然后神经科学家对付人脑的研究创造却并不是如此。
在神经科学的诸多研究中已经创造，人脑在信息打算上并不但有神经元连接在起浸染，单个的神经元也同样承担着比以古人们想象中要主要得多的打算任务。

最近《Science》上揭橥了一篇论文 “Dendritic action potentials and computation in human layer 2/3 cortical neurons”。
在这篇论文中，研究职员创造，皮质神经元树突上的眇小区室（tiny compartments in the dendritic arms of cortical neurons）可以实行特定的打算-“异或”。
这个创造之以是主要，在于，一贯以来数学理论家们都认为单个神经元是无法进行“异或”打算的；现在则不仅是单个神经元，乃至神经元的树突上的部分都可以进行“异或”运算。

神经元并不纯挚只是为了连接，它们同样能够实行繁芜运算，神经元本身可能也是一个多层网络。
这个创造对付构建人工神经网络的打算机科学家们来讲，或许会是一个非常主要的启示。

哑神经元的局限性

在上世纪40年代和50年代，这样一幅图片开始在神经科学领域占主导地位：

哑神经元（“dumb” neuron），一个大略的积分器，全体网络中对输入进行求和的点；

从神经元延伸出来的分支（称为树突）能够从临近神经元吸收成千上万的旗子暗记，有些是愉快性旗子暗记，有些是抑制性旗子暗记；

在神经元细胞体上，所有的旗子暗记在这里进行加权和计数，如果总和超过某个阈值，则神经元会发出一系列的电脉冲（动作电位），这些电脉冲会直接刺激临近的神经元。

大约在同一韶光，研究职员意识到，单个神经元可以起到逻辑门的浸染，类似于数字电路中的逻辑门（只管截止目前我们还不清楚大脑在处理信息，在多大程度上是这样的）。
例如，如果神经元仅在收到足足数目标输入后才触发，实际上便是一个“与”门。

因此理论上，神经元网络可以实行任何打算。

但显然这种模型是存在局限性的。
在这种模型中，神经元将坍缩为空间中的一个点，它没有任何内部构造。
另一方面这个模型也忽略了一个事实：流入给定神经元的数千个输入是沿着不同的树突进着迷经元细胞体的，而这些树突本身所起到的功能可能差异巨大，或者更为详细来说，这些树突内部本身可能存在一些打算功能。

这种模型在80年代开始改变。

神经科学家Christof Koch等人通过建模（后来也得到了实验的支持）表明，单个神经元内部不能表达为单个或统一的电压旗子暗记；取而代之的是，电压旗子暗记沿着树突进着迷经元胞体内时会降落，并且常日对细胞的终极输出没有任何贡献。

旗子暗记的不一致性，意味着单个的树突可能在彼此独立地处理信息。
这与先前的神经元假说是有抵牾的；在先前的神经元假说中，神经元只是大略将所有东西加在一起。

这项事情匆匆使了Koch以及耶鲁大学医学院的Gordon Shepherd等人开始对树突构造进行建模。
基本的思路便是，神经元不再只是充当一个大略的逻辑门，而是一个繁芜的多单元处理系统。

后来 Mel 等人进行了更加细致的研究，他们创造：1）树突能够产生局部尖峰；2）树突具有自己的非线性输入-输出曲线；3）树突有自己的激活阈值（这个阈值与神经元整体阈值不同）；4）树突本身可以充当 AND 门或其他单元。

Mel等人认为，这意味着可以将单个的神经元构想为 two-layer 的神经网络：树突充当非线性打算子单元，网络输入并吐出中间输出；这些输出旗子暗记将在细胞体中进行结合，然后决定全体神经元的反应。

当然，截止目前为止，我们还并不清楚树突水平的活动，是否会影响神经元的放电以及临近神经元的活动。
不过，不管如何，局部处理在全体神经元系统中的浸染已经毋庸置疑。
在打算能力上，神经元要比我们想象的强大很多。

神经学家Shepherd也曾表示：“皮层中进行处理的大部分功率实际上是低于阈值的。
单个神经元系统可能并不仅仅只是一个加权求和的系统。
”

从理论上来讲，险些任何可以想象的打算都可以由一个具有足够树突的神经元来实行，每个树突都能够实行自己的非线性打算。

而前面提到的最近揭橥在《Science》上的论文中，研究职员将这一想法又向前推进了一步：他们认为，不仅仅是树突本身，树突中的眇小区室也能够独立实行繁芜打算。

意外尖峰与明斯基的不可能

本文作者Matthew Larkum 是一位洪堡德的神经科学家，他的研究团队希望能够从不同的问题角度来研究树突。
之前研究者紧张在研究啮齿类动物的树突活动，因此他们希望能够研究有大量且更长树突的人类神经元中的电旗子暗记有什么不同。

他们从人类大脑皮层的第二层和第三层获取了脑组织切片，人类大脑皮层包含了有许多树突的特大神经元。
当他们用电流来刺激这些树突时，他们看到了猜想之外且反复涌现的尖峰，这些尖峰彷佛与其他已知的神经旗子暗记完备不一样。
它们非常迅速而短暂，就犹如动作电位一样平常，是由钙离子的流动所引起的。
这是值得把稳的，由于传统的动作电位常日是由钠离子和钾离子所引起的。
并且，虽然此前已经在啮齿动物的树突状中也不雅观察到了这种由钙离子所诱发的旗子暗记，但是那些尖状物的持续韶光要长得多。

更奇怪的是，给树突注入给多的电流刺激，反而会降落神经元放电的密集度，而非增加。

为了搞清楚这种新的尖峰可能带来什么影响，研究职员构建了一个能够反响神经元行为的模型。

该模型创造，输入 X和输入Y，如果只有输入 X 或只有输入Y，树突会涌现尖峰；而如果两个输入同时涌现，就不会有尖峰。
这相称于异或（或XOR）的非线性打算。

这一创造在打算机领域产生了轰动。
多年来，他们都认为 XOR 函数不可能涌如今单个神经元中，著名的打算机科学家Marvin Minsky 和Seymour Papert在他们于1969 年合著的《Perceptrons》一书中，还对单层人工网络无法实行 XOR 进行了论证。
这一结论具有毁灭性的影响，以至于很多打算机科学家都将20世纪80年代之前神经网络研究陷入低迷状态，归咎于这一结论。

神经网络研究者终极找到了避开Minsky 和 Papert所提出的困难的方法，同时神经科学家们也在自然界中找到了这些办理方案的案例。
例如，Poirazi 之前就已经创造了XOR是可能存在于单个神经元中的：并且大略将两个树突结合起来，就能够实现这一点。
而在最近的这个实验中，他们乃至能够供应了一个合理的、在单个树突中实行XOR的生物物理机制。

处理器中的处理器

当然，并非所有的神经元都是如此。
据论文作者 Gidon 所说，大脑的其他部分也存在很多更小的点状神经元。
或许创造的这种神经繁芜性的存在是有缘故原由的。

神经元中的一个小区室，为什么须要具有全体神经元或一个小型的神经网络才具备的能力呢？

一个可能是：多层神经网络的神经元能够有更好的处理能力，并且能够有更好的学习和存储能力。

对此，Poirazi指出：“或许在单个的神经元内就有一个深度网络，这在学习有难度的问题或认知方面，会强大许多。
”

Kording 也提到：“单个神经元或许能够打算真正繁芜的函数，例如，它可能能够拥有自主识别工具的能力。
”

正如Poirazi 所说，如此强大的单个神经元，也将有助于大脑降落能量花费。

据理解，研究者们操持下一步将考试测验在啮齿类动物或其他动物身上的树突中探求相似的旗子暗记，以此来确定这种打算能力是否是人类所独占。
他们也希望能够超越模型的范畴，将他们不雅观察到的神经行为与动物的实际行为结合起来研究。

与此同时，Poirazi 则期望能够比较这些树突中的打算与神经元网络中实际发生的情形，以此证明前者是否具备一些上风。
这包括测试其他类型的逻辑操作、探索这些操作将对学习和影象有哪些贡献意义。
她表示：“在我们开展这些实验之前，我们无法真精确定这一创造将带来多大的影响。
”

结语

虽然现在研究者们还有很多事情须要做，但他们认为这些创造也暗示着他们须要重新思考他们该如何对大脑以及其更广泛的函数建模。
仅仅关注不同神经元和大脑区域的关联性，远远不足。

这一新结果，彷佛也会对人工智能和机器学习领域的问题带来影响。
人工神经网络依赖于点状模型，这种模型将神经元视为难刁难输入计数并在活动函数中通报总数的节点。

纽约大学认知科学家、深度学习的疑惑者 Gary Marcus曾说过：“只有少数人在负责对待这个不雅观点：单个神经元可能是一个繁芜打算的设备。
”

他补充道，只管这篇在《科学》上揭橥的论文只是更广泛的研究史中阐述了这一不雅观点的个中一项创造，但打算机科学家该当严明看待这一不雅观点，由于它用 XOR 问题为阻碍了神经网络研究如此永劫光的研究难题供应了一个研究框架。
他表示：“也便是说，我们真地须要考虑采取这种办理思路，想从屈曲的神经元中得到聪明的认知的全体研究规则，可能是缺点的。
”

via https://www.quantamagazine.org/neural-dendrites-reveal-their-computational-power-20200114/