时机是大脑的隐藏动力
大脑的一个小区域，称为腹侧盖区域（VTA），在我们处理奖励的方式中起着关键作用。 它产生多巴胺，这是一种神经调节剂，可帮助根据上下文提示预测未来的奖励。 来自日内瓦大学（Unige），哈佛大学和麦吉尔大学的一支团队表明，VTA进一步发展：它不仅编码预期的奖励，而且编码预期的确切时刻。 通过机器学习算法使这一发现成为可能的发现，突出了将人工智能与神经科学相结合。 该研究发表在《杂志》中。 腹侧对接区域（VTA）在动机和大脑的奖励电路中起关键作用。 这是多巴胺的主要来源，这小簇神经元将此神经调节剂发送到其他大脑区域，以触发响应阳性刺激的作用。 “最初，VTA被认为仅仅是大脑的奖励中心。但是在1990年代，科学家发现这不是编码本身的奖励本身，而是奖励的预测。 信号 - 而不是奖励自己。 更复杂的功能这种“加强学习”（需要最少的监督）是人类学习的核心。 这也是许多人工智能算法背后的原则，这些算法通过训练来改善性能 - 例如Alphago，Alphago是第一个在GO游戏中击败世界冠军的算法。 在最近的一项研究，Alexandre Pouget的团队中，与哈佛大学的Naoshige Uchida和McGill的Paul Masset合作大学表明，VTA的编码比以前想象的更复杂。 这位领导这项工作的Unige研究人员解释说：“ VTA并没有预测加权的未来奖励总和，而是预测了它们的时间演变。换句话说，每个增益都是单独代表的，这是预期的确切时刻。” “虽然我们知道VTA神经元优先于未来的奖励，而不是将来的原则，但根据手中的鸟的原则在灌木丛中值得两个 - 我们发现，不同的神经元在不同的时间尺度上这样做，其中一些重点是在几秒钟内的奖励上，其他人则关注一分钟时间内预期的奖励，而其他人则更加遥远。 这种多样性是允许编码奖励时机的原因。 这种优质的表示使学习系统具有很大的灵活性，从而使其适应了立即或延迟的奖励，具体取决于个人的目标和优先事项。” 人工智能和神经科学：两条街道 这些发现源于神经科学和人工智能之间的富有成果的对话。 Alexandre Pouget开发了一种纯粹的数学算法，该算法结合了奖励处理的时间。 同时，哈佛大学的研究人员收集了有关奖励的动物中VTA活性的广泛神经生理数据。 “然后他们将我们的算法应用于数据，发现结果与经验完全匹配调查结果。“大脑启发了AI和机器学习技术，但这些结果表明算法也可以作为揭示我们神经生理机制的强大工具。