發(fā)表在科學雜志《自然-神經(jīng)科學》上的一項研究提供了一個可能的解決方案：數(shù)據(jù)壓縮。

(資料圖片)

該研究的資深作者之一、葡萄牙Champalimaud基金會理論神經(jīng)科學實驗室負責人克里斯蒂安-馬肯斯說："壓縮外部世界的表征類似于消除所有不相關(guān)的信息并對情況采取臨時的'隧道視野'。"

"大腦通過使用數(shù)據(jù)壓縮使性能最大化，同時使成本最小化，這種想法在感官處理的研究中普遍存在。然而，它還沒有真正在認知功能中得到研究，"資深作者、Champalimaud神經(jīng)科學研究項目主任Joe Paton說。"使用實驗和計算技術(shù)的組合，我們證明了這個相同的原則延伸到了比以前更廣泛的功能領域。

研究人員在他們的試驗中采用了一個計時范式。小鼠必須在每次試驗中決定兩個音調(diào)的間隔時間是大于還是小于1.5秒。當動物完成挑戰(zhàn)時，研究人員同時捕捉到其大腦中多巴胺神經(jīng)元的活動。

"眾所周知，多巴胺神經(jīng)元在學習行動的價值方面起著關(guān)鍵作用，"Machens解釋說。"因此，如果動物在某次試驗中錯誤地估計了間隔時間，那么這些神經(jīng)元的活動將產(chǎn)生一個'預測錯誤'，有助于提高未來試驗中的表現(xiàn)。"

為了確定哪種計算強化學習模型最能體現(xiàn)神經(jīng)元的活動和動物的行為，該研究的第一作者Asma Motiwala構(gòu)建了一些模型。這些模型在如何表示可能與執(zhí)行任務有關(guān)的數(shù)據(jù)方面各不相同，但它們有某些共同的原則。

該小組發(fā)現(xiàn)，數(shù)據(jù)只能由具有壓縮任務表征的模型來解釋。

"大腦似乎會消除所有不相關(guān)的信息。奇怪的是，它顯然也擺脫了一些相關(guān)的信息，但還不足以對動物收集的總體獎勵的多少產(chǎn)生真正的打擊。小鼠顯然知道如何在這個游戲中取得成功，"Machens說。

有趣的是，所代表的信息類型不僅是關(guān)于任務本身的變量。相反，它還捕捉到了動物自身的行動。

"以前的研究側(cè)重于獨立于個體行為的環(huán)境特征。但我們發(fā)現(xiàn)，只有依賴于動物行為的壓縮表征才能完全解釋數(shù)據(jù)。事實上，我們的研究首次表明，學習外部世界表征的方式，可能以不尋常的方式與動物選擇如何行動相互作用，"Motiwala解釋說。

據(jù)作者稱，這一發(fā)現(xiàn)對神經(jīng)科學和人工智能有廣泛的影響。"雖然大腦顯然已經(jīng)進化到可以有效地處理信息，但人工智能算法往往通過蠻力解決問題：使用大量數(shù)據(jù)和大量參數(shù)。我們的工作提供了一套原則來指導未來的研究，即在生物學和人工智能的背景下，世界的內(nèi)部表征如何能夠支持智能行為，"Paton總結(jié)道。