為何學習新知識這麼難？因為大腦可能比你想像中更死板

撰文 John Rennie

翻譯 齊睿娟

審校 魏瀟

某些情況下，大腦的適應能力似乎是用之不竭的。但通過觀察學習狀態下的大腦活動，科學家們發現，這一過程中大腦的神經元網路功能出乎意料地死板和低效。

學習能力是人類智力的標誌。數十年的研究表明，我們的大腦能夠表現出高度的「可塑性」，這意味著神經元之間的連接可以重組，來響應新刺激。但卡耐基梅隆大學（Carnegie Mellon University）和匹茲堡大學（University of Pittsburgh）的研究人員最近吃驚地發現大腦中的神經元在學習過程（譯註：這通常和可塑性密切相關）中並沒那麼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，但至少在短時間內，它在學習過程中更多是依賴於從神經元庫中低效地循環已有模式，而非從頭開始重新建立連接。

圖片來源： Quantamagazine | Liu zishan

「每當我打壁球時，我看起來卻總像一個網球運動員，」 卡耐基梅隆大學的生物醫學工程師、神經科學家拜倫·於（Byron Yu，音）說，他是這項研究的主導科學家之一。於已經打了很多年的網球，他的問題在於壁球需要較短的球拍，以及更快、更有力的擊球，這與他以往打網球的經歷有很大的不同。然而在一場壁球比賽中，他沿用了網球的習慣打法，這種習慣已經在他身上留下了深刻的烙印。大腦並不會輕易放棄它已知的東西。

現在，在觀察大腦學習狀態下的活動時，於和他的同事已經在神經層面上發現了類似可塑性缺乏的證據。這一發現和團隊的其它相關研究可能有助於解釋為什麼有些東西比其他東西更難學。

幾年前， 於、匹茲堡大學的亞倫·巴蒂斯塔（Aaron Batista）和他們的實驗室成員開始使用腦機介面（BCI）作為研究神經科學的工具。這些設備的晶元尺寸大致與指甲蓋一樣大，可以一次追蹤大腦運動皮層中近 100 個神經元的電活動。 BCI 能夠隨著時間的推移監測通過每個神經元的電壓峰值，從而計算「發放率」（spike rate）來表示任務執行過程中每個神經元的行為。

通過腦機介面控制椅子移動的猴子 圖片來源：Innovation Memes

「你可以想像一下，挖掘所有數據來看看大腦正在做什麼有多困難，」於說。 「我們的眼睛沒有經過足夠的訓練，無法發現其中的精細模式。」但是晶元內置的高級統計分析功能可以做到這一點，被識別出的模式可以識別測試對象進行特定運動時的神經活動。例如，系統可以辨別被測試對象伸展手臂時究竟是要向左還是向右，向上還是向下。

然後研究人員可以使用 BCI 的輸出，將代表某個特定軀體運動的神經活動轉換為計算機屏幕上游標的方向控制。通過試錯和訓練，操作界面的人或動物能通過想像他們的手臂活動來移動計算機的游標，這是可以通過學習掌握的。

當於、巴蒂斯塔和同事們在猴子反覆進行簡單的揮手任務時監測了它的運動皮層，卻發現相關神經元沒有產生獨立的發放活動：被測量的 100 個神經元的活動從統計學上能夠用大約 10 個神經元來代替，這些神經元能分別激活或抑制其他神經元。在研究人員的分析中，這個結果顯示為一組數據點，包含有一小部分 100 維數據的空間。

卡耐基梅隆大學生物醫學工程教授史蒂文·蔡司（Steven Chase）說：「我們將其稱之為先天流形（intrinsic manifold，流形是局部具有歐式空間性質的空間），因為我們認為這是大腦的固有特性。這個空間的維度高度預示著這些神經元的功能。」

2014 年，研究人員觀察到，如果被試對象在學習新任務的過程中神經活動模式涉及這種先天流形，就可以更容易地學習新任務。於說，這個結果是有道理的，因為處在先天流形維度的任務對大腦的要求與其潛在的神經結構是一致的。完成這項研究後，該團隊將注意力轉向了學習期間神經活動如何變化的問題， 他們近日在 Nature Neuroscience 上發表了一篇論文。

為了找到上述問題的答案，研究人員首先讓配備有 BCI 的靈長類動物熟練地掌握將游標左右移動的任務。然後，團隊改變了移動游標的神經活動要求，想看看大腦內的神經活動會有怎樣的新模式出現——內在流形中只要出現了一個新的點，就代表著受試的動物已經在新條件下完成了移動游標的任務。

研究人員希望看到他們稱之為「重排」（realignment）的學習策略的證據。在這種策略中，動物會在新形成的神經活動模式中選擇一種最自然的開始使用。於和蔡司的合作者、目前在斯坦福大學工作的馬修·戈盧布（Matthew Golub）表示：「受制於先天流形的各類限制，重排是動物可以選擇的最佳策略。」 或者，猴子的大腦可能通過「重縮放」（rescaling）的過程來學習——參與初始學習任務的神經元會增加或減少它們的發放率，直到它們「磕磕巴巴」地形成一個新的模式來完成新任務。

但令研究人員驚訝的是，無論是重排還是重縮放都沒有發生。相反，他們觀察到一種稱為「重關聯」（reassociation）的非常低效的方法。受試動物只是通過重複初始神經活動模式並對其進行交換來學習新任務。先前將游標向左移動時的神經模式被用到了將游標向右移動的任務中，反之亦然。「它們正在重複過去曾經做過的事，」戈盧布說，「在新任務中仍是如此。」

為什麼大腦不去使用最優的學習策略？該團隊的研究結果表明，正如神經結構將神經元的活動限制在先天流形空間里一樣，一些更強的約束限制了實驗過程中的神經元活動重組。巴蒂斯塔認為，重排過程中，神經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像中更加有限，」他說。「學習需要忘記。大腦可能不情願放棄它已經學會了的事情。「

圖片來源：Giphy

蔡司將運動皮層比作老式電話交換機，神經連接就像電纜，將來自皮層其他區域的輸入信號傳送到小腦，然後輸出。在蔡司的實驗中，大腦「只是對這些『電纜線路』進行重新排列」 ——不過這其中所包含的意義仍然未知。

「應急策略是改變大腦皮層所接受的輸入信號，」於說。但他也指出，他的實驗只能追蹤大腦活動一兩個小時。研究人員還不能排除重關聯是大腦快速學習新任務的臨時方式的可能性：在更長的時間範圍內，重排或重縮放可能仍然會出現。

如果是這樣，這就可能解釋新手和專家在處理他們都感興趣的新信息時的不同。「初學者會去學習入手的所有內容，專家則會鞏固知識，」巴蒂斯塔說。「這可能是這個眾所周知的現象的神經基礎。」

https://www.quantamagazine.org/brain-computer-interfaces-show-that-neural-networks-learn-by-recycling-20180327/

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！