AI反向傳播算法獲生物證據(jù)！小鼠大腦定制信號(hào)，學(xué)習(xí)效率飆升！

學(xué)鋼琴時(shí)，大腦是怎么知道哪根手指彈錯(cuò)了的？

更深一層的問題是：在數(shù)以百億計(jì)的神經(jīng)元構(gòu)成的網(wǎng)絡(luò)里，大腦究竟如何精確地告訴某一個(gè)細(xì)胞"你需要更活躍"，或者告訴另一個(gè)細(xì)胞"你該安靜下來(lái)"？

2026年2月25日，麻省理工學(xué)院研究團(tuán)隊(duì)在《自然》雜志發(fā)表了一項(xiàng)重要發(fā)現(xiàn)，給這個(gè)困擾神經(jīng)科學(xué)界數(shù)十年的問題，提供了迄今最有力的生物學(xué)證據(jù)。

他們?cè)谛∈蟠竽X中挑選出8至10個(gè)特定神經(jīng)元，在數(shù)百萬(wàn)個(gè)神經(jīng)元中僅僅是滄海一粟，然后把這幾個(gè)神經(jīng)元的活動(dòng)信號(hào)直接接入一套腦機(jī)接口系統(tǒng)，通過這套系統(tǒng)在屏幕上實(shí)時(shí)輸出視覺反饋。

規(guī)則很簡(jiǎn)單：特定神經(jīng)元活躍，小鼠獲得甜食獎(jiǎng)勵(lì)；另一組神經(jīng)元安靜，獎(jiǎng)勵(lì)繼續(xù)。

不到一周，小鼠學(xué)會(huì)了這套規(guī)則，能夠主動(dòng)激活"正確"的神經(jīng)元，同時(shí)壓制"錯(cuò)誤"的神經(jīng)元，以獲取更多獎(jiǎng)勵(lì)。

但真正的發(fā)現(xiàn)，藏在學(xué)習(xí)過程中研究人員對(duì)神經(jīng)元樹突的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)里。

結(jié)果令人震驚：兩組活動(dòng)方向相反的神經(jīng)元，在小鼠學(xué)習(xí)過程中，其樹突接收到的也是方向完全相反的誤差信號(hào)。該"增強(qiáng)活動(dòng)"的細(xì)胞，樹突接收到的是正向信號(hào)；該"抑制活動(dòng)"的細(xì)胞，接收到的是負(fù)向信號(hào)。

P+ 和 P- 神經(jīng)元視野示例。

更關(guān)鍵的一步是驗(yàn)證性實(shí)驗(yàn)：當(dāng)團(tuán)隊(duì)人為干擾這些樹突的信號(hào)傳遞后，小鼠直接喪失了學(xué)習(xí)能力。

"這是首個(gè)生物學(xué)證據(jù)，證明基于神經(jīng)元特異性信號(hào)的定向指導(dǎo)性學(xué)習(xí)，正在大腦皮層中真實(shí)發(fā)生，"哈內(nèi)特說。

這項(xiàng)研究之所以引發(fā)廣泛關(guān)注，不僅僅因?yàn)樗卮鹆艘粋€(gè)關(guān)于大腦的老問題，更因?yàn)樗沂玖松镏悄芘c人工智能之間可能存在的深層共性。

當(dāng)今主流AI系統(tǒng)的學(xué)習(xí)方式，被稱為"反向傳播"算法：系統(tǒng)將自己的輸出結(jié)果與目標(biāo)進(jìn)行對(duì)比，計(jì)算出誤差值，然后將這個(gè)誤差信號(hào)反向傳遞給網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)據(jù)此微調(diào)自身的連接權(quán)重。如此循環(huán)迭代，網(wǎng)絡(luò)逐漸變得更準(zhǔn)確。

關(guān)鍵在于這個(gè)過程的"個(gè)性化"：每一個(gè)節(jié)點(diǎn)接收的誤差信號(hào)都是專門針對(duì)它自身貢獻(xiàn)量身計(jì)算的，而非一個(gè)籠統(tǒng)的廣播信號(hào)。這正是反向傳播算法高效的核心所在。

大腦中也有一種更古老的學(xué)習(xí)機(jī)制，依賴多巴胺、去甲腎上腺素等神經(jīng)調(diào)質(zhì)的釋放來(lái)強(qiáng)化某些行為和神經(jīng)連接。但哈內(nèi)特指出，這種機(jī)制本質(zhì)上是"廣播式"的，同一信號(hào)被發(fā)送給大量神經(jīng)元，無(wú)法區(qū)分每個(gè)細(xì)胞各自對(duì)成功或失敗的具體貢獻(xiàn)，因此效率相對(duì)低下。

現(xiàn)在，麻省理工學(xué)院團(tuán)隊(duì)的發(fā)現(xiàn)表明，大腦皮層在學(xué)習(xí)時(shí)，可能同時(shí)使用了一種更類似反向傳播的精準(zhǔn)機(jī)制：向單個(gè)神經(jīng)元定制發(fā)送方向性的指導(dǎo)信號(hào)，由其樹突負(fù)責(zé)接收。

弗蘭西奧尼則毫不掩飾自己的興奮："機(jī)器學(xué)習(xí)提供了一種在數(shù)學(xué)上極為清晰的方式來(lái)研究學(xué)習(xí)本身。我們現(xiàn)在至少可以把其中一部分直接帶入真實(shí)大腦，這非常有力。"

這項(xiàng)研究也為未來(lái)打開了一扇門。大腦皮層之外的其他腦區(qū)如何學(xué)習(xí)？不同的學(xué)習(xí)算法與生物神經(jīng)網(wǎng)絡(luò)之間究竟有多少相似之處，又在哪里分道揚(yáng)鑣？能否借鑒生物學(xué)的發(fā)現(xiàn)，構(gòu)建出更高效、更節(jié)能的類腦AI？

"這感覺像是一個(gè)全新的開始，"哈內(nèi)特說。