文章图片
杨净 发自 凹非寺
量子位 | 公众号 QbitAI 大脑究竟是怎么做是数学题的？
直到最近，科学家们才有了答案——
有专门的“数学神经元”。
在执行计算时，一些神经元在加法时很活跃，但在大脑做减法时，另一波神经元开始活跃。
而且不管是看到数学符号，还是加、减的文字。
一旦遇到，就能召唤出神经元出来工作。
图宾根大学与波恩大学的相关研究登上了Cell子刊Current Biology。
文章图片
来看看这是个什么样的研究。
大脑做算术题？ 以往研究表明，小猴大脑中有特定用于计算规则的神经元。
但人类大脑上却没有相关的数据。
基于这样的背景，研究团队就进行了相关的探索。
简单来说，这个实验是在大脑MTL（海马体及其皮层）区域植入微型电极，让志愿者做加减法，测试其神经元活动。
志愿者为9名癫痫患者，其中4名男性，平均年龄在43.3岁。
因为在这些患者中，癫痫发作总是起源于大脑的同一区域MTL，为了精确定位缺陷区域，医生将多个电极已植入患者体内。
受益于这样一个前提，而研究人员选择了9-10个临床Behnke-Fried深度电极来记录神经元信号，每个深度电极包含一束九个铂铱微电极，尖端突出约4毫米。
文章图片
实验过程中，志愿者坐在床上。在大约50厘米的距离处，有一台触摸屏笔记本电脑。
文章图片
屏幕上依次显示数字（或圆点）和符号，之后志愿者就从数字键盘中选出计算结果，然后有电脑显示“正确”还是“错误”。
文章图片
每两次显示中间有800毫秒的延迟；每个主体总共有320个试验组成，并分成4组。前10次试验视作排练，不计入之后的分析中。
不同神经元交替活跃 研究人员记录了MTL区域中总共585个单个神经元的动作电位：
海马旁皮层 (PHC) 中的 126 个神经元、海马 (HIPP)中的 199 个神经元、内嗅皮质 (EC) 中的 107 个神经元和杏仁核 (AMY) 中有 153 个神经元。
文章图片
并将整个动作模式输入到一个自学习的计算机程序中。
基于多因素方差分析，首先确定了规则选择性神经元。
什么意思呢？
这些神经元在计算指令发出后（也就是加或者减）会选择性的增强放电。
文章图片
可以看到，图中A、B加法规则情况下，加法神经元（红色）表现出的特定活跃性。C、D（蓝色）所表现出来的减法神经元也是如此。
而且不同对于任务周期和MTL区域，这种具有选择性的神经元比例也有所不同。
文章图片
除此之外，团队还发现计算规则的编码与规则提示无关，以及在海马旁皮层 (PHC) 区域（图I），不同的加法神经元在同一个算术任务中交替活跃。
文章图片
研究人员形容，就好像计算器上的加号键在不断地改变它的位置。减法也是一样。
波恩大学医院癫痫学系Mormann教授表示，这项研究标志着理解大脑数学计算迈出了重要一步。
下一步他们想要了解这些神经元究竟在其中发挥了什么作用。
论文链接：
https://www.cell.com/current-biology/fulltext/S0960-9822(22)00116-6#secsectitle009000116-6#secsectitle0090)
GitHub链接：
https://github.com/EstherKutter/Neuronal-Codes-For-Arithmetic-Rule-Processing-In-The-Human-Brain
参考链接：
[1]https://www.uni-bonn.de/en/news/028-2022
— 好书推荐 —
文章图片
01
代数大脑：揭秘智能背后的逻辑
文章图片
作者：[美]加里·F. 马库斯（Gary F. Marcus）
译者：刘伟、刘欣、于栖洋 等
DeepMind人手一本！
屡次对战深度学习三巨头
揭秘大脑黑盒到底是神经网络机器，还是加工符号的机器
推荐理由
本书英文版出版至今已近20年，但关于大脑究竟如何工作的问题至今仍无答案，而符号主义（认为大脑是类似于计算机的加工符号的机器）与联结主义（认为大脑是并行运转的大型神经网络）之间的争论也从未停息。本书分析了联结主义模型和符号加工模型在计算方面的优势和劣势，关注不同联结主义模型之间的差异以及特定模型与符号加工的特定假设之间的关系，并围绕多层感知器展开讨论。书中的观点在今天依然频繁成为学术讨论的焦点，并为认知科学、人工智能、深度学习等领域的未来研究指明了可能的方向。
文章图片
02
认识AI：人工智能如何赋能商业（原书第2版）
文章图片
作者：[美]道格·罗斯(Doug Rose)
译者：刘强
多伦多大学Shehroz S.Khan作序推荐
传统商业与AI技术的碰撞
智能时代不可不读的AI趣味概述
推荐理由
本书通俗地介绍人工智能（AI）和机器学习（ML）：它们是如何工作的，能做什么，不能做什么，如何借助它们获利。这本书为非技术高管和非专业人士撰写。罗斯基于多年的教学和咨询经验，以直观的类比和解释揭开了AI/ML技术的神秘面纱，解释了从早期的“专家系统”到先进的深度学习网络的发展。
特别推荐，点击选购↓
文章图片
文章图片
扫码关注【华章计算机】视频号
每天来听华章哥讲书
文章图片
更多精彩回顾
书讯 | 2月书讯（下）| 新年到，新书到！
书讯 | 2月书讯 （上）| 新年到，新书到！
资讯 | TensorFlow技术主管皮特·沃登离职，重返斯坦福读博！
书单 | 6本书，读懂2022年最火的边缘计算
干货 | 数据治理的这些事儿，90%的人搞不清
活动 | 开学季——经典计算机教材带你起飞！
赠书 | 【第92期】Python迎来31岁生日，蝉联年度编程语言排行榜冠军
趋势丨2022年的五个大数据发展趋势
趋势丨2022 年前端趋势的 6 个预测
【人工智能|大脑如何做算术（加减法都有专用神经元，符号文字都能激活同一组）】
文章图片
推荐阅读
- 大数据|什么是研发效能（为什么要关注研发效能）
- 大数据相关框架|Hadoop生态圈之即席查询工具Kylin
- Spark|Spark——RDD 依赖关系
- 机器学习|机器学习基础教程笔记---特征工程
- 机器学习|机器学习基础教程笔记---机器学习概述
- 大数据|大数据计算框架与平台--深入浅出分析
- 【大数据day17】——Hive数据仓库（数据库与数据仓库的区别，Hive 的基本概念， Hive 的安装， Hive 的安装，Hive 的基本操作1）
- 大数据|Kylin、druid、presto、impala四种即席查询对比--（转载）
- 大数据|15道经典大数据面试题