来源:混沌巡洋舰

在每一个清醒的时刻,人类和其他动物必须在我们对过去的记忆和对现在的意识两者中保持平衡。我们必须吸收关于周围世界的新的感官信息,同时保持对早期观察或事件的短期记忆。我们理解周围环境、学习、行动和思考的能力都依赖于感知和记忆之间持续、灵活的互动。

但要做到这一点,大脑必须维持这两者的区别; 否则,输入的数据流可能会干扰先前刺激的表征,导致我们覆盖或误解重要的背景信息。除了这一挑战,一系列研究表明,大脑并没有巧妙地将短期记忆功能划分到像脑前额叶外皮这样的高级认知区域。相反,感觉区域和其他较低的皮层中心,即能够检测和代表经验,也可以编码和储存他们的记忆。然而,这些记忆不能被允许闯入我们对现在的感知,或者被新的经历随意重写。

最近发表在“自然神经科学”上的一篇论文可能最终解释了大脑的记忆缓冲器是如何工作的。两位研究人员发现,为了在没有相互干扰的情况下,同时表现当前和过去的刺激,大脑本质上是“旋转”感官信息,将其编码为记忆。然后,两个正交表征可以从重叠的神经活动中提取信息,而不会相互干扰。这种机制的细节可能有助于解决几个关于记忆是如何被处理的长期争论。

为了弄清楚大脑是如何防止新信息和短期记忆混淆在一起的,普林斯顿大学的神经科学家 Timothy Buschman 和他实验室的研究生 Alexandra Libby 决定把重点放在老鼠的听觉感知上。他们让这些动物被动地一遍又一遍地听四个和弦的序列,Buschman称之为“有史以来最糟糕的演唱会”

这些序列允许老鼠在某些和弦之间建立联系,这样当他们听到一个开始的和弦时,他们可以预测接下来会发出什么声音。同时,研究人员训练机器学习分类器来分析在这些听觉训练中从啮齿动物的听觉皮层记录的神经活动,以确定神经元如何在序列中集体表征每个刺激。

Buschman 和Libby观察了这些模式是如何随着老鼠建立联系而改变的。他们发现,随着时间的推移,相关和弦的神经表征开始彼此相似。但他们也观察到,新的、意想不到的感官输入,比如不熟悉的和弦序列,可能会干扰老鼠对它所听到的东西的表征,实际上,就是改写它对先前输入的表征。这些神经元对过去刺激的编码进行反向改变,使之与动物对后来刺激的编码相匹配ーー即使这是错误的。

研究人员想要确定大脑如何纠正这种追溯干扰,以保存准确的记忆。为此,他们训练了另一个分类器来识别和区分代表序列中,代表和弦记忆的神经模式ーー例如,当一个意外的和弦唤起一个更熟悉的序列的比较时,神经元的激活方式。分类器的确从已听到的实际和弦的记忆中发现了完整的活动模式,而不是为了维持旧的联想而追溯性地编写的错误“校正”,但这些记忆编码看起来与感官表征非常不同。

这些记忆表征是按照神经科学家所描述的感觉表征的“正交”维度组织的,都在同一个神经元群体内。Buschman把这比作一边在纸上记手写的笔记,一边跑出房间。当这种情况发生时,“你要把纸张旋转90度,然后开始在页边空白处写字,”他说。“这基本上就是大脑在做的事情。它得到第一个感官输入,把它写在一张纸上,然后把这张纸旋转90度,这样它就可以在不干扰字面覆盖的情况下写入新的感官输入。”

换句话说,感官数据通过神经元放电模式的变换转化为记忆。加州大学圣地亚哥分校的认知神经科学家Anastasia Kiyonaga没有参与这项研究,她说: “信息存储方式的改变,是因为它需要得到保护”。

这种使用正交编码来分离和保护大脑中的信息的方法已经被发现过了。例如,当猴子准备移动时,运动皮层的神经活动代表潜在的运动,但这种神经活动是正交的,以避免干扰信号驱动实际的指令到肌肉。

尽管如此,神经活动是如何以这种方式转变的还不是很清楚。Buschman 和Libby想要回答这个问题,他们在老鼠的听觉皮层观察到了什么。“当我刚开始在实验室工作时,我很难想象这样的事情是如何在神经活动中发生的,”Libby说。她想要“打开神经网络正在做什么的黑盒子来创造这个正交性。”

在这封1837年的信中,有一个“交叉书写”的例子,为了保持字迹的清晰可读性,这些书写的行都是一个横向,一个纵向交叉书写的。

通过实验筛选这些可能性,他们排除了听觉皮层中不同亚群的神经元独立处理感觉和记忆表征的可能性。取而代之的是,他们展示了相同的神经元群体参与其中,而且神经元的活动可以被整齐地划分为两类。一些神经元在感觉和记忆表征时的行为是“稳定的”,而另一些“开关”神经元则在每次使用时都翻转它们的反应模式。

令研究人员惊讶的是,这种稳定和转换神经元的组合足以旋转感觉信息并将其转化为记忆。“这就是全部的魔力,”布什曼说。

事实上,他和Libby使用计算建模的方法来证明这种机制是建立感觉和记忆的正交表征的最有效的方法: 它比其他方法需要更少的神经元和更少的能量。

Buschman 和Libby的发现为神经科学的一个新兴趋势提供了素材: 神经元的数量,甚至在较低的感觉区域,参与了比以前认为的更丰富的动态编码。萨塞克斯大学的神经科学家 Miguel Maravall 没有参与这项新的研究,他说: “这些位于食物链下端的大脑皮层也具有非常有趣的动力学特征,也许我们直到现在才真正意识到这一点。

这项工作可能有助于调和正在进行的关于短期记忆是通过恒定、持续的表征还是通过随时间变化的动态神经编码来维持的争论的两个方面。“我们的研究结果表明,基本上他们都是正确的,”Buschman 说,稳定的神经元实现了前者,转换神经元实现了后者。这种过程的组合是有用的,因为“它实际上有助于防止干扰和做这种正交旋转。”

Buschman 和Libby的研究可能与感官表征以外的背景有关。他们和其他研究人员希望在其他过程中寻找这种正交旋转的机制: 大脑如何同时跟踪多个想法或目标; 如何在处理分心事务时从事一项任务; 如何代表内部状态; 如何控制认知,包括注意力过程。

“我真的很兴奋,”布什曼说。看看其他研究人员的工作,“我只记得看到,有一个稳定的神经元,有一个切换的神经元!你现在到处都能看到他们。”

Libby感兴趣的是他们的结果对人工智能研究的影响,特别是在设计有用的架构为人工智能网络,必须多任务。她说: “我想看看人们在神经网络中预分配的神经元是否具有稳定和切换的特性,而不仅仅是随机的特性,是否在某种程度上帮助了他们的网络。”。

总而言之,“这种信息编码的后果将是非常重要和非常有趣的,”Maravall说。

原文:

https://www.quantamagazine.org/the-brain-rotates-memories-to-save-them-from-new-sensations-20210415/

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

大脑使用交叉存储,来区分现在和过去相关推荐

  1. 【neon加速拆分/合并交叉数据】使用neon intrinsics加速合并/拆分uv的内存分布(交叉存储/分别存储)

    说明 在YUV格式的图片中,uv数据可以"UVUVUVUV"形式交叉存储叫NV12,也可以以"UUUUUVVVVV"的格式分开存储,为了将二者转换,需要类似如下 ...

  2. 大脑的无限存储与记忆传输

    大脑是无限存储的吗? 我们常常被告知大脑是可以不断存储信息的,事实也确实是如此, 我们在不断的学习知识,存储知识,并且运用知识.我一直认为自己是记忆力非常不好的人,因为我时常会忘记一些事情,包括我学习 ...

  3. 单体多字并行存储 多体单字交叉存储

    电子科技大学 计算机组成原理 单体多字并行存储器 按同一地址码并行地访问各自对应单元,每一个单元为一个字,每字m位.可以同时选中存储器的n个单元,可以将带宽提高n倍. 多体并行系统 多体并行系统是指多 ...

  4. 日立中端存储Gx00区分?

    指标 G200 G400 G600 G800 内部容量 1068TB 1920TB 2880TB 5760TB 外部容量 8PB 16PB 64PB 最大磁盘数 264 480 720 1440 扩展 ...

  5. 你的大脑在自动驾驶,而你一无所知

    来源:果壳 想象一下,你的大脑里有着两个小人,它们在不停地打架,试图夺取控制你行动的权力.当然,这两个小人并不是你善意和邪恶的念头.那它们是什么? 在很多人看来,这两者就是我们的意识和无意识:前者是警 ...

  6. 盘点2018年云计算热点:云原生、全栈云,云大脑,谁能独占鳌头?

    一转眼2018年已经快要走到了尽头,白了头,累了心,但依然心怀憧憬. 这一年来,企业服务圈内可谓是风云变幻,各类新产品.新技术.新模式,甚至新概念层出不穷. 作为企业服务领域的从业者,整个2018年, ...

  7. 关于分布式存储,这是你应该知道的(图文详解)(关于存储的一些好文转载--1)

    转自:http://stor.51cto.com/art/201711/556946.htm 关于分布式存储,这是你应该知道的(图文详解) 前言 分布式存储存在的风险,其实就是因为"共享&q ...

  8. 图像存储方式及使用OpenCV简单处理图像

    一.目的 简述图像存储方式及使用OpenCV简单处理图像. 二.图像存储方式 2.1.YUV 2.1.1.简介 YUV是编译true-color颜色空间(color space)的种类,Y'UV, Y ...

  9. 组成原理---存储体系

    文章目录 存储体系概述 存储器的分类 存储器的层次结构 主存储器 概述 主存储器性能指标 主存储器的工作原理 半导体存储芯片 随机读写存储器 静态 MOS 存储器(SRAM) 动态 MOS 存储器(D ...

最新文章

  1. Ubuntu 16.04 LTS界面美化
  2. python wxpy_wxpy
  3. Java (JVM) Memory Model – Memory Management in Java
  4. C++学习笔记-----输出数据的另一种写法(std::copy)
  5. JS实现sleep()方法
  6. antd 进行ajax请求,react+dva+antd接口调用方式
  7. 工厂员工晋升机制_维修厂如何设置员工晋升机制?
  8. 虚拟资源拳王公社:最适合上班没时间的副业赚钱项目是什么,简单易操作的副业项目
  9. UVA10673 Play with Floor and Ceil【暴力枚举】
  10. 关于char 型 的 存储实质(asc2码表的)
  11. UOJ132 【NOI2015】小园丁与老司机
  12. Linux下查看用户列表和删除用户,详例
  13. Linux下的图片编辑软件和画图软件
  14. 手写签名 PNG 制作
  15. c++11总结19——std::mutex
  16. Python基础--搬家具(面向对象)
  17. 湖北计算机考试条列,湖北省计算机考试大纲及考生须知
  18. 从cocostudio获取控件,添加回调函数
  19. 浅谈用KUSTO查询语言(KQL)在Azure Synapse Analytics(Azure SQL DW)审计某DB账号的操作记录
  20. (转)深入详细理解矩阵 (矩阵的加减乘、转置、共轭、共轭转置)

热门文章

  1. Win10 + RTX3090 安装CUDA11.2 + CUDNN8.1.0 安装
  2. 从视觉到语言:半监督式学习的大规模实际运用
  3. 机器学习开发的灵药:Docker容器
  4. 第二届清华大学iCenter量化策略挑战赛开幕!
  5. 吃惊!江苏抽查发现,144篇硕士学位论文不合格,部分单位将被约谈
  6. 【北大-阿里巴巴】深度哈希方法综述,23页pdf,A Survey on Deep Hashing Methods
  7. SAP 远程连接出错 SAP GUI For Windows 7.40 hostname ‘NiHLGetNodeAddr‘ unknown
  8. 实验室管理系统LIMS有没有好的企业推荐?
  9. 学术分享丨机器人学习的思考
  10. 机器学习的5个成功案例