《Science》论文：人脑只需单个神经元就可进行XOR异或运算

了解更多！」

类似于植物根部的细树突从该皮质神经元的细胞体向各个方向辐射。单个树突可能会处理它们从相邻神经元接收到的信号，然后再将它们传递为细胞整体反应的输入。

一直以来我们都是将数万亿大脑神经元作为整体来宏观的研究大脑的信息处理能力。但近年来越来越多的研究开始关注单个神经元的能力，结果令人意外：这些神经元似乎承担着比以前想象的要多得多的计算责任。

柏林洪堡大学等机构的研究者最新的研究证实，人类皮层上层中发现的一种新型电信号，皮层神经元树突臂中的微小区室每个都可以执行数学逻辑上的复杂操作，而不是像之前人们所认为的需要多层神经网络。例如连感知机都搞不定的异或运算，单个神经元即可轻松解决。

刊登在《Science》上一篇论文“Dendritic action potentials and computation in human layer 2/3 cortical neurons”，引发了广泛的关注。论文地址：

https://science.sciencemag.org/content/367/6473/83

宾夕法尼亚大学的计算神经科学家Konrad Kording则认为可能促使一些计算机科学家重新评估人工神经网络的策略。

哑神经元的局限性

在1940年代和50年代开始流行这样一张图片：

图中，哑神经元（“dumb” neuron）作为一个简单的积分器，在整个网络中对输入进行求和的点。

而从神经元延伸出来的分支（也就是树突），则从邻近神经元接收成千上万的信号。其中既有兴奋性信号，也有抑制性信号。

接下来在神经元细胞体上，所有的信号在这里进行加权和计数，如果总和超过某个阈值，则神经元会发出一系列的电脉冲（动作电位），这些电脉冲会直接刺激邻近的神经元。

尽管目前尚不清楚大脑在处理信息时实际上以这种方式进行了多少计算，但正是这张图让科学家意识到，单个神经元也可以起到逻辑门的作用，类似于数字电路中的逻辑门！

理论上，神经元网可以执行任何计算。当然，这种神经元模型比较有限。南加州大学的计算神经科学家Bartlett Mel说：“实际上，这是神经元塌陷到空间中的一个点。它没有任何内部的活动关节。”

当时，科学家们缺乏用于从单个神经细胞的各个组成部分进行记录的实验工具。上述模型忽略了流入给定神经元的数千个输入是沿着不同的树突进入神经元细胞体的，而这些树突本身所起到的功能可能差异巨大，或者更为具体来说，这些树突内部本身可能存在一些计算功能。

好在40年后情况有所改变。

神经科学家Christof Koch等人的新模型表明，单个神经元不能表达单个或统一的电压信号。相反，电压信号沿着树突进入神经元体内时会降低，并且通常对细胞的最终输出没有任何贡献。

信号的这种分隔意味着单独的树突可能彼此独立地处理信息，这就和此前神经元点假说矛盾。

这就促使Koch和耶鲁大学医学院的Gordon Shepherd等其他神经科学家对树突的结构进行建模。

原则上，神经元不充当简单的逻辑门，而是充当复杂的多单元处理系统。他们通过一系列复杂的假设机制模拟了树状树如何承载大量逻辑运算。

后来，Mel和几个同事惊讶的发现：树突能够产生局部尖峰；树突具有自己的非线性输入-输出曲线；树突有自己的激活阈值（这个阈值与神经元整体阈值不同）；树突本身可以充当与门或其他单元。

Mel和他的前研究生Yiota Poirazi意识到，这意味着可以将单个神经元设想为两层网络！树突将充当非线性计算子单元，收集输入并吐出中间输出。这些信号然后将在细胞体内结合，这将决定整个神经元的反应方式。

目前尚不清楚树突水平的活动，是否实际上影响了神经元的放电和邻近神经元的活动。不管如何，局部处理在整个神经元系统中的作用已经毋庸置疑。

在计算能力上，神经元要比我们想象的强大很多。神经学家Shepherd表示皮层中进行处理的大部分功率实际上是低于阈值的。

从理论上来讲，几乎任何可以想象的计算都可以由一个具有足够树突的神经元来执行，每个树突都能够执行自己的非线性计算。

而在论文中，科学家向前又迈进了一步，认为不仅仅是树突本身，树突中的微小区室也能够独立执行复杂计算。

意外的尖峰和明斯基的旧困惑

此前的研究主要集中在啮齿动物中，洪堡大学的神经科学家Matthew Larkum的团队想知道在大量且更长树突的人类神经元中，电信号有什么不同？

他们从人类皮质的第2和第3层中获得了脑组织的切片，其中包含特别大的神经元和许多树突。当他们用电流刺激那些树突时，他们发现了一些奇怪的东西。

他们看到了意外的、反复的尖峰。而这些尖峰，似乎完全不同于其他已知种类的神经信号。

它们迅速而短暂，就像动作电位一样，是由钙离子通量引起的。相比较而言，我们常规动作电位通常是由钠和钾离子引起的。

而且，虽然先前已在啮齿动物的树突中观察到钙诱导的信号传导，但这些尖峰却能够持续更长的时间。

更奇怪的是，给树突注入更大的电流刺激，神经元放电的强度反而小了？很有意思的现象。

为了搞清楚这种新的尖峰可能带来什么影响，研究人员构建了一个能够反映神经元行为的模型。

该模型发现，树枝状晶体在响应两个单独的输入时会出现尖峰信号，但当这些输入信号合并时却未能做到。这等效于称为“异或”（或XOR）的非线性计算，如果一个输入（但只有一个）为1，则二进制输出为1。

这一发现立即引起了计算机科学界的共鸣。多年以来，人们一直认为XOR功能在单个神经元中是不可能的！

计算机科学家Marvin Minsky和Seymour Papert在其1969年的书《感知器》（Perceptrons）中提供了单层人工网络无法执行XOR的证据。

这个结论是如此令人震惊，以至于许多计算机科学家将其归咎于神经网络研究在1980年代前的持续低迷状态。

神经网络研究者最终找到了避开 Minsky 和 Papert 所提出的困难的方法，同时神经科学家们也在自然界中找到了这些解决方案的案例。

Poirazi此前就已经发现了XOR可能存在于单个神经元中，只需简单将两个树突结合起来就能够实现这一点。在最近的这个实验中，他们甚至提供了一个合理的、在单个树突中执行XOR的生物物理机制。

处理器中的处理器

当然不是所有的神经元都是这样。根据Gidon的说法，大脑其他部位有许多较小的点状神经元。

那么，为什么一个神经元内的单个隔室需要有能力做整个神经元或一个很小的神经元网络所能做的事情呢？

比较明显的可能性是：多层神经网络的神经元能够有更好的处理能力，并且能够有更好的学习和存储能力。

Poirazi认为或许在单个的神经元内就有一个深度网络，这在学习有难度的问题或认知方面，会强大的多，如此强大的单个神经元也可能有助于大脑节省能量。Kording则补充道：也许一个神经元就能计算出真正复杂的功能。

科尔丁补充说：“。根据Poirazi的说法，拥

研究人员认为，上述发现标志着需要重新考虑如何为大脑及其更广泛的功能建模，仅仅关注不同神经元和大脑区域的连通性是不够的。

新结果似乎也有望影响机器学习和人工智能领域的问题。人工神经网络依赖于点状模型，将神经元视为结点输入并通过活动函数传递总和的节点。

纽约大学心理学和神经科学教授Gary marcus认为这项成果的意义十分巨大，单个神经元的能力可能超出我们的想象。甚至可能重塑我们对“神经启发”网络的观点。

他补充说：“想从愚蠢的神经元中获得聪明的认知的整个研究规则，可能是错误的。”

参考链接：

（声明：本文仅代表作者观点，不代表新浪网立场。）