关键词：神经网络，临界动力学，合成生物智能
论文题目：Critical dynamics arise during structured information presentation within embodied in vitro neuronal networks
期刊名称：Nature Communications
斑图地址：https://pattern.swarma.org/paper/777d6fb2-4789-11ee-9e0a-0242ac17000d
论文地址：https://www.nature.com/articles/s41467-023-41020-3
我们的大脑如何处理信息？长期以来的一种观点是，神经系统在处于或接近临界态的状态下工作。但是由于人类和动物模型的实验和理论限制，我们还不能明确地知道，在什么时候，出于什么原因，神经系统的临界性可能与注意、认知甚至意识的联系有关。皮质神经元网络是在自发活动中表现出近临界状态，还是只在结构化信息输入时表现出近临界状态？真正的不受来自其他区域模式影响的局部临界动力学是什么？
在这篇最近发表在 Nature Communications 上的文章中，作者使用皮质神经元构建了一个离体神经网络，利用DishBrain平台训练该神经网络玩一个简化的“Pong”游戏。具体来说，作者在多电极芯片上播种皮层神经元并记录其电生理活动，其中多电极芯片上的一组电极为感觉输入区域，另一组为运动输出区域。在感觉输入区域施加模式化的电刺激来模拟乒乓球的位置，并根据运动输出区域的活动电平控制模拟球拍的移动。当球拍打到或没打到球时，分别给予一定反馈。记录神经元在游戏过程中的活动变化，以及球拍的命中/失误比例（H/M ratio）等游戏表现，计算并比较在游戏过程中和静息状态下神经元的动力学性质。
作者证明，当神经网络接收到与任务相关的结构化感觉输入时，会出现临界动力学特征，使系统到达近临界态（near-critical state），而在静息状态下则不能。并且游戏表现越好，系统越接近临界态。但是，临界态本身不足以使神经网络在没有反馈的情况下实现学习，封闭环路的反馈对于改进基于临界系统的游戏表现至关重要。
这项研究有力地证明了，临界性是神经系统处理结构化输入信息的基本特征，无需高级认知功能的参与。
图2：细胞在通过玩游戏接收结构化信息时，动力学特征会发生巨大变化。
推荐阅读
