Quantifying the cost of network computations to unpack structure-function relationships in the brain
本文引入了一个基于控制理论的定量框架，该框架通过定义“计算可操作性景观”来衡量网络转换的代价，揭示了昆虫、人类及受训神经网络中的特定网络结构如何塑造其计算能力与功能角色。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
不要把大脑想象成一台拥有硬连线电路的静态计算机，而要把它想象成一座繁忙、动态的城市，思想就像在街道上流动的车流。几十年来，科学家们绘制了道路（神经元之间的连接）的地图，并观察了交通拥堵和畅通高速公路（活动模式）。但一个巨大的谜团仍然存在：仅仅因为一条路存在，是否意味着它容易行驶？或者它是一段需要巨大引擎才能攀爬的陡峭、蜿蜒的悬崖？这个问题处于神经科学与物理学的交汇点，特别是被称为“控制理论”的一个领域。可以将控制理论视为“转向”的科学；它探讨将一个系统从一种状态（如困倦）推向另一种状态（如警觉）需要多少“能量”或“努力”。理解这一点至关重要，因为它能帮助我们弄清楚大脑为何被设计成现在的样子。如果大脑的结构使得某些思想变得“廉价”，而另一些则变得“昂贵”，那么大脑布线图的形状可能就是解释我们如何导航世界、做出决策和学习的秘密代码。
这项研究背后的研究人员决定构建一个数学上的“成本图”来解决这个谜题。他们称这张图为计算可负担性景观（computational affordance landscape）。想象一下起伏不平的地形，土地的高度代表执行特定心理任务所需的能量。如果一项任务是一个平坦、光滑的山谷，它是“廉价”且容易完成的；如果它是一座崎岖、陡峭的山峰，它就是“昂贵”且困难的。通过使用大脑的布线图作为这种地形的蓝图，团队可以预测大脑天生擅长哪些心理任务，以及在哪些任务上会感到吃力。
首先，他们在果蝇大脑中一个微小且著名的、充当指南针作用的电路上测试了这个想法。果蝇需要知道自己面向哪个方向才能进行导航。研究人员发现，在他们的成本图上，“最便宜”的路径——即需要能量最少的路径——恰好是果蝇实际用于更新其方向感的那种运动。就好像大脑的布线被完美地雕琢过，使得转向成为最容易完成的事情。此外，该图谱准确预测了果蝇的大脑应该如何接收信号来进行这次转向，而这些预测与生物学家在真实果蝇身上观察到的现象完全吻上。
接下来，他们观察了更为复杂的人类大脑。他们将大脑划分为不同的“社区”，比如负责视觉的“视觉网络”和负责白日梦与规划的“默认模式网络”。他们发现了一个迷人的模式：“视觉网络”拥有一个非常崎岖、不平整的景观。有些任务极其简单，而另一些则异常困难。这表明这个部分的大脑是高度专业化的，就像一位擅长烹饪牛排但完全不会烘焙的顶级大厨。相比之下，“默认模式网络”拥有一个更加平坦、平滑的景观。这意味着它可以轻松地在许多不同类型的思想之间切换，扮演着全能型通才的角色。这种“崎岖度”的差异与大脑的组织方式完美契合，即从执行特定工作的感觉区域到处理灵活、复杂思维的联络区域。
最后，团队训练了人工计算机大脑（循环神经网络）来解决特定的谜题。在开始训练之前，计算机的“成本景观”是平坦且乏味的；每项任务的成本几乎相同。但随着计算机的学习，景观开始发生变化。它为正在练习的任务开发出了深邃的山谷，而对于其他一切任务则形成了高耸的山峰。这表明学习不仅仅是记忆事实；它是在物理层面重塑大脑（或计算机）的内部地图，使你练习的内容在未来变得更“便宜”、更容易完成。
简而言之，这篇论文表明，大脑的结构不仅仅是一个被动的支架，它还是一个主动的引导者，决定了哪些思想易于产生，而哪些需要付出艰辛的努力。通过绘制这些成本图，科学家现在可以看到大脑的物理布线是如何塑造其思考、学习和适应能力的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。