摘要：
当老鼠学会执行一项新任务时，随着时间的推移，它们的大脑活动会从“新手”发展为“专家”。这些变化反映在细胞回路的布线和神经元的活动中。
来自冷泉港实验室(CSHL)、哥伦比亚大学、伦敦大学学院和熨斗研究所的研究人员使用双光子成像显微镜和大量遗传工具，发现神经网络变得更加集中，因为老鼠可以执行训练有素的任务。他们使用数据建立计算模型，这可以帮助他们理解决策背后的神经科学。
CSHL的副教授安妮邱奇兰(Anne Churchland)说：“我们同时记录了数百个神经元的活动，并研究了神经元在学习过程中的作用。”“没有人真正知道动物或人类如何学习任务的结构，以及神经活动如何支持任务的结构。”
该团队包括该研究的第一作者Farzaneh Najafi和Churchland实验室的博士后研究员，他们从训练小鼠执行感知决策任务开始。老鼠的多种感觉刺激以点击和闪光的形式出现。他们的工作是通过舔面前三个注水口中的一个，告诉研究人员是高发还是低发。
他们舔了舔中间的水龙头，开始了实验。一方报高利率的决定，另一方报低利率的决定。当老鼠做出正确的决定时，它们会得到奖励。
“大多数决策研究都集中在动物真正成为专家的时期。但我们可以学会测量动物大脑中的神经元，以了解它们是如何进入状态的。”研究。“我们发现，在所有动物中，它们的学习是在大约四周内逐渐进行的。我们发现支持学习的是整个神经元群的活动变化。”
研究小组发现，神经元在对与特定任务相关的活动做出反应时更具选择性。也开始反应越来越快。丘兰德说：“在做出选择之前，他们会做出非常强烈的反应，而在做出选择之前，他们的反应会小得多。”当动物刚刚开始学习时，神经元在做出选择之前不会做出反应。但随着动物获得专业知识，神经元会提前做出进一步反应。
丘兰德说：“我们可以通过某种方式读取动物的思想，并在做之前预测动物会做什么。”“当你是一个新手时，你的大脑会做所有不同的事情，所以你的神经元会参与所有不同的事情。但是，当你是专家时，你会完全明白你要做什么，我们可以参加这个活动。”
研究人员使用机器学习算法训练一个名为“线性支持向量机”的小型人工网络来解码神经活动。它从多个实验中收集性能数据，将其与所有神经元的活动相结合，并对其进行加权，以猜测动物的行为。随着动物在任务中变得更好，它们的神经网络变得更加精炼、精确和具体。研究人员可以将其反映在人工网络上，这样动物的决定可以以大约90%的准确率进行预测。
学习模型还提供了另一种方式来看待大脑中与认知相关的某些类型的神经元，如兴奋性神经元和抑制性神经元，它们分别触发积极和消极的变化。在这项发表于《神经元细胞出版社》的研究中，研究小组发现，抑制性神经元是大脑中极具选择性的子网络的一部分，对动物的选择具有很强的选择性。
这些神经元是生物物理模型的一部分，可以帮助研究人员理解决策是如何工作的。随着研究人员改进这些模型，他们可以更多地了解认知如何指导行为。
“我们在感性决策方面学到了很多东西——受试者会做出正确和错误的决定，做出这些决定需要多长时间，以及决策过程中神经活动的出现——通过做出不同种类的决定来做出真正具体预测的模型。”邱继兰说。“现在，我们可以更好地理解为什么会有这些高度选择性的子网，它们如何帮助我们做出更好的决策，以及如何在学习过程中连接它们。”
标签：大脑
