扩大人脑内存？机器学习是这么做的！

当提到黑匣子的时候，大多数人都只会想到飞机上的专用电子纪律设备，但实际上没有比我们的大脑更“黑”的匣子了。但是我们的大脑灰质（又称大脑皮层、大脑皮质）十分复杂，很多时候我们还不能够理解它。

我们不能充分“挖掘”我们自己的大脑，但也许机器可以为我们做到这一点。在最新一期的《Nature Communications》杂志中，由宾夕法尼亚大学心理学家Michael Kahana领导的研究人员表明，机器学习算法可用于解码并增强人类记忆力。那么如何增强呢？通过触发向大脑提供精确定时的电脉冲。

换句话说，研究人员可以使用一个黑匣子来解锁另一个黑匣子的潜力。一方面这听起来像是对一个荒谬困难的问题的一个相当优雅的解决方案，另一方面听起来却又像是一场科技末日恐怖电影的开始。

当谈到大脑的记忆时，最好的衡量方法可能是来自头颅里的“录音”。但是，人们和机构审查委员会通常不会以科学为名“打开”头骨。因此Kahana和他的同事们与25位癫痫患者合作，给每位患者的大脑中植入了100到200个电极（监测癫痫发作相关的电活动）。 Kahana和他的团队搭载这些植入物，使用电极在记忆任务中记录高分辨率的大脑活动。

机器学习算法学会将电极测量的模式与患者记忆单词的可能性相关联。

首先，研究人员了解了大脑记忆某些东西时的样子。当患者阅读并试图内化单词列表时，Kahana和他的团队从每个植入电极每秒收集数千次电压测量数据。后来，他们测试了患者的回忆建立数据，了解哪些大脑活动模式与记住单词和忘记单词有关。

然后他们继续一次次的重新做这些步骤。在对每个测试对象进行两次或三次访问之后，他们收集了足够的训练数据以生成针对患者的算法，这些算法可以根据每个患者的电极活性单独预测每个患者可能记住哪些单词。

意外的是，这些电极不只是读神经活动，它们也可以产生一些刺激。因此，研究人员试图刺激大脑改善记忆的能力，或者正如他们所说的那样，“拯救”实时记忆的形成。每隔几秒钟，受试者就会看到一个新单词，新训练的算法将决定大脑是否准备好记住它。Kahana表示，“闭环系统让我们记录受试者大脑的状态，分析它，并决定是否触发刺激，这些过程全部在几百毫秒内完成。”

事实证明，它起作用了。研究人员的系统使患者平均回忆词的能力提高了15％。

这并不是Kahana实验室第一次探索大脑刺激对记忆的影响。去年，该组织就已经表明，电极脉冲似乎会改善或恶化召回，这取决于研究人员何时提供。在该研究中，当研究人员在低功能期间刺激大脑的记忆特异性区域（高功能时期的刺激具有相反效果）时，测试对象得分更高。这是一个重大发现，但在治疗上无用，研究人员只能在进行记忆测试后才能识别记忆和大脑状态之间的联系。从脑部增强的角度来看，你真正想要的是在记忆过程中传递脉冲。

现在，Kahana和他的同事似乎利用他们的机器学习算法关闭了这个循环。 Kahana表示，我们只是没有用它来识别猫的图像，而是用它来构建一个解码器。这个东西可以用来观察电子活动，并说出大脑是否处于有利于学习的状态。如果大脑看起来像是在有效地编码记忆，那么研究人员就会放弃它。如果不是这样，他们的系统会迅速提供电脉冲，将其推入更高效的状态。就像大脑的心脏起搏器一样。

现在的问题是这个领域的未来工作是否会产生更好的结果。如果患者的大脑植入了更多和更精确的电极，则算法可以在更小的时间尺度上解码更多的神经特征，具有更多的特异性。更多的训练数据也可能有所帮助，但大多数癫痫患者最多只能参加像这样的研究几周，这限制了研究人员与他们一起度过的时间。在三次以上的会话中训练的机器学习算法可能比Kahana最近的研究表现要好。

但即使有更高的分辨率和更多的训练数据，科学家也需要解决使用不透明算法研究和操纵大脑的意义。事实是，虽然Kahana的系统可以在特定情况下改善词汇回忆，但他并不确切知道它如何改善功能。这就是机器学习的本质。

幸运的是，Kahana的团队已经考虑到了这一点，有些算法比其他算法更容易审查。对于这项特定的研究，研究人员使用了一种简单的线性分类器，这使得他们可以得出一些关于个体电极活动如何可能有助于模型区分大脑活动模式的能力的推论。负责该研究机器学习分析的UPenn心理学家Youssef Ezzyat表示， “在这一点上，我们现在还不能确定我们用于记录大脑活动的功能之间是否存在相互作用。”

更复杂的深度学习技术不一定会转化为更大的认知增强。但是如果他们这样做了，研究人员可能会绞尽脑汁地理解机器决定提供大脑增强的电子冲动。或者，如果他们真的变成了恶魔的话，他们也会想尽办法阻止他们。