短期记忆会根据任务的复杂程度使用不同的大脑回路。
芝加哥大学的神经科学家的研究表明，短期的工作记忆能够根据手头任务的不同复杂程度相应的使用不同的神经元网络。
研究人员利用现代人工智能（AI）技术训练计算神经网络，以解决一系列复杂的行为任务，这些任务需要在短期记忆中存储信息。
基于大脑的生物结构的人工智能网络揭示了两种不同的短期记忆过程。一种是“静默(silent)”过程，即大脑储存短期记忆而不进行持续的神经活动，另一种是更为活跃的过程，即神经元回路不断地燃烧。
发表在《自然神经科学》杂志上的这项研究由加州大学的高级科学家Nicholas Masse博士和神经生物学教授David Freedman博士带领。
Freedman说：“短期记忆可能由许多不同的过程组成，从（需要回忆几秒钟前看到的东西的）非常简单的过程，到（需要操纵记忆中的信息的）更复杂的过程。”我们已经确定了两种不同的神经机制如何相互协同工作以解决不同类型的记忆任务。”
活跃记忆与静默的记忆
许多日常任务都需要使用工作记忆。工作记忆是指你现在做事的时候需要记得，但以后可能会忘记的信息。有时你会有目的地积极记住一些事情，比如当你在头脑中做一个数学题，或者在你有机会记下电话号码之前试图记住它。你也会被动地吸收一些即使你没有记住，但你以后能回忆起来的信息。比如，有人问你是否在走廊里看到了某个人。
神经科学家通过监测动物在执行需要使用短期记忆的任务时大脑中的电活动模式，了解了大脑如何表示记忆中的信息。然后他们可以监测脑细胞的活动，并在动物执行任务时测量它们的活动。
但Freedman说，他和他的团队很惊讶，在某些需要记忆信息的任务中，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之中。
问题是，目前的技术不可能测量动物大脑突触在“静默”期发生了什么。因此，Masse、Freedman和他们的团队一直在开发人工智能方法，利用动物实验数据进行网络设计，模拟真实大脑中的神经元相互连接的情况。然后，他们以此训练网络，以便解决动物实验研究中的相同类型任务。
在这些（受生物启发的神经网络的）实验中，他们能够看到短期记忆处理过程中的两个不同过程。
其中一种被称为持续性神经元活动，这些活动在更复杂而又短期的任务中尤为明显。当一个神经元获得一个输入，它会在活动中产生一个短暂的电尖峰。神经元与其他神经元形成突触，当一个神经元被激发后，它会触发连锁反应的，激发另一个神经元。通常，当输入消失时，这种活动模式就停止了，但人工智能模型显示，在执行某些任务时，一些神经元回路甚至会在输入消失后继续放电，比如混响或回声。这种持续的活动对于更复杂的问题显得尤为重要，这些问题要求以某种方式操纵内存中的信息。
研究人员看到的第二个过程解释了大脑如何在没有持续活动的情况下将信息保存在记忆中，这和他们在大脑记录实验中观察到的一样。这一过程类似于大脑通过许多神经元之间建立的复杂连接网络，将事物储存在长期记忆中的方式。当大脑学习新的信息时，这些连接会得到增强、改变路线或移除，这一概念被称为可塑性。人工智能模型显示，在记忆的静默期，大脑可以利用神经元之间突触连接的短期可塑性来暂时记忆信息。
这两种形式的短期记忆从几秒钟持续到几分钟。最终，工作记忆中使用的一些信息可能会被长期存储，但大部分都会随着时间的推移逐渐消失。
Masse说：“这就像用手指在模糊的镜子上写东西，而不是用记号笔写。”
研究的辅助领域
这项研究证明了人工智能对神经科学的研究有多大的价值，以及这两个领域是如何相互联系的。Freedman说，当人工神经网络模仿真实的大脑时，它们通常更智能，更容易训练复杂的任务。这也使得受生物启发的人工智能网络成为测试真实大脑功能之想法的更好的平台。
他说：“这两个领域真的相互都能受益。”来自神经科学实验的洞见正在帮助创造更智能的人工智能，研究人工网络中的回路有助于回答一些大脑的基本问题。”
Masse, Nicolas & R Yang, Guangyu & Song, H & Wang, Xiao-Jing & J Freedman, David. (2018). Circuit mechanisms for the maintenance and manipulation of information in working memory. 10.1038/s41593-019-0414-3
www.psychspace.com心理学空间网
