摘要：在《黑镜》中，人类可以通过植入式设备能随意回放、剪辑甚至删除记忆，这种技术看似科幻，却暗合了神经科学的核心命题：记忆的本质是突触连接的动态重塑。

英剧《黑镜（Black Mirror）》剧照

在《黑镜》中，人类可以通过植入式设备能随意回放、剪辑甚至删除记忆，这种技术看似科幻，却暗合了神经科学的核心命题：记忆的本质是突触连接的动态重塑。

长久以来，神经科学家认为大脑通过突触可塑性学习，遵循赫布法则。但加州大学圣地亚哥分校研究团队近期发表在《科学》杂志上的研究揭示：同一神经元的不同突触竟能按多种规则协同工作。这一发现重构了学习机制，为治疗脑疾病及开发类脑AI开辟新路径。

突触：记忆的雕刻师

神经元结构

在大脑中，两个神经元之间通过突触相互连接。大部分情况下，神经冲动电信号在突触被转换成神经递质化学信号，然后激活下一个神经元的电活动。突触是两个神经元之间信号传递和整合的关键结构。

突触可塑性

同时，突触受自身活动影响，会被加强或减弱，这种现象被称为突触可塑性（synaptic plasticity）。

1949年，心理学家唐纳德·赫布提出了解释突触可塑性基本原理的法则，被称为赫布定律（Hebbian rule）。其本质可概括为“一起激发的神经元连在一起”（Cells that fire together, wire together）。

例如，当你第一次闻到咖啡香时，嗅觉皮层的“咖啡气味”神经元与视觉皮层的“棕色液体”神经元同步激活，两者之间的突触连接增强。

此后，只要看到咖啡杯，大脑便会自动唤起香气记忆。这一理论统治神经科学领域长达半个世纪，直到新研究发现传统认知的局限性。

大脑的“多线程”学习策略

在加州大学圣地亚哥分校研究团队的最新实验中，研究者使用双光子显微镜（一种能穿透活体脑组织的高分辨率成像技术）观察小鼠学习按压杠杆获取奖励时的突触活动。

小鼠的大脑皮层中神经元及其分支延伸部分

传统上认为神经元遵循赫布定律，即始终一起激发的神经元会连接在一起。但研究者发现，神经元上的突触并不都遵循相同的规则。

同一神经元的不同树突分支（接收输入的结构）竟遵循截然不同的强化规则。例如，负责接收声音信号的树突突触严格遵循赫布法则，而控制肢体运动的突触却完全无视这一规则，完全独立于神经元活动。

研究结果表明，神经元不只适配单一规则，它可以同时使用两组不同的规则，在不同的突触组内进行学习，这就可以更精确地调整它们接收到的不同类型的输入，以适当地代表大脑中的新信息。

这也意味着在学习过程中遵循不同的规则，神经元可以同时处理多项任务、并行执行多种功能。

这就像一支交响乐团中，弦乐部按乐谱演奏，打击乐部却即兴发挥，但最终仍能合成和谐乐章。

这种“多规则并行”机制，让我们更清楚地了解神经元之间的连接在学习过程中是如何变化的，为理解大脑如何解决 “信用分配问题”（即突触层面的学习信号选择）提供了关键线索，为神经科学研究提供了新见解。

未来应用：解码脑疾病与重塑AI的钥匙

这项研究的发现犹如一把多功能钥匙：不仅能解锁脑部疾病的精准治疗路径，更能开启新一代人工智能的进化密码。

意大利画家多米尼加·费迪《忧郁，一个悲叹的女人》（图片来源：纽约大都会艺术博物馆）

在脑疾病领域，大多数脑部疾病，包括退行性和精神疾病，都涉及某种形式的突触功能障碍，例如阿尔茨海默病的记忆碎片化可能与有关记忆相关突触的可塑性规则失效；抑郁症可能与奖赏通路中基底树突的赫布规则异常弱化有关。

通过了解突触可塑性的正常运作方式，未来科学家们可以更好地了解病症问题所在，开发更多积极有效的疗法。

游戏《底特律：变人（Detroit: Become Human）》画面

此外，该研究对人工智能领域亦具启示意义。当前AI的神经网络虽受大脑启发，但其连接更新的学习规则通常单一且缺乏生物合理性。我们的研究或为开发更高效、性能更优的生物仿真AI模型提供新思路。

当前神经网络如同“单核处理器”，所有节点遵循同一套学习规则。若模仿人脑的树突分工机制，让AI的视觉模块像顶树突般“团队协作”，或将诞生如《底特律：变人》中具备情感决策能力的仿生人。

然而，技术突破也伴随着《黑镜》式的警示：若突触规则可被任意编程，记忆的真实性与个体的身份认同或将瓦解。科学界需在解锁大脑密码的同时，筑起伦理的高墙。毕竟，真正的进步不仅是“我们能做什么”，更是“我们选择不做什么”。

参考资料：

https://en.wikipedia.org/wiki/Hebbian_theory#Limitations

编译：杨雨鑫

审核：刘颖 李培元

审核专家：宋坤 北京大学未来技术学院 助理教授、研究员

来源：光明网