說到“黑匣子”，人類大腦可能是其中最難解的。無數科學家感嘆，它的機理太過複雜，以至於我們無法窺見其中的門道。
幸運的是，雖然僅靠自己我們無法解開這個謎團，但加上機器的力量，結果卻可能有所不同。在最新一期的《自然通訊》雜誌上，賓夕法尼亞大學心理學家Michael Kahana領導的研究團隊指出，眾所周知的“黑匣子”——機器學習演算法，可以解碼並增強人類的記憶力。具體如何實現呢？答案是對大腦傳送精準實時的電脈衝。
也就是說，研究人員準備用一個“黑匣子”來解鎖另一個“黑匣子”的巨大潛能。這種做法給人的感覺非常複雜：一方面，對於一個不可思議的難題來說，這不失為一種解決方法；但另一方面，又讓人覺得不安，因為這聽起來就像一個類似“天啟”的科幻恐怖片的開端。
測量大腦的最佳方法當然是直接深入顱內，但大眾和相關機構審查委員會，不會允許有人打著科學的旗號開啟別人的頭骨。因此，Kahana團隊和25個癲癇患者合作，在他們每個人的大腦中植入了100-200個電極，以監測和癲癇相關的大腦放電。通過這些電極，Kahana團隊還記錄了跟記憶任務相關的大腦活動。
機器學習演算法學會了關聯電極訊號和患者記住單詞的可能性
Kahana團隊首先了解了大腦熟記內容時的狀態。當患者閱讀並嘗試記住一張列表中的單詞時，他們每秒鐘從每個電極收集了數千次電壓測量資料。隨後，他們又對患者的回憶過程進行了測量，以確定哪些大腦活動分別對應著記住和忘記單詞。
Kahana團隊將上述測量重複進行了數次。在對每個患者測量了2-3次後，他們收集到了足夠多的資料用於演算法訓練。這些演算法可以依據單個患者的大腦電極活性，預測他可能記住了哪些單詞。
這項研究的關鍵在於，電極不僅能讀取神經的活動，也能對它施加刺激。研究人員嘗試著通過刺激大腦來改善（Kahana團隊稱之為“拯救”）實時記憶能力。受試者每隔幾秒鐘會看到一個新的單詞，演算法則根據大腦訊號判斷他是否能夠記住這些單詞。Kahana說道：“這是一個閉環系統，我們可以記錄受試者的大腦狀態，分析它是否能記住眼前的事物，如果不能就對它施加刺激，整個過程只需要幾百毫秒。”
實驗證明，這種做法確實有效。藉助Kahana團隊的系統，這些患者的記憶力平均提升了15%。
這並非Kahana實驗室第一次進行腦刺激對記憶力影響方面的研究。去年，他們團隊曾提出，電極脈衝既可以改善也可以惡化記憶力，關鍵在於施加電極脈衝的時機。該項研究中，研究人員發現，當他們在低官能期刺激大腦的記憶區域時，測試物件能獲得更高的分數（如果在高官能期施加刺激，效果則恰恰相反）。這是一項重大發現，可惜無益於治療。因為研究人員只有在做了記憶測試後，才能定義記憶力和大腦狀態之間的關係。而如果想要增強記憶力，就必須在記憶的過程中施加脈衝刺激。
現在，Kahana和他的同事們藉助機器學習演算法完成了閉環。Kahana說道：“和那些識別貓咪影像的演算法一樣，只不過我們用它來監測大腦的電流活動，判斷大腦是否處於利於學習的狀態。如果電流訊號顯示，大腦正在高效地編碼記憶，我們就不用理會它；如果不是，系統就會迅速向大腦發射電脈衝，讓它更加高效。它的作用就像一個大腦起搏器。”
加州大學聖地亞哥分校的神經科學家Bradley Voytek對這項研究成果評論道：“它不具備決定性的影響，但絕對很有前景。關鍵在於，這個領域接下來的研究能不能產生更好的結果。如果能在患者的大腦中植入更多的電極，那麼演算法就能在更小的時間維度上解碼更多的神經訊號，提高系統的特異性。更加豐富的資料也有助於改善系統的效能。大多數癲癇患者參與類似研究的時間只有幾周，如果能收集更長時間範圍內的資料用於訓練，那麼模型的表現一定會更加優秀。”
不過，即使這套系統能夠收集更加精細和豐富的資料，科學家們也必須面對一個問題，即用“黑匣子”演算法研究和操縱人類大腦將產生怎樣的後果。Kahana的系統雖然能在特定情況下提高受試者記單詞的能力，但他卻並不清楚這個過程是怎麼實現的。這正是機器學習的特點。
好在Kahana的團隊已經意識到了這一點，而且有些演算法的原理也相對容易詳察。針對這項研究，他們使用了一個簡單的線性分類器，這樣一來他們就能得出一些，關於單個電極活動對模型區分大腦活動模式有何影響的推論。“目前我們還不能確定，我們用來記錄大腦活動的特徵之間是否具有相關性”，負責該項研究的機器學習分析的UPenn心理學家Youssef Ezzyat說道。
更復雜的深度學習技術不一定會給認知能力帶來更大的強化作用。但如果它真的有效，研究人員將絞盡腦汁探索演算法的原理，用電脈衝為人類大腦提供加成。或者，它將造成嚴重的後果，研究人員也會弄清楚原因，從而阻止它。
來自：雷鋒網