未来十年，人工智能将朝着哪个方向前进？谷歌DeepMind创始人Demis Hassabis（英国皇家工程院院士）曾在伦敦大学学院攻读认知神经科学博士学位，期间创新性地发现大脑中海马与情景记忆间的关系。2017年他在神经科学顶级期刊Neuron上撰文表示:“人工智能研究人员并没有普遍认识到，当今许多关键的机器学习算法都来自于对动物学习的研究，更好地理解生物大脑可以在构建智能机器中发挥重要作用”。此外，在前不久的2020北京智源大会上，图灵奖得主、现代计算机数据结构的奠基人John Hopcroft说，我们无法在短期内达到通用人工智能的原因，是因为目前的AI研究普遍是具体工程指标驱动的。他认为，我们需要更多好奇心驱动的研究，需要更多地回到基础科学问题上来。“未来人工智能领域重要的突破，可能并非来自计算机科学专家，而是生物学研究者”（《知识分子》2020年6月25日报道）。
大脑每天都在接收大量的外界信息，并能够从中理解、推理和自主学习新的知识。然而当前人工智能技术面临的重大难题之一，是不具有对复杂事物开展整体的认知学习能力，从而导致面对需要思考、规划的复杂任务时，表现不佳。揭示大脑对事物整体理解表达与学习的原理，将有助于推动对事物特征的非监督学习与泛化，推动类脑智能技术向认知智能层次发展。
2020年8月31日，重庆大学医学院神经智能研究中心廖祥团队联合陆军军医大学、中科院苏州医工所等中、以、德、英多家实验室在《自然-通讯》（Nature Communications）发表论文“Single-neuron representation of learned complex sounds in the auditory cortex”（全文地址：https://www.nature.com/articles/s41467-020-18142-z）。该工作在大脑皮层发现了一种全新的细胞，该细胞在学习后出现，呈现出特殊的簇状高频放电活动模式，称为“整全性簇放”（Holistic Bursting，简写为HB），因此将该细胞命名为HB细胞，这一细胞可能参与构成了大脑认知的基础。
基于先进的高分辨率双光子钙成像与单细胞电生理联合记录技术，研究者们发现听觉皮层存在一群稀疏分布的神经元，每一个神经元都稳定地对学会的复杂声音呈现出一种特殊模式的簇状脉冲高频发放反应（burst firing，瞬间发放频率约100 Hz，持续时间100-250 ms）（图1）。长期成像实验揭示，产生这种簇状脉冲高频发放是在学习过程中涌现出来的特性，并且只在很小比例（约5%）的神经元中发生（图2）。
图1：HB细胞可稳定地对学会的复杂声音呈现出簇状脉冲高频发放反应
图2：通过听觉学习任务，动物听觉皮层的一小部分神经元产生了对听觉刺激的簇状脉冲发放反应
研究者还特别发现，动物可以学会不同的合成和弦（chord）声音，在这样受过和弦声音训练的动物听觉皮层部分神经元也会产生簇状脉冲发放模式，并且其只对学会的特定和弦声音产生稳定可靠的高强度相应，而对其它的和弦或者组成成分不响应。这种具有“整全性涌现”特性的神经元虽然只有很小的比例（约5%），但其编码的信息对复杂声音的分类准确率可稳定的达到100%（图3）。该研究揭示：单个皮层神经元在学习过程中可以将复杂事物作为一个整体来编码，而不是基于它们各成分的叠加；有趣的呼应了亚里士多德等古希腊哲学家提出的认知理论：“整体大于部分之和”。
图3：a,经过复杂声音辨别学习，小鼠听觉皮层神经元针对学习到的声音（Chord 2）产生高强度反应，而对其它的声音刺激不反应。b,加入少量HB细胞的皮层神经元网络对复杂声音的解码准确率达到100%。
纷繁多彩的世界源于我们大脑里复杂多样的神经细胞，探索大脑认知功能的基本组成已成为几千年来科学的最前沿。早在古希腊时代，希波克拉底就提出认知的体液理论，认为认知是依赖于我们机体的四种体液。而随着现代实验技术的发展，人们才逐渐认识到大脑以及其产生的电信号在认知过程中的重要作用。特别是由于Santiago Ramon y Cajal（和Camillo Golgi一并获得1906年诺贝尔奖）的贡献推动了对神经元重要作用的认识，结合随后产生的电生理学工具极大促进了对大脑功能的认识。在过去的几十年里，神经科学家发现了多种与认知功能相关的神经元，例如视觉系统中的方向选择性细胞（David Hubel和Torsten N. Wiesel获得1981年诺贝尔医学生理学奖），海马体中的位置细胞和内嗅皮层中的网格细胞（John O'Keefe、 May-Britt Moser和Edvard I. Moser获得2014年诺贝尔医学生理学奖），以及由Susumu Tonegawa（1987年在免疫学方面的贡献获得1987年诺贝尔医学生理学奖）发现的记忆痕迹细胞等等。这些细胞可能共同构成了大脑的认知图谱（Cognitive map）。而本次发现的HB细胞可能亦是认知图谱的关键组成部分，参与构成大脑认知的基础。
总之，本研究解析了大脑皮层单个神经元在认知学习中对复杂信息特征涌现出整全性表达、记忆的机制。基于这项针对神经科学基本核心问题的重大原创发现，通过融合皮层信息处理中HB神经元的动力学与网络架构特性，将有助于启发人工智能构建认知知识图谱系统，建立新的模型用于理解事物及其组成部分的关系，为类脑智能提供具有低功耗、概念学习等特性的全新架构神经网络算法，从而推动机器智能实现理解现实世界以及自主学习的能力。
本研究由来自国内外9家单位的多学科交叉团队联合攻关完成，并在致谢中提到了多名神经科学和物理学领域学者的帮助。陆军军医大学脑科学研究室汪萌博士为该论文第一作者，博士研究生李瑞杰、梁珊珊共同第一作者。重庆大学廖祥、中科院苏州医工所贾宏博以及陆军军医大学谌小维为共同通讯作者。该研究由国家自然科学基金委、科技部等经费资助完成。
