在人工神经网络中，将学习分散到多个层次已经被证明是非常强大的。然而，人们对多层学习是如何在大脑中实现的知之甚少。近日，美国哥伦比亚大学Nathaniel B. Sawtell的研究团队，揭示在电鱼的多层网络中持续学习行为。研究人员提供了一个关于mormyrid鱼的电感应叶（ELL）中多个处理层的学习信息，并报告了它如何解决机器学习中众所周知的问题。由于ELL不断地操作和学习，它必须在不改变其操作模式的情况下协调学习和信号功能。研究人员证明，这是通过在中间层神经元内进行功能区分开来实现的，其中驱动学习的输入差异地影响树突状和轴突突峰。研究人员还发现，基于学习而非感官反应选择性的连接确保了突触对中间层神经元的可塑性符合输出神经元的要求。研究人员揭示的机制与小脑、海马、大脑皮层以及人工系统的学习有关。

Salomon Z. Muller, Abigail N. Zadina, L.F. Abbott, et al. Continual Learning in a Multi-Layer Network of an Electric Fish. Cell, 2019.

DOI: 10.1016/j.cell.2019.10.020

https://www.cell.com/cell/fulltext/S0092-8674(19)31170-5