（原標題：AI Just Learned How to Boost the Brains Memory）

　　網易科技訊 2月16日消息，據連線雜志報道，說到“黑盒子”，可能沒有比人腦更令人難以理解的類似機制了。人類大腦中的灰質是如此的復雜，以至于科學家們常常哀嘆，它甚至無法完全理解自己。

　　但是如果我們自己不能揭開大腦的秘密，也許機器可以為幫助我們做到。在最新發表的《自然通訊》雜志上，賓夕法尼亞大學心理學家邁克爾·卡哈納（Michael Kahana）領導的研究人員發現，機器學習算法（本身就是超級難以理解的系統）可以用來解碼和增強人類記憶。

　　它是如何做到的？這需要觸發精確定時的電脈沖，并將其發送到大腦中。換句話說，研究人員可以利用一個“黑盒子”來釋放另一個“黑盒子”的潛能。一方面，這好像是解決超級難題的優雅解決方案，而另一方面，它聽起來也像是科技末日恐怖電影的開始。

　　當談到大腦測量時，最好的記錄來自頭蓋骨內部。但是，人們和機構審查委員會通常不愿意以科學的名義破開頭骨。因此，卡哈納和他的同事與25名癲癇患者進行合作，他們在每個病人的大腦中植入了100到200個電極(用來監測癲癇相關的電子活動)。卡哈納及其團隊在這些植入物上使用電極，在記憶任務期間記錄高分辨率的大腦活動。

　　機器學習算法學會將電極測量模式與患者記憶單詞的可能性聯系起來。首先，研究人員了解了大腦記憶東西的感覺。當患者閱讀并試圖將單詞列表內部化時，卡哈納及其團隊每秒從每個植入的電極上收集了數千個電壓測量值。之后，他們測試了患者的回憶能力，即重新構建數據，表明大腦記憶或忘卻單詞的活動模式。

　　此后，卡哈納等人又多次重復這樣的測試。在每個測試主題都進行了兩到三次之后，他們收集到足夠多的訓練數據，以產生關于某個特定病人的算法，這些算法可以預測每個病人在自己的電極活動中可能記住的單詞。

　　令人感到意外的是，這些電極不只是讀取大腦的神經活動，它們也能刺激它。因此，研究人員試圖刺激大腦以增強實時記憶的形成。每隔幾秒鐘，受試者就會看到新的單詞，而新的訓練算法將決定大腦是否準備好記住它。卡哈納說：“閉環系統讓我們記錄下受試者的大腦狀態，分析它，并決定是否觸發刺激，這一切都在幾百毫秒內完成。”

　　這種方法顯然有效果。研究人員的系統提高了病人回憶單詞的能力，平均提高15%。這并不是卡哈納的實驗室第一次探索大腦刺激對記憶的影響。去年，該研究小組發現，電脈沖似乎可以改善或破壞回憶，這取決于研究人員何時將它們發送出去。在這項研究中，當研究人員在低功能時期刺激記憶的特定區域時，測試者得分會更高。

　　這是個極為重大的發現，但在治療上似乎毫無用處，研究人員只能在記憶測試完成后確定記憶和大腦狀態之間的聯系。而從大腦增強的角度來看，你真正想要的是在記憶過程中傳遞脈沖。

　　現在，卡哈納和他的同事似乎已經在機器學習算法的幫助下關閉了這個循環，他說！“我們沒有只用它來識別貓的圖像，而是用它來構建解碼程序——它可以觀察電子活動，并顯示大腦是否處于有利于學習的狀態。”如果大腦看起來像是在有效地編碼記憶，研究人員就會置之不理。如果不是這樣，他們的系統就會快速地傳送電脈沖，將其推入更高效的狀態，就像大腦的心臟起搏器一樣。

　　加州大學圣地亞哥分校神經科學家布拉德利·沃泰德（Bradley Voytek）說！“這并不是令人感到驚嘆的效應，但它確實很有前途。”現在的問題是，今后在這一領域的工作能否取得更好的成果。如果患者的大腦被植入越來越多的精確電極，算法就可以在更少的時間、更高效地解碼出更多的神經信號。

　　更多的培訓數據也會有所幫助，然而大多數癲癇病患者最多只能參加這樣的研究幾個星期，這限制了研究人員與他們相處的時間。卡哈納的最新研究顯示，經過3次以上訓練的機器學習算法遠比訓練更少的算法表現更好。

　　但是，即使有更高的分辨率和更多的訓練數據，科學家們仍需要解決使用不透明算法去研究和操縱大腦的問題。事實上，盡管卡哈納的系統可以在特定的情況下改善記憶單詞的能力，但他并不確切地知道它是如何提高記憶功能的。這就是機器學習的本質。

　　幸運的是，卡哈納團隊已經考慮到了這一點，而且有些算法比其他算法更容易審查。在這個特別的研究中，研究人員使用了簡單的線性分類器，這使得他們可以對單個電極活動如何影響他們的模型辨別大腦活動模式的能力做出推論。賓夕法尼亞大學負責監督機器學習分析的心理學家優素福·伊扎伊特(Youssef Ezzyat)說：“我們現在還不能確定，我們用來記錄大腦活動的特征之間是否也存在交互作用。”

　　更復雜的深度學習技術也不一定能轉化為更強大的認知增強能力。但如果它們真能能有所幫助，研究人員可能會努力去理解這些機器做出決定的理由，從而找到增強大腦功能的電脈沖。 （小小）