這項新的研究詳細揭示了大腦海馬體將記憶組織成序列的基本機制，以及如何利用這一機制來計劃未來的行為。這一發現可能是瞭解認知障礙(如阿爾茨海默氏症和其他形式的痴呆症)中失憶問題的關鍵一步。將齧齒類動物生理記錄的電訊號與對大量統計資料的機器學習相結合，研究人員發現了關鍵證據，這些證據表明海馬體可以編碼並儲存之前的記憶和經驗以幫助決策。

“我們的大腦會很好地透過時間來記錄特定的經歷或事件，這種能力幫助我們在日常生活中發揮作用，但在這項研究之前，我們對這些過程背後的神經機制並不清楚，”研究負責人加州大學神經生物學和行為副教授諾伯特·福丁說。“它與每個人的聯絡是，這種時間的記憶在各種神經障礙疾病中或只是單純隨著年齡增長而受到損害和遺忘，所以我們真的需要知道大腦的這種功能是如何進行的。”

老鼠的氣味識別測試

該專案的實驗和資料分析歷時三年多完成。透過對老鼠進行一系列氣味的識別測試，研究人員監測了它們大腦中神經元的放電情況。科學家會以不同的順序呈現五種不同的氣味，然後測量動物對正確順序的記憶，並檢測它們的大腦如何捕捉和記錄這些順序關係。福丁說，“我可以用計算來類比，如果我把電極植入你的大腦——當然這件事我們做不到，這就是我們用老鼠做實驗的原因——我可以在任何給定的時刻看到大腦中的哪些細胞在放電，哪些細胞沒有放電。”這讓我們對大腦如何進行計算有了一些認知，就像我們在電腦中看到的0和1一樣。”

通常對於活動神經元和不活動神經元的測量以毫秒為間隔並在幾分鐘內獲得，這可以為科學家呈現出大腦功能的動態影象。福丁說，“在某種程度上，他和他的同事能夠透過觀察細胞的“編碼”——哪些被激活了，哪些沒有被啟用——來“讀懂被實驗者的思想”。

機器學習的應用

對大腦海馬體活動的測量會產生大量的原始資料。因此從專案的開始階段，福丁就爭取了資訊與計算機科學學院的統計學家參與這項研究工作。他很早就知道，“當時我們在實驗室裡遇到的神經科學問題需要的統計學知識，與我們掌握的統計學知識相比，實在是太超前了，這就是為什麼我們需要有資料科學專業知識的合作伙伴。”

“這些新興的神經科學研究依賴於資料科學的方法，因為它們的資料很複雜，”研究的合作者、資深統計學教授薩哈巴說。“大腦活動會以毫秒的速度被記錄下來，而這些實驗持續了一個多小時，所以你可以想象資料量的增長有多快。”這使得神經科學家需要更先進的技術來實現他們想象但無法實現的東西。”他指出，當神經元對記憶等資訊進行編碼時，科學家們可以透過檢查所有記錄下來的神經元的峰值活動模式來了解這一過程。薩哈巴說:“我們發現，可以將這些神經元的活動模式視為影象，這啟發了我們應用機器學習的方法。”“我們用卷積神經網路分析資料，這是一種經常用於面部識別等影象處理應用的方法。”

透過這種方式，研究人員能夠解碼老鼠的神經元放電來獲取資訊。“我們知道老鼠大腦中氣味B的特徵是什麼樣的，就像我們知道氣味A、C和D的特徵一樣，” 福丁說。“正因為如此，你可以看到這些特徵在不同的時間重現，比如當我們的小老鼠思考未來時，我們看到記憶中相關的特徵被快速重現。”

本文參考Futurity文章，“HOW THE BRAIN ORGANIZES MEMORIES IN TIME”，如有興趣還可查閱原文。

如有侵犯版權還請告知，我們將在24小時內刪除