[认知科学个人学术笔记15]

前言：本日记仅记录认知科学领域中个人认为部分有趣和重要的文章及个人见解，技术分享，以及一些学术界的轶事和新闻等。所涉及文章的摘要或部分文摘均为机翻。本学术日记仅供个人学习记录与随缘分享，不具有任何解释和科普责任，但欢迎在评论区提问或讨论，也接受私信（但不负责回答包你满意）。本专栏不求流量，与本人其他作品无关，随缘更新。本文仅在bilibili发布，若无说明其他任何地方均为非授权转载。

• ChatGPT use shows that the grant-application system is broken (2023)

• https://doi.org/10.1038/d41586-023-03238-5

“有些人可能会认为在撰写资助提案时使用 ChatGPT 是作弊，但它实际上凸显了一个更大的问题：要求科学家编写可以通过人工智能轻松创建的文档有什么意义？我们要增加什么价值？也许资助机构是时候重新考虑他们的申请流程了。

本文档是在没有使用人工智能的情况下编写的。”

• How ChatGPT is transforming the postdoc experience (2203)

• https://doi.org/10.1038/d41586-023-03235-8

“《自然》调查中报告的聊天机器人最常见的用途是精炼文本（63%）。据报道，聊天机器人使用率最高的领域是工程（44%）和社会科学（41%）。生物医学和临床科学领域的博士后不太可能在工作中使用人工智能聊天机器人（29%）”

“香港理工大学放射学博士后Xinzhi Teng表示，他每天都使用聊天机器人来用英语完善文本、准备手稿和撰写演示材料，而英语不是他的母语。他说，他可能会要求ChatGPT“润色”一个段落，使其听起来“原生且专业”，或者从他的摘要中生成标题建议。他仔细检查了聊天机器人的建议，检查它们的意义和风格，并选择最能传达他想要的信息的建议。他说，这个工具为他节省了以前花在专业编辑服务上的钱。”

2.

• Exploiting noise as a resource for computation and learning in spiking neural networks (2023)

• 尖峰神经元网络支撑着大脑非凡的信息处理能力，并已成为神经形态人工智能的支柱模型。尽管对尖峰神经网络（SNN）进行了广泛的研究，但大多数研究都建立在确定性模型上，忽略了神经计算固有的不确定性和噪声性质。本研究引入了噪声SNN（NSNN）和噪声驱动学习（NDL）规则，结合了噪声神经元动力学，以利用噪声神经处理的计算优势。NSNN提供了一个理论框架，可以产生可扩展、灵活和可靠的计算和学习。我们证明，与确定性SNN相比，该框架导致具有竞争性能的尖峰神经模型，提高了对具有挑战性扰动的鲁棒性，并在神经编码中更好地再现概率计算。总的来说，这项研究为机器学习、神经形态智能从业者和计算神经科学研究人员提供了一个强大且易于使用的工具。

• https://doi.org/10.1016/j.patter.2023.100831

故意将噪声引入SNN中使其更具生物合理性，尽管之前有过类似想法，但这个框架非常完善。基于LIF建模，提出了一种信用分配方法噪声驱动学习 (NDL)，亮点是通过BNN实现GD优化。作者证明NDL和所采用的NSNN均为传统方法的泛化，因此可能合理覆盖先前算法。实验表明其泛化和鲁棒性的优越性。重要的是该方法可作为计算神经学中神经编码的合理分析与建模方法，作者通过一个蝾螈观看视频的预测任务说明NSNN在更少参数下的高性能。然而作者指出该模型只适用于速率编码，这使得其在神经计算中的适用范围大大减少的，且不知道算法是否适用于其他神经元模型。此外，ANN和计算神经的研究关于噪声的好处出现了不一的结果，仍需要确认噪声对于ANN是否能带来真正的好处。

3.

• Symmetrical SyncMap for imbalanced general chunking problems (2023)

• 最近，SyncMap开创了一种从序列中学习复杂结构以及适应底层结构任何变化的方法。这是通过仅使用受神经元群行为启发的非线性动力学方程来实现的，即没有损失函数。在这里，我们提出了对称SyncMap，它超越了原来的工作，展示了如何创建长期稳定的动力学方程和吸引-排斥点，甚至处理不平衡的连续一般分块问题（CGCP）。其主要思想是通过应用来自负反馈和正反馈循环的相等更新，以允许更积极的更新。我们的算法在所有12个具有各种困难的不平衡CGCP中超越或联系了其他无监督的最先进基线，包括动态变化的困难。为了验证它在现实世界场景中的性能，我们对几个研究得很好的结构学习问题进行了实验。在四分之三的场景中，所提出的方法大大超过了其他方法，这表明对称激活在揭示时间数据中编码的拓扑结构甚至层次结构方面发挥着关键作用。

• https://doi.org/10.1016/j.physd.2023.133923

一个大脑启发但不是基于神经计算的无监督算法的改进，本身为一个非线性的自组织动力系统而非ANN，且拥有概率图模型的性质。主要用于解决结构学习问题，尤其是时序和不平衡chunking问题，但也可用于持续学习。算法本身就包括了优化求解方法，所以不需要额外地SGD过程，作者主要通过所开发的对称激活方法改进原始算法的学习效率。作者通过语音分析和社区网络分析任务展示了其实际应用性能。总的来说是个有意思的想法，但作为一个解决特定问题的小算法缺乏更多证据表明其优越性，需要合理考虑其应用场合。不过其思想可以应用到SNN或其他类脑算法，或hopfield网络或som等算法，此外作者应当仔细评估其与储层算法的差距。

4.

• Neuromodulation of striatal D1 cells shapes BOLD fluctuations in anatomically connected thalamic and cortical regions (2023)

• 理解大脑的宏观动力学是如何由潜在的微观机制形成的，这是神经科学的一个关键问题。在动物模型中，我们现在可以通过直接操纵细胞水平的特性，同时使用静息状态fMRI测量整个大脑的反应，以前所未有的细节研究这种关系。在这里，我们重点了解了在小鼠结构明确的纹状体-丘脑皮层回路中测量的BOLD动力学是如何通过化学遗传学刺激或抑制右侧背内侧尾壳核（CPdm）的D1中棘神经元（MSNs）来形成的。我们描述了单个皮层和皮层下大脑区域的BOLD动力学变化，以及成对区域之间的区域间耦合（功能连接）模式。使用基于大量不同时间序列特性的分类方法，我们发现CPdm神经调控改变了投射回背内侧纹状体的丘脑亚区内的BOLD动力学。在皮层中，单模态区域（处理来自单一感觉模态的信息）的局部动力学变化最强，并且沿着跨模态区域的分级梯度减弱。相反，在D1刺激后，仅观察到皮质-纹状体连接的功能连接减少。我们的结果表明，有针对性的细胞水平操作在宏观尺度上影响局部BOLD动力学，例如通过增加其自相关结构，使BOLD动力学随着时间的推移更加可预测。这有助于理解结构-功能关系对皮层下和皮层水平区域间交流的影响。

• https://doi.org/10.7554/eLife.78620

非常有意义的研究，在小鼠中从神经递质的角度探究了微观宏观结构功能关系，这是通过病毒转染和氯氮平化学遗传的细胞水平操纵实现的。结果观察到了D1神经元的变化如何影响局部和下游脑区BOLD动力学。研究结果对解释BOLD，BOLD波动传播模式，神经递质的脑网络动力学与投射影响，局部与全脑动力学关系，纹状体皮质回路都有影响。文章还提出了一种基于SVM的时序分类FC动力学分析方法。最后文章提出了一些有价值的待解决问题。

5.

• Intrinsic neural diversity quenches the dynamic volatility of neural networks (2023)

• 异质性是生物学中的常态。大脑也不例外：神经元细胞类型繁多，通过其细胞形态、类型、兴奋性、连接基序和离子通道分布来反映。虽然这种生物物理多样性丰富了神经系统的动态库，但与大脑功能随时间的稳健性和持久性（弹性）相协调仍然具有挑战性。为了更好地理解兴奋性异质性（神经元群体中兴奋性的可变性）和弹性之间的关系，我们分析了一个非线性稀疏神经网络，该网络具有在长时间尺度上进化的平衡兴奋性和抑制性连接。同质网络表现出兴奋性的增加，以及强烈的发射率相关性——不稳定的迹象——以应对缓慢变化的调节波动。兴奋性异质性通过抑制对调制挑战的响应和限制发射率相关性，以上下文相关的方式调节网络稳定性，同时丰富低调制驱动状态下的动力学。发现兴奋性异质性实现了一种稳态控制机制，通过抑制其动力学的波动性（即对临界跃迁的易感性），增强网络对群体规模、连接概率、强度和突触权重可变性变化的弹性。总之，这些结果突出了细胞间异质性在面对变化时大脑功能稳健性中发挥的基本作用，强调了生物物理多样性在大脑功能随时间推移和面对变化时的持续性中的重要性。

• https://doi.org/10.1073/pnas.2218841120

文章探索了关于微观和宏观脑动力系统的一个广泛且重要的概念，即可变性和稳定性的权衡。文章关注一个特定的问题，即兴奋性细胞的异质性如何确保整个脑网络的稳定。文章通过建立一个100个单神经元的非线性平衡稀疏神经网络模型（及相应编码和电导模型），以及最重要的通过引入复杂理论的宏观分析方法，谱理论，来探索神经编码和可塑性的变化与异质性的关系。文章通过多个模型参数发现了兴奋异质性的两个重要调节功能：1）稳态，通过以上下文相关的方式调整复杂平面中的特征值分布，以及2）弹性，通过锚定该特征值分布并使其较少依赖于调节影响。文章讨论了分析特定于兴奋异质性的四个原因。总的来说，本文可能影响兴奋抑制平衡问题，长期可塑性悖论，脑亚稳态，宏观转录组，临床等多个问题。作者承认其建模的局限性，然而文章确实表明其提供了一套用于多个研究方向的通用分析范式，这解决了我的担忧，不过至于分析尺度仍有待商榷。

6.

• Next frontiers in consciousness research (2023)

• 意识科学在过去三十年里已经成熟，目前正处于爆炸性增长的风口浪尖，具有改变医学和技术的潜力。全球社区最近召开会议，综合了当前的知识状况，并确定了推动该领域发展的最令人兴奋的方法。

• https://doi.org/10.1016/j.neuron.2023.09.042

简短总结了今年6月的意识国际会议，尽管之前nature已有相关报道。会议主要讨论了5个问题：

• 1.我们对人类意识的神经基础的理解目前处于什么状态？

• 2.意识的不同方面，例如知觉、意志、记忆、情感和思想，其基本机制是否共享一组核心原则？

• 3.我们如何协同意识内容和意识状态的研究？

• 4.我们如何评估非语言主体（例如非人类动物、胎儿和婴儿以及机器）的意识？

• 5.在我们破译意识的神经基础的过程中，理论应该发挥什么作用？最富有成效的经验方法是什么？

总的来说，当前问题在于理论的竞争，NCC的困难，感知的自觉意识与有意意识，意识与情绪的关系及其理论，发展意识，比较意识，以及意识状态与障碍及标志物，不过经验表明意识理论，NCC和意识状态是最受关注的。作者指出了会议上的三个共识：神经心理学的实证研究，研究范式与方法，无报告的比较学研究。

7.

• Neural dynamics in the limbic system during male social behaviors (2023)

• 性行为和攻击性行为对物种生存和个体繁殖成功至关重要。尽管已经发现许多边缘区域与这些行为相关，但社交线索如何在各个区域中表现出来，以及网络活动如何产生每种行为，仍然难以捉摸。为了回答这些问题，我们利用多纤维光度法（MFP）同时记录雄性小鼠在交配和打斗过程中来自13个边缘区域的雌激素受体α（Esr1）表达细胞的Ca2+信号。我们发现，同种感觉信息和社会行动信号广泛分布在边缘系统中，可以从网络活动中解码。跨区域相关性分析显示，在社会行动启动阶段，网络功能连接显著增加，而后期交配则伴随着“分离”的网络状态。基于反应模式，我们提出了一个交配偏向网络（MBN）和攻击偏向网络（ABN），分别用于介导男性的性行为和攻击行为。

• https://doi.org/10.1016/j.neuron.2023.07.011

方法范例。使用光纤光度成像和行为分析研究了雄性小鼠先天社会行为的边缘系统脑网络表征。使用幅度、时间和区域之间的功能连接这三个维度衡量钙反应。结果符合且扩展了先前研究（见Remedios etal2017），且发现了两个子网络的独立表征状态。结果为社会行为的多个方面做出贡献。