一个基于生物学的全新大脑计算模型，在与实验室动物执行完全相同的简单视觉类别学习任务时，不仅表现出同样出色的学习能力，甚至帮助研究人员发现了一组此前被忽视的、具有反直觉活性的神经元。该模型由达特茅斯学院、某机构及某州立大学石溪分校的科学家团队共同开发。
值得注意的是，该模型在取得这些成就之前，从未使用任何动物实验数据进行训练。相反，它是从零开始构建的，忠实地再现了神经元如何连接成回路，并通过电信号和化学信号在更广泛的大脑区域间通信，从而产生认知和行为。当研究团队要求该模型执行他们之前在动物身上进行过的相同任务（观察点状图案并判断其属于两个更广泛类别中的哪一个）时，它产生了高度相似的神经活动和行为结果，并且几乎以完全相同的、不稳定的进度习得了这项技能。
"它只是产生了新的模拟大脑活动数据，然后才与实验室动物的数据进行对比。它们如此惊人地匹配，这令人感到震惊，"该研究的高级作者、达特茅斯学院心理学与脑科学教授Richard Granger说，该研究发表在《自然·通讯》上。
合著者、某机构Picower学习与记忆研究所的Picower教授Earl K. Miller补充说，构建该模型以及自论文撰写以来开发的新版本，目的不仅是为了深入了解大脑的工作原理，也是为了揭示疾病中大脑可能出现的不同运作方式，以及何种干预措施可以纠正这些异常。Miller、Granger以及研究团队的其他成员共同创立了Neuroblox.ai公司，以开发该模型的生物技术应用。合著者、石溪大学生物医学工程教授Lilianne R. Mujica-Parodi是该项目的首席研究员，并担任公司CEO。
"我们的想法是创建一个用于大脑仿生建模的平台，这样就能以一种更高效的方式发现、开发和改进神经治疗方法。例如，药物开发和疗效测试可以在临床试验的风险和费用发生之前，更早地在我们平台上进行，"Miller说，他也是某机构大脑与认知科学系的教员。
构建仿生模型
达特茅斯学院的博士后Anand Pathak创建了这个模型。该模型与许多其他模型的不同之处在于，它融合了微观细节（例如单个神经元对之间如何相互连接）和宏观架构（包括乙酰胆碱等神经调节化学物质如何影响跨区域的信息处理）。Pathak和团队迭代了他们的设计，以确保它们遵循在真实大脑中观察到的各种约束，例如神经元如何通过更广泛的节律实现同步。他说，许多其他模型只关注小尺度或大尺度，但不能两者兼顾。
隐喻意义上的"树木"，在研究中被称为"基元"，是由少数几个神经元组成的小型回路。这些回路基于真实细胞的电学和化学原理相互连接，以执行基本的计算功能。例如，在模型的大脑皮层版本中，一种基元设计具有兴奋性神经元，这些神经元通过受神经递质谷氨酸影响的突触连接接收来自视觉系统的输入。然后，这些兴奋性神经元与抑制性神经元密集连接，竞争性地向它们发出信号，以关闭其他兴奋性神经元——这是一种在真实大脑中存在的、调节信息处理的"赢家通吃"架构。
在更大尺度上，该模型包含了基本学习和记忆任务所需的四个大脑区域：皮层、脑干、纹状体和一个"强直活动神经元"结构，该结构可以通过释放乙酰胆碱突发信号向系统注入一些"噪声"。例如，当模型执行对呈现的点状图案进行分类的任务时，TAN起初确保模型对视觉输入的行动方式存在一定的变异性，以便模型能够通过探索不同的行动及其结果来学习。随着模型继续学习，皮层和纹状体回路加强了连接，抑制了TAN，使得模型能够以越来越一致的方式基于所学内容采取行动。
当模型参与学习任务时，出现了现实世界中的特性，包括Miller在动物研究中经常观察到的一种动态。随着学习的进展，皮层和纹状体在大脑节律的"β"频带上变得更加同步，而这种同步性的增加与模型（和动物）对所见内容做出正确类别判断的时刻相关。
揭示"不一致"神经元
但该模型还向研究人员展示了一组神经元——约占20%——其活动能够高度预测错误。当这些所谓的"不一致"神经元影响回路时，模型会做出错误的类别判断。起初，Granger说，团队认为这是模型的一个 quirks（特例）。但随后他们查看了Miller实验室在动物执行相同任务时积累的真实大脑数据。
"直到那时我们才回去查看已有的数据，我们确信数据中不可能有这种现象，因为如果有人看到了肯定会提及，但它确实就在那里，只是从未被注意到或分析过，"他说。
Miller说，这些反直觉的细胞可能具有某种目的：学习任务的规则固然很好，但如果规则改变了呢？时不时地尝试其他可能性可以使大脑偶然发现一组新出现的条件。事实上，另一个Picower研究所实验室最近发表的证据表明，人类和其他动物有时确实会这样做。
虽然新论文中描述的模型表现超出了团队的预期，但Granger表示，他们一直在扩展该模型，使其足够复杂以处理更多种类的任务和环境。例如，他们添加了更多的大脑区域和新的神经调节化学物质。他们也开始测试药物等干预措施如何影响其动态。
除了Granger、Miller、Pathak和Mujica-Parodi之外，该论文的其他作者还包括Scott Brincat、Haris Organtzidis、Helmut Strey、Sageanne Senneff和Evan Antzoulatos。某基础脑研究基金、某机构、某研究办公室和某基金会为这项研究提供了支持。FINISHED
