科学家通过研究老鼠学习新任务的过程揭示了新手和老手大脑的差异。

       老鼠大脑在学习新任务的过程中会发生一些改变，不同的脑细胞的连接方式以及神经元的活动方式，反应了“新手”到“专家”的变化过程。

       来自冷泉港实验室(CSHL)、哥伦比亚大学、伦敦大学学院和弗拉蒂隆研究所的研究人员利用双光子成像显微镜和丰富的基因工具发现，经过不断训练之后，老鼠在执行训练任务时的表现会更好，它们的神经网络也变得更加集中。研究人员利用这些数据构建的计算模型可以帮助人们更好的了解决策背后的神经科学。

       CSHL副教授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所做的事情。”没有人真正知道动物或人类如何学习一项任务的结构，也不知道神经活动是如何协助了这一过程。”

       该研究的第一作者、丘吉尔实验室的博士后Farzaneh Najafi及其团队首先对老鼠进行了感知决策任务训练。让这些老鼠接受一系列的咔嚓声和闪光的多感官刺激。老鼠的工作是通过舔前面三条水龙中的一条来告诉研究人员这些现象的发生率是高还是低。

       开始试验时，它们会舔一下中间的水龙，以报告这边的比率比另一边高。当老鼠做出正确决定时，他们得到了奖励。

       “目前进行的大多数决策研究，大都是利用已被训练为老手的大鼠进行。但是，我们能够通过测量他们大脑中的神经元在整个学习过程中的变化来观察他们如何达到了这种状态。我们发现，所有的动物都会在大约四周的时间里逐渐学会训练任务。我们发现，一堆神经元的活动变化支持了学习的过程。”

       研究小组发现，当这些神经元对（那些和特定任务有关的）活动做出反应时，就会变得更具选择性。他们的反应也越来越快。

       Churchland说：“在做出某中选择之前，这些神经元会有非常强烈的反应，而在面对另一个选择时，其反应就不会那么强烈了。”。

       当动物刚开始学习时，神经元直到必须要做出选择的时候才会做出反应。但随着动物专业知识的获得，神经元的反应就会提前很多。

       Churchland说：“我们可以通过某种方式解读动物的思想，我们可也以预测动物在做这件事之前它会做什么。”当你是一个新手时，你的大脑会做各种不同的事情，所以你的神经元参与了所有不同的事情。但是，当你是专家时，你就要仔细研究你接下来该做什么，然后我们就可以开始这项活动了。”

       研究人员通过运用机器学习算法训练了一个叫做“线性支持向量机(Linear Support Vector Machine)”的小型人工网络来解码神经活动。该网络从多个实验中收集性能数据，并将其与所有神经元的活动相结合、评估其权重，以猜测动物将要做什么。随着动物在这项任务上的进步，它的神经网络变得更加精细、精确和具体。研究人员能够将其映射到人工网络上，然后这个人工网络可以以大约90%的准确率预测动物的决定。

       学习模型还提供了另一种查看大脑中与认知的特定类型神经元的方法，例如分别触发正性和负性变化的兴奋性和抑制性神经元。在这项发表在《神经元》杂志上的研究中，研究小组发现，抑制性神经元是大脑中非常有选择性的子网络的一部分，它们对动物的选择具有强烈的选择性。

这些神经元是生物物理模型的一部分，可以帮助研究人员了解决策的工作原理。当研究人员完善了这些模型时，他们对于认知影响行为的方式就有了更好的理解。

       Churchland说：“我们已经学到了很多知觉决策的知识，比如受试者做出的对与错的决定，以及做出这些决定需要多长时间，决策过程中的神经元是如何活动的，如何通过建立不同的模型来做出真正具体的预测。”现在，我们可以更好地理解为什么会有这些选择性非常高的子网络，它们如何帮助我们做出更好的决策，以及它们在学习过程中是如何连接起来的。”