专家大脑和新手之间的差异

当小鼠学会做一项新任务时，他们的大脑活动随着时间的推移而改变，因为他们从“新手”到“专家”。该改变反映在细胞电路和神经元的活动中。

使用双光子成像显微镜和丰富的遗传工具，来自伦敦哥伦比亚大学，伦敦大学学院的寒冷泉港实验室（CSHL）的研究人员，并发现了Flatiron Institute神经网络随着小鼠在执行训练有素的任务时变得更加专注。他们使用数据来构建计算模型，可以告知他们对后面的神经科学的理解决定-制作。

“我们记录了数百人的活动神经元一切都在同时，研究了神经元在学习中做了什么，“CSHL副教授Anne Churchland说。”没有人真的知道动物或人类如何学习任务的结构和如何神经活动支持。“

该团队，包括Farzaneh Najafi，该研究的第一个作者以及墓地实验室的博士后研究员，通过培训了关于感知决策任务的训练。小鼠以一系列咔哒声和闪烁的形式接受了多思索刺激。他们的工作是通过舔他们面前的三个水路之一来讲述研究人员以高或低利率发生。

他们舔了中间喷口来开始试验，一边报告高速决定，另一边是低速率决定。当小鼠做出正确的决定时，他们得到了奖励。

“大多数决策研究都集中在动物真正专家的时期。但我们能够通过在学习中一直测量大脑中的神经元来看看它们如何到达状态，”高级作者墓地说研究。“我们发现在所有动物中，他们的学习逐渐发生在大约四周内。我们发现支持学习的是一群神经元的活动变化。”

该团队发现的神经元在响应与特定任务相关的活动方面变得更加选择。也开始迅速越来越快地反应。

“他们将在一个选择的前进，并在另一个选择之前非常强烈地反应，”墓地说。

当。。。的时候动物刚刚开始学习，神经元不会回应，直到它做出选择。但随着动物获得专业知识，神经元提前越来越多地回应。

“我们可以在某种程度上看着动物的思想，我们可以预测在他做之前可以做的动物，”墓地说。“当你的新手来看你的大脑做了所有不同的东西时，你有神经元从事所有不同的东西。但是当你是一位专家时，你就磨练了你要做的事情和我们可以拿起这项活动。“

研究人员通过使用机器学习算法训练称为“线性支持向量机”的小型人工网络进行解码的神经活动。它从多次试验中收集性能数据，并将其与所有神经元的活动结合在一起，称重它们猜测动物要做什么。随着动物在任务上变得更好，其神经网络得到更加精致，精确和具体。研究人员能够将其镜像到人工网络上，然后可以预测动物的决定，精度约为90％。

学习模型还提供了另一种方式来看看参与认知的脑部的特定类型的神经元，例如兴奋性和抑制性神经元，其分别引发正和阴性变化。在这项研究中，发表在神经元细胞压力机，该团队发现抑制性神经元是大脑中非常有选择性子网的一部分，它们是强烈选择性的选择，以便可以选择。

这些神经元是生物物理模型的一部分，帮助研究人员了解决策方式。随着研究人员改进了这些模型，它们能够更具认知方式提供如何告知行为。

“我们已经了解了很多关于感知决策 - 主题会得到正确和错误的决定，制定这些决定需要多长时间，在决策期间，通过制作不同的方式“墓地说，制造真正具体预测的模型。“现在我们能够理解，希望更好地，为什么这些非常有选择的子网都在那里，他们如何帮助我们做出更好的决定，以及它们在学习期间如何有线。”

---

---