上海纽约大学科学家开发出计算机模型解释大脑如何学会归类

上海纽约大学教授，华东师范大学-纽约大学脑与认知科学联合研究中心（上海纽约大学）主任汪小京教授的团队设计了一种计算机模型，用来解释人脑的神经网络如何学会将看到的物体进行不同的归类，例如归类为“汽车还是摩托车”。他们的最新研究成果发表在科学期刊《自然-通讯》（Nature Communications）上，这对理解人脑的日常判断能力带来了新的脑科学见解。

“归类对人类生存（例如区分可食用与否），对概念形成（例如什么是狗、猫等）以及不同概念间的关系（如林奈的动物分类系统）都至关重要。”汪小京教授说， “我们提出的模型只解释了简单视觉刺激的分类机制。我们还需要做进一步的研究，以发现该模型所体现的原则是否普遍的适用于更为复杂的归类。”

汪小京与博士后研究员Tatiana Engel、研究小组中的博士研究生Jah Chaisangmongkon，以及芝加哥大学神经生物学家及实验物理学家David Freedman一起合作进行了此项研究。Freedman此前曾开发过一种行为实验，用来研究单一神经元电活动与视觉刺激物的类属的关系。

该神经网络模型中包括了我们已知的大脑皮层组织结构及神经生理特征，其中，低层级的神经元会向高层级的神经元发送有关视觉刺激的信息。在高层级网络，刺激特性（如一物的移动方向）被归入二元类别（A或B）。研究人员发现，该模型能解释一系列实验观察数据，该模型进行的一些预测也通过分析神经元电活动获得了确认。

有趣的是，研究人员发现，学会正确区分类别边界（将一个连续特征分为A或B），需要从类别选择型神经元到感觉编码型神经元进行自上而下的反馈投射。

美国纽约大学的J. Tony Movshon、斯坦福大学的Bill Newsome等人曾发现，刺激特性编码型感觉神经元电信号概率性地反映动物对刺激进行的分类（量化为“选择概率”）。人们以前普遍认为，这是由于感觉神经元随机活动，通过自下而上（感觉到归类）的前馈联接，影响分类选择 A或B。

这一发表在《自然-通讯》上的新模型则带来了一种全新解释，即，这种“选择概率”是由自上而下（归类到感觉）的反馈联接引起的。

研究人员指出，这一发现为人脑反馈联接带来了新见解，因为长期以来反馈联接的功能意义一直让人们困惑不解。这个工作应对人工智能有新的启发。人工智能领域今天的焦点是深度学习，而现在的深度学习模型是前馈的网络。如加上反馈联接，深度学习的模型可能更好或更快地实现物的归类等功能。

本研究获得了美国国家精神健康研究院和斯沃茨基金会的资助。