哺乳動物的大腦具有大量神經(jīng)細胞和極高的通信密度，是已知最復(fù)雜的網(wǎng)絡(luò)。德國馬普腦科學研究所的一項研究是繪制哺乳動物大腦的腦組織圖，記錄局部結(jié)締組織，并對其進行分析，以尋找之前學習過程的痕跡。研究成果發(fā)表在近期《科學》雜志上。

大腦研究到目前為止僅能檢查大腦網(wǎng)絡(luò)的一部分。“連接組學”這一新領(lǐng)域正致力于測量不同大腦區(qū)域和動物中更大的回路。

▲哺乳動物的大腦組織圖是已知最復(fù)雜的網(wǎng)絡(luò)。

由馬普腦科學研究所主任莫里茲·赫爾姆斯特德領(lǐng)導(dǎo)的研究小組分析了一只4周齡小鼠大腦皮層的活檢腦組織。該組織來自體感皮層，負責處理觸摸信息。使用優(yōu)化的基于AI的圖像處理以及人機數(shù)據(jù)分析之間的有效交互，研究人員能夠在此組織段中重建所有大約40萬個突觸和大約2.7米的神經(jīng)元網(wǎng)絡(luò)。

重建的組織再現(xiàn)了約7000個軸突和大約3700個突觸后神經(jīng)細胞過程之間的結(jié)締，即神經(jīng)網(wǎng)絡(luò)局部完整的通信圖。重建不僅產(chǎn)生了更大的網(wǎng)絡(luò)圖，而且效率提高了約33倍，這是哺乳動物大腦進行密集的多項式重建的新標準。

這種方法上的突破使研究人員能夠分析其中包含的互連模式的連通性。根據(jù)突觸的增長與加強伴隨學習過程，他們檢查了神經(jīng)網(wǎng)絡(luò)通信圖，以確定哪一部分顯示了事先學習的跡象。

該研究項目的第一作者，亞歷山德羅·莫塔解釋說：“由于某些突觸可塑性模型對學習中突觸的增強做出了準確的預(yù)測，例如，當小鼠學會識別貓或樹時，我們甚至能夠從皮質(zhì)神經(jīng)網(wǎng)絡(luò)通信圖的快照中得出此類學習過程的頻率估算?！?/p>

項目負責人赫爾姆斯特德特說：“即使在這樣一塊相對較小的大腦皮層中，包含的信息量和精度也令我們感到驚訝，將所開發(fā)的方法從大腦研究應(yīng)用到人工智能具有重要意義?！彼€描述了一個研究領(lǐng)域，通過未來的人工神經(jīng)網(wǎng)絡(luò)來學習生物神經(jīng)網(wǎng)絡(luò)，其主要參與者是谷歌和美國情報研究計劃（IARPA）。