如何学习新事物？新工作技能、流行歌曲歌词或前往朋友家的路线是如何在大脑中编码的？
答案在于我们的大脑会通过适应性改变来容纳新信息。为了形成新的行为模式或保持新获取的信息，大脑回路会发生结构性改变。这种改变涉及数万亿个突触——神经元之间的连接点，大脑通讯正是在此发生。在这个复杂的协调过程中，新信息会导致某些突触变强而其他突触减弱。神经科学家通过研究这些被称为"突触可塑性"的改变，已经发现了多个引发这种可塑性的分子机制。但选择哪些突触进行这种改变的"规则"长期以来都是未解之谜，这直接影响着学习信息在大脑中的存储方式。
加利福尼亚大学圣地亚哥分校的神经生物学家William "Jake" Wright、Nathan Hedrick和Takaki Komiyama在一项突破性研究中揭开了这一过程的关键细节。该研究部分获得美国国立卫生研究院资助，主要经费来自多个NIH研究基金和培训基金。
发表在《科学》杂志上的研究显示，研究人员采用前沿的脑部可视化技术，包括双光子成像，追踪小鼠学习过程中突触和神经元的活动。前所未有的高分辨率成像显示，神经元在学习过程中并不遵循单一规则，不同区域的突触遵循不同的规则。这一发现将推动从脑部疾病到人工智能等多个领域的进展。
"当人们讨论突触可塑性时，通常假设大脑具有统一的规则体系，"该研究第一作者、生物科学学院博士后学者Wright表示，"我们的研究揭示了学习过程中突触修改的具体机制，这对理解大脑疾病具有重要意义，因为许多脑部疾病都涉及某种程度的突触功能障碍。"
神经科学家长期关注的"信用分配问题"，即单个突触只能获取局部信息，却能共同塑造整体学习行为的问题，类似于蚁群中个体工蚁执行特定任务而不知晓整个蚁群目标。研究人员在追踪小鼠学习新行为时的突触连接（树突上的小突起）变化时，意外发现神经元同时遵循多种规则。这种跨学科研究方法使他们能够实时观察神经元输入输出的变化。
"这项发现从根本上改变了我们对大脑解决信用分配问题的理解，表明单个神经元可以在不同细胞器内并行执行不同的计算，"研究资深作者、生物科学学院神经生物学教授兼Halıcıoğlu数据科学研究所研究员Takaki Komiyama指出。
这项发现为类脑神经网络的人工智能系统设计提供了新思路。传统神经网络遵循统一的可塑性规则，而这项研究暗示着采用多重规则可能提升AI系统的效能。在健康领域，研究成果可能带来治疗成瘾症、创伤后应激障碍、阿尔茨海默病以及自闭症等神经发育障碍的新方法。
"我们的研究为理解大脑正常运作机制奠定了基础，这将帮助我们更好地了解这些疾病中的异常机制，"Wright强调。
目前研究人员正深入探索神经元如何同时运用不同规则，以及这种多重规则带来的具体优势。研究资助方包括美国国立卫生研究院（R01 NS125298等四项基金）、国家科学基金会（2024776）以及Simons基金会全球脑科学合作奖等多项科研基金。
【全文结束】
