大脑中的先天RNN或许会对人工RNN提供新见解

机器之心 昨天

以下文章来源于ScienceAI ，作者ScienceAI

ScienceAI .

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展。

编辑 | 萝卜皮

循环神经网络（RNN）旨在在计算机上学习序列模式，但尚不清楚 RNN 如何在哺乳动物大脑的本机网络中形成。
在这里，怀俄明大学的研究人员报告了一个先天 RNN，它由来自三个基本单元的单向连接形成：来自情绪区域的输入单元、内侧前额叶皮层 (mPFC) 中的隐藏单元和位于躯体运动皮层 (sMO) 的输出单元 。
具体来说，来自基底外侧杏仁核（BLA）和岛叶皮层（IC）的神经元投射到 mPFC 运动皮质投射（MP）神经元。这些 MP 神经元形成局部自我反馈回路，并针对 sMO 的主要投射神经元。在 sMO 中，颗粒下层中的神经元比颗粒上层中的神经元接收到更强的输入。
研究人员还展示了体内证据，结果表明当 MP 神经元化学遗传沉默时，从情绪区域到 sMO 的通信被取消。
该研究以「A long-range, recurrent neuronal network linking the emotion regions with the somatic motor cortex」为题，于 2021 年 9 月 21 日发布在《Cell Reports》。
图片
人工循环神经网络已广泛应用于语言学习、顺序自动关联和机器人控制领域。它是一个具有自反馈（闭环）连接的神经网络。具体来说，RNN 由三个概念单元组成，包括输入单元、隐藏单元和输出单元。
RNN 的主要特点包括：1、三个单元之间的连接是单向的（输入→隐藏→输出）；2、在隐藏单元内形成自反馈连接。
近期的研究强调了循环回路对体内放大和反馈抑制的重要作用。在局部运动、视觉和额叶皮质中描绘了自我反馈连接。然而，这些自反馈连接是否有助于由三个概念单元和两个关键特征组成的功能 RNN，尚不清楚。
图片
相同的投射神经元或相同皮层中的神经元，在某些大脑区域共享相似的转录组。它们可以排列成同一个单元，相当于一个人工单元。因此，同一投影或层流组内神经元的连通性，可以被认为是自反馈连通性。
在运动皮层中，端脑内（IT）神经元的自我反馈连接性很高，但它们也经常与皮质丘脑（CT）神经元连接。在前额叶皮层中，锥体束（PT）皮质桥蛋白（Cpn）神经元与第（L）5 层的 CT 神经元重叠，并且与 IT 皮质纹状体（CStr）神经元相比，它具有更大的正自我反馈连接。
然而，前额叶皮层和丘脑之间存在相互联系。在视觉皮层中，来自丘脑的输入以循环 L4 神经元为目标，这进一步支配 L2/3 神经元。然而，丘脑输入也直接支配 L2/3 神经元。因此，刚刚所说的连通性都不能满足 RNN 架构的标准。
在这里，研究人员展示了一个远程神经元网络，它可以被描述为一个先天的 RNN。它由内侧前额叶皮层（mPFC；隐藏单元）中的自我反馈连接形成；它整合了来自基底外侧杏仁核（BLA）和岛叶皮层（IC）神经元（输入单元）的输入，并进一步支配躯体运动皮层 （sMO） 颗粒层下投射神经元（输出单元）。
研究人员首先描述了 mPFC 中运动皮层投射（MP）神经元的层流和区域特异性分布，其中 L5 MP 神经元从 BLA 接收到比其 L2/3 对应物更强的输入。在 mPFC 中，L5 MP 神经元是 PT-CStr 神经元，而 L2/3 对应物是皮质皮质（CC）神经元，投射到运动皮层。从 BLA 和 IC 到 MP 神经元的连接是单向的。在 mPFC 内，MP 神经元高度支配 CStr，但不支配 CT 或 BLA 投射神经元，形成一个相对孤立的局部自我反馈回路。
图片
研究人员发现 MP 神经元优先支配 sMO 颗粒下层投射神经元（CT 和 PT-CSpi），它们不投射到 mPFC。鉴于 CT 和 PT-CSpi 神经元在运动准备和执行中的作用，这表明该电路的功能与运动控制有关。
此外，BLA 和 IC 具有相似的投影模式。这个 RNN MP 神经元的关键成分的化学遗传沉默，消除了从情感区域（BLA 和 IC）到 sMO 的跨突触通信。MP 亚型——PT-CStr 神经元——在这个网络中起着关键作用。
论文作者表示，人工 RNN 是重要的深度学习算法，通常用于解决有序或颞叶问题，例如语言翻译、自然语言处理、语音识别和图像字幕。RNN 识别数据中的顺序特征并使用模式来预测下一个可能的场景。RNN 已经是很流行的应用程序，如 Siri、谷歌语音搜索和谷歌翻译。
「最大的惊喜是，RNN 不仅存在于我们的大脑中，它们的构造功能更加精细，在处理顺序输入方面非常高效。」通讯作者 Qian-Quan Sun 博士说，「一般来说，皮层神经元在空间上是互惠的并相互混合。我们的数据不仅表明 RNN 确实存在于大脑最重要的部分——额叶皮层——而且，这个网络没有我们想象的复杂。这对我们来说是一个很大的惊喜，因为这告诉我们，与其他网络相比，这个网络可能负责独特的功能。」
论文链接：https://www.cell.com/cell-reports/fulltext/S2211-1247(21)01182-7
相关报道：https://medicalxpress.com/news/2021-09-recurrent-neural-network-brain.html

人工智能 × [ 生物 神经科学 数学 物理 材料 ]

「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。

欢迎关注标星，并点击右下角点赞和在看。

点击阅读原文，加入专业从业者社区，以获得更多交流合作机会及服务。

阅读原文