芝加哥大学神经科学家的研究表明，短期工作记忆如何根据当前任务的复杂性不同地使用神经元网络。

研究人员使用现代人工智能(AI)技术来训练计算神经网络，以解决一系列复杂的行为任务，这些任务需要将信息存储在短期记忆中。AI网络基于大脑的生物学结构，并揭示了涉及短期记忆的两个不同过程。一种是“沉默”过程，大脑在没有进行中的神经活动的情况下存储了短期记忆，另一种是更为活跃的过程，其中神经元的回路不断激发。

这项由UChicago资深科学家Nicholas Masse博士和神经生物学教授David Freedman博士领导的研究于本周在《自然神经科学》上发表。

Freedman说：“短期记忆可能由许多不同的过程组成，从非常简单的过程(您需要回忆几秒钟前看到的内容)到更复杂的过程(您必须操纵存储在存储器中的信息)，” 。“我们已经确定了两种不同的神经机制如何共同解决不同种类的记忆任务。”

主动与静音记忆

许多日常任务需要使用工作记忆，这些信息是您当前需要做的事情，但以后可能会忘记。有时，您会主动记住一些有目的的东西，例如在脑海中遇到数学问题或试图记住电话号码，然后才有机会写下来。您还会被动地吸收一些信息，即使您没有想起要记住的信息，也可以稍后再调用，例如是否有人问您是否在走廊上看到某个人。

神经科学家通过监视动物执行需要短期记忆的任务时通过大脑活动的电活动模式，从而了解了大脑如何表示记忆中的信息。然后他们可以监视脑细胞的活动并在动物执行任务时测量其活动。

但是弗里德曼说，他和他的团队惊讶于在某些需要将信息保存在内存中的任务中，他们的实验发现神经回路异常安静。这使他们推测这些“沉默”的记忆可能存在于神经元之间连接或突触强度的暂时变化中。

问题在于，在活的动物大脑的这些“沉默”时期，不可能使用当前的技术来测量突触中发生的事情。因此，Masse，Freedman及其团队一直在开发AI方法，该方法使用动物实验中的数据来设计可模拟真实大脑中神经元如何相互连接的网络。然后他们可以训练网络来解决动物实验中研究的同类任务。

在这些受到生物学启发的神经网络进行的实验中，他们能够看到短期记忆处理中两个不同的过程。一种叫做持续性神经元活动，在更复杂但仍是短期的任务中尤为明显。当神经元获得输入时，它会在活动中产生短暂的电峰值。神经元与其他神经元形成突触，当一个神经元点火时，它会触发连锁反应，从而引发另一神经元点火。通常，这种活动模式会在输入消失后停止，但是AI模型显示，当执行某些任务时，即使去除输入后，某些神经元回路也会继续触发，例如混响或回声。

研究人员还看到了第二个过程，该过程解释了大脑如何在不进行持续活动的情况下将信息保存在内存中，就像他们在大脑记录实验中所观察到的那样。这类似于大脑通过在许多神经元之间建立复杂的连接网络来将事物存储在长期记忆中的方式。当大脑学习新信息时，这些联系会被加强，重新路由或消除，这就是可塑性的概念。AI模型显示，在记忆的沉默期中，大脑可以在神经元之间的突触连接中使用短期可塑性来暂时记住信息。