Gameplay Review: 无期迷途
据《南华早报》(SCMP)2026年10月20日报道,中国科学院神经科学研究所团队在小鼠实验中首次证实,单个神经元可以像一台微型计算机那样工作,将学习规则与实时感觉输入相结合,驱动灵活决策。这项发表于《科学》杂志的研究,为理解大脑适应不同感官环境的机制提供了全新线索,也为仿脑AI系统设计打开新方向。
明星身高树突计算:神经元“微型计算机”的真正秘密
传统观点把神经元视作简单的开关:树突负责收集信号,胞体负责加法,轴突负责输出。但中国科学院团队在《科学》杂志发表的这项研究提出,单个神经元的计算能力远超想象。团队通过小鼠实验观察到,树突并非被动传递信号的电缆,而是能将学习规则与实时感觉输入进行局部整合的“分支处理器”。换句话说,一个神经元内部就能完成微型计算,而不是等待整个网络慢慢反应。论文通讯作者之一、中科院神经科学研究所研究员徐宁龙(音译)对《科技日报》表示,这是首次在活体动物中获得树突主动参与决策的因果证据。
明星年龄小鼠实验:树突整合规则与感觉输入的第一步
研究人员训练小鼠将特定气味与奖励建立关联,再通过双光子钙成像和膜片钳记录树突活动。实验分三组:规则与气味一致、规则与气味冲突、以及光遗传抑制树突关键分支。结果清晰——树突的某个分支在规则匹配时产生高频钙信号,小鼠行为准确率约85%;冲突条件下信号强度下降,准确率跌到62%;抑制关键分支后,准确率跌至53%,几乎等于随机。整个实验持续3年以上,覆盖数十只小鼠。这些数据支持一个结论:树突在单个神经元内部完成了“输入-判断-输出”的决策闭环。
明星老婆
| 实验条件 | 树突钙信号 | 小鼠行为准确率 |
|---|
| --- | --- | --- |
|---|
| 规则与感觉输入一致 | 特定分支显著增强 | 约85% |
|---|
| 规则与感觉输入冲突 | 信号分散、峰值降低 | 约62% |
|---|
| 抑制树突关键分支 | 局部信号消失 | 约53% |
|---|
树突计算升级大脑的灵活决策能力
人脑约860亿个神经元,若每个皆可并行计算,大脑的整体处理规模将远超现有超算。“树突像一个独立的运算单元,”徐宁龙在采访中解释,“它先对局部信息做判断,再把结果传给胞体汇总。”这种层级架构让大脑能在200毫秒内权衡经验与现场感官信号,从而做出灵活反应。团队发现,树突的钙尖峰承担着快速逻辑运算功能,一个神经元可同时处理多路输入,相当于把决策延迟分摊到单个分支。这项发现首次搭建了从分子信号到行为选择的因果链条。
明星夫妻仿脑AI系统设计:从神经元启发到工程落地
现行人工神经网络将神经元简化成单个激活函数,忽略了树突的分层计算。中科院团队指出,若将“分支整合”机制引入神经形态芯片,AI系统面对新场景时可能减少重新训练的成本。《南华早报》引述研究分析称,这种仿脑架构对自动驾驶、机器人实时决策尤为关键;《科技日报》援引初步实验数据说,树突启发的深度学习模型可将参数效率提高约20%。这意味着,神经元微型计算机不只是生物现象,还可能是下一代低能耗AI的原型。多位工程师认为,5到10年内有望看到基于该原理的商用芯片。
认知神经科学的边界与未来挑战
不过,小鼠实验不能直接外推到人类。人类大脑皮层的树突更长、分支更多,计算复杂度明显更高;目前团队只记录了树突钙信号与行为的相关性,尚未完全阐明背后分子机制。研究下一步将结合光遗传与实时成像,追踪决策过程中树突网络如何重组。徐宁龙也坦承,从现象到临床应用仍有很长距离。同时,神经科学家需要与AI工程师、数学家协同,才能把树突计算原理转译成算法,这是基础研究转向实用前必须跨越的深沟。
关于神经元微型计算机的常见问题
Q1:单个神经元真的能像电脑一样“编程”吗?
A1: 可以理解成一种比喻。树突通过电化学信号连续处理输入,还能产生类似数字脉冲的动作电位,这使得单一神经元具备混合模拟-数字运算能力。但它的“程序”来自突触连接强度和学习经验,并非人类编写的代码。所谓微型计算机,强调的是分布式、低功耗的并行计算特征。
Q2:这项成果能立刻制造出更聪明的AI吗?
A2: 不能。从神经科学发现到工程应用通常需要5到10年。目前的直接价值是指导神经形态芯片的架构设计,例如让芯片元件模拟树突分支的局部计算,从而降低功耗、提升自适应能力。若进展顺利,首款“树突计算”原型芯片可能在2030年前后亮相。
从“树突只是导线”到“神经元微型计算机”,这次研究重塑了人类对大脑决策机制的基本认知。随着树突分支算法被逐步解码,未来的AI系统将从模仿神经元外观,走向复制其内在计算架构,让机器决策真正拥有生物大脑般的灵活与高效。
