過(guò)重復初始神經(jīng)活動(dòng)模式并對其進(jìn)行交換來(lái)學(xué)習新任務(wù)。先前將光標向左移動(dòng)時(shí)的神經(jīng)模式被用到了將光標向右移動(dòng)的任務(wù)中,反之亦然。“它們正在重復過(guò)去曾經(jīng)做過(guò)的事,”戈盧布說(shuō),“在新任務(wù)中仍是如此。”

為什么大腦不去使用最優(yōu)的學(xué)習策略?該團隊的研究結果表明,正如神經(jīng)結構將神經(jīng)元的活動(dòng)限制在先天流形空間里一樣,一些更強的約束限制了實(shí)驗過(guò)程中的神經(jīng)元活動(dòng)重組。巴蒂斯塔認為,重排過(guò)程中,神經(jīng)元之間突觸連接的改變可能很難快速完成。“大腦的短期可塑性肯定比我們想象中更加有限,”他說(shuō)。“學(xué)習需要忘記。大腦可能不情愿放棄它已經(jīng)學(xué)會(huì )了的事情。“

 

看本篇文章的人在健客購買(mǎi)了以下產(chǎn)品 更多>
有健康問(wèn)題?醫生在線(xiàn)免費幫您解答!去提問(wèn)>>
健客微信
健客藥房
南皮县| 永川市| 新巴尔虎左旗| 珠海市| 蓬安县| 白玉县| 永年县| 军事| 临清市| 齐齐哈尔市| 磐石市| 黄大仙区| 灵山县| 库车县| 阳朔县| 贡山| 仪陇县| 新余市| 六枝特区| 廊坊市| 神木县| 会泽县| 紫金县| 克东县| 东乡族自治县| 林芝县| 邯郸市| 兰考县| 揭东县| 天气| 遂宁市| 汝阳县| 庄河市| 固原市| 元江| 敦化市| 慈溪市| 新田县| 呼伦贝尔市| 新泰市| 连山|