蒲慕明 | 大脑可塑：你的能力与你的经历息息相关
高山大学2017级北京站经典课程
授课老师：蒲慕明，中国科学院院士，美国科学院院士，现任中国科学院神经科学研究所所长，脑科学与智能技术卓越创新中心主任。
*以下根据蒲慕明2018年4月27日在高山大学（GASA）北京站的分享笔记整理而成
*本文4720字 | 10分钟阅读
*责编 | 朱珍
脑科学是怎么回事？
脑科学有哪些发现？
脑科学研究未来有哪些期待？
神经系统主要由神经组织组成，分为中枢神经系统和周围神经系统两大部分。中枢神经系统又包括脑和脊髓，周围神经系统包括脑神经和脊神经。
今天我们谈到的大脑就是中枢神经系统的一部分。
我将用科普的方式给大家讲讲脑科学的回顾与前瞻。
人死后解剖下来的大脑，是一个灰色柔软的组织。上面有很多皱褶，这是人脑一个特殊的结构。
人脑在进化的时候，产生了大量的神经细胞，过多的神经细胞挤压在一起，就形成了褶皱。
这些褶皱使得有限的颅空间内，脑皮层的表面积更大。
人类的大脑是鼠脑的4个数量级，又是灵长类动物大脑的10倍以上。
人的智慧都来源大脑，但是大脑看起来除了灰色的褶皱，并没有其他什么结构，那么大脑究竟有什么神奇之处呢？
大脑的研究起源
大脑的每个部位都主管着不同的功能。
最早发现这个的是在美国佛蒙特州（Vermont）。
铁路工人Phineas Gage在爆破山洞时，不幸被铁棒击中大脑前部，幸运的是，他得救活了下来。然而原先那个做事有条理、受人欢迎的Gage消失了，取而代之的是一个性情暴躁、一事无成的酒鬼。
大脑前部的这块区域叫前额叶，后来认为这块区域主要涉及规划复杂的认知行为、个性表达、决策和调节社会行为等复杂的认知功能。
对于这个意外事件，当时有个医生对Gage的行为跟踪研究了很久，关于他性格和能力的改变，都有非常详细的描述。这也让后来的我们对大脑前额叶的功能有了相当清楚的理解。
这是医学界非常有名的一件事，Gage的头骨和那个铁棒至今还保留在哈佛医学院的博物馆里。
大脑语言区域研究
1961年，法国科学家布洛卡（Paul Broca）发现大脑左颞叶损伤可以导致语言障碍。
布洛卡（Paul Broca）是一名艺术学家、人类学家，同时也是一名医生。
他发现病人中风以后得了“失语症”，不会说话，没有语言组织能力，但能听懂他人讲话。病人死后，他解剖了病人的大脑，发现大脑其它区域则完好，只有左边的区域损坏了。
渐渐的人们发现，凡是大脑左边这个区域有损伤的，都会出现类似的语言失常症状。人们称之为“布洛卡失语症”。
后来德国医生魏尼克（Carl Wernicke）发现了另外一个区域（颞叶上方）一种新的语言障碍，这种障碍病人的表现是会说话，但听不懂别人讲话。这种症状称之为“听觉失语症”。
人们发生中风以后，基本上会出现这两种情况的失语现象。
布洛卡区和魏尼克区是由神经纤维束（也叫弓形束）互相连接，这个部位叫角回，角回出现损伤也会导致失语。我们称之为“传导失语症”。
这些发现都告诉我们，大脑的不同部位都有着不同的功能。
大脑区域划分
德国科学家波德曼（Brodmann）从解剖学的角度也把大脑进行了区域划分。最终他将大脑分成了一百多个区，他认为不同区域的细胞组织结构不一样，功能也会不尽相同。这种区分在后来证明是非常正确的。
19世纪末到20世纪初的这段时间，医学发展非常快。由于“消毒”概念的出现，战争中很多伤兵得以存活，为大脑研究提供了很多经典的案例。
一个被弹片打伤后脑的士兵视野中出现盲点，原因是在他左脑视觉皮层上出现了一个对应的损伤点。
就像是图谱一样，大脑后面主管视觉的区域与外界视野区中的每个点都是精确对应的。
这是一个非常重要的发现，我们可以根据外界的刺激看到大脑某一个区域的感知变化，相应的，我们也可以根据大脑某一个区域的活动来预测外界的刺激变化。
在另外一场战争中，一位德国的军医发现了脑电波。
有一天这名军医骑马摔了，回到军营接到姐姐的电报，说梦见他从马上摔下来，让他注意安全。这名军医十分不解，为什么距离这么远，姐姐却可以梦见他真实发生的事情，因此他猜测可能有脑电波存在。
战争结束，军医回到实验室，用电极去测量人们的大脑，他发现确实可以检测到微弱的电波。后来他又分别测量了睡觉、清醒、放松以及休克时候的脑电波等，发现每种不同状态下，人的脑电波都是不一样的。
但是为什么人的脑电波会出现这样的变化，至今都很难解读。
现在医院里都通过测量多通道的脑电波来研究这个现象。
但是信息量过大过于复杂，仅凭检测到的脑电波分析大脑内的状况还是非常困难，进展也极其缓慢，所以目前脑电波在医院的应用并不广泛。
医院用到比较先进一点的仪器叫大脑皮层电记录仪（多电极阵列）。
但使用这个仪器，需要把患者的头骨打开，将多个电极直接接触大脑皮层，这样检测出来的信号就会比较强，也比较准确。这种仪器一般是用于治疗癫痫病人，检测发现癫痫病灶并予以切除。
大脑中的小人
脑电图用于手术的过程最开始是加拿大的医生Penfield发现的。
他用带有不同数字标记的电极刺激大脑皮层的不同位置，同时询问病人的身体感受。
由此发现了大脑皮层上不同病灶和分管身体不同部位的区域。
这种技术目前在医院也都是通用的。知道病人哪里不舒服，然后可以直接在大脑对应的区域进行手术，不仅省时省力，也能减少病人的痛苦，提高存活率。
根据自己的手术发现，Penfield整理总结了一个大脑皮层与身体部位对应的图谱。
从图上可以看到，这个图谱与人的身体组织其实是不成比例的。
我们的手很小，腿很长，但图谱上人的手和脸都非常大，腿则很小，这说明大脑皮层上主管手和脸的神经组织比较强多；而主管腿的神经组织较少。
正是因为这样，我们才能够准确地用手做出各种动作，精确地用脸做出各种表情。这也是进化的关键所在，符合人的社交属性。
举一个简单的例子。用尖的物体刺激手上两个很靠近的点，你会很清楚的分辨出这两个不同点的位置。但如果刺激的位置在背上，你则很难分辨出来。
大脑的结构
大脑的结构研究在过去这100年里有很大的进展。
大脑的关键功能主要依赖于其神经网络（Neural Network），神经网络是由上千亿（1011）神经细胞（神经元）通过百万亿（1014）个突触联结组成神经网络，以特殊神经环路实现感知、运动、思维等功能。
神经的复杂不仅仅是因为数量大、种类多，其放电模式也各不相同。
脑科学研究的关键是要弄明白神经网络结构。“中国脑计划”里有一个核心的项目就是要确定出小鼠的神经网络图谱，并且计划在15年内能做研究出猴子的神经图谱。
小鼠的大脑皮层神经元有上千万个，目前已经重构了52个，但已经是相当复杂了，要完全完成上千万个神经元的图谱是极为困难的。
虽然神经网络很复杂，但神经元的基本结构很简单。
神经元主要部分包括树突、胞体、轴突、细胞膜。树突形状似分叉众多的树枝，上面散布许多枝状突起，可以接受来自许多其他细胞的输入。轴突是细胞的输出端，从胞体延伸出来，一般长的都有一米多。
那么信号是如何通过神经元传导的呢？
20世纪初，英国著名的科学家Adrain解决了神经系统编码问题。
他记录了猫拇指少数神经纤维受刺激时的电脉冲活动。
刺激较轻时，电信号频率很低，随着刺激强度的增加，电信号脉冲频率逐渐增大，但并非是线性的关系，并且与振幅无关。因此Adrain得出如下结论，也就是Adrian法则：
①神经脉冲（动作电位）是“有或无”（all-or-none）
②刺激的强度是以脉冲频率编码。
大脑的可塑性
每个人大脑皮层的图谱都差不多，但是在细节上又不尽相同。因为大脑皮层图谱会随着人的经历发生改变。
比如有实验指出，绑住猴子的大拇指和小拇指，几个星期后，猴子大脑皮层上主管中间三个指头的区域因为活动的增加而变大，而绑住的手指头对应的区域则相应的减小。如果再松开绑住的手指，一段时间后就会全部恢复原貌。
同样的，脑功能成像显示，皮层主管左指运动的区域弦乐手比非弦乐手面积大，较早开始学习器乐者面积大于晚学习者。
一个有趣的小故事
印度一名心理科学家，同时也是一位医生。一天一个截肢病人找到他，说感觉自己被截掉的那只手一直紧握着拳头，放不开，每天都痛苦不堪。
医生知道，这种症状叫幻肢痛，很多人截肢之后总感觉胳膊或者腿还在，主要是因为患者大脑皮层中主管肢体的部位还在，有任何刺激都会产生感觉，导致产生幻肢痛。
对于这个病人，医生想了一计妙招，他让病人把完好的那只胳膊伸进一个装有镜子的盒子，每天对着镜子活动自己的手，观看镜子中的影像，就感觉好像自己截肢的胳膊在放松一样。
这样训练几周之后，病人告诉他，自己的截肢的手已经松开了。
现在这种治疗方法叫镜像疗法。有一半以上的截肢病人都在用这种方法治疗幻肢痛。
以上所有这些事例都说明，大脑皮层是有可塑性的。
赫伯学习法则
大脑每次的认知变化都会引起神经细胞结构的变化。40年代初，最早发现突触可塑性这一现象的是北京协和医院科学家冯德培先生。
他把这个发现称为“高频后增强现象（Post-tetanic Facilitation）”。即高频刺激后神经突触传递的效率和强度会上升，并且持续10分钟之久。
关于这种现象的原理，加拿大科学家Hebb提出了赫伯学习法则（Hebb’s Learning Rule）假说：同步的电活动可造成突触加强或稳固。
随后又有科学家对这项理论进行了补充：不同步电活动可造成突触削弱或消失。
这个假说非常有名，是人工智能里一个关键的神经科学理论。神经网络之所以能够学习，主要原因就是神经连接可以改变。
在“赫伯学习法则”基础上，我们实验室又有了新的发现。
我们发现“赫伯学习法则”并不完全正确，它应该是在一定条件下才成立。
如果突触前放电先于突触后放电，则会起到强化突触的功能（LTP），如果突触后放电优先于突触前放电，则会弱化突触的功能（LTD）。
也就是说突触前与突触后神经元有相关性的电活动既可强化亦可弱化突触功能。
这种机制我们实验室称之为Spike timing-dependent Plasticity（STDP）。目前人工智能研究方面，也常使用这一理论。
比如说如果我们设计一个有时序集群，按照顺序给出一个刺激，那么这个集群将不会同步放电，而是有序的放电，并且越到下游的连接，越会不断的增强。形成一个不对称增强的网络。
因此只要激活一个神经元集群，下游的集群便会自动产生，这也就是为什么听到歌曲第一句，我们就能有序的想起整首歌歌词的原因。我们的记忆有时间特异性、有时序性，这就是大脑控制记忆的机制。
赫伯细胞群假说与人脸识别
Hebb还提到，同步电活动造成突触的强化，其实就是储存记忆的过程，而当这个神经元再次被激活时，则是记忆的提取过程。这就是有名的“赫伯细胞群假说（Hebb’s cell assembly hypothesis）”。
人工智能中的人脸识别技术其实就是“赫伯细胞群假说”的延伸。即当处在不同部位的一群神经细胞储存着一段记忆时，如果只是给出部分的记忆，所有的神经细胞都会被激活，同时开始放电。
人工智能能通过学习，能认知简单的概念，但是对于复杂的概念，目前还做不到。举个例子来说，我们可以通过祖母的面孔、名字、身影、唱的歌、声音、气味等来形成大脑中祖母这个记忆，但是人工智能对于名字、身影、气味等信息则不能很好的处理。
关于祖母的概念很多，所有这些概念的神经细胞我称之为一个集群。代表概念的神经元集群分布在大脑不同的区域。
概念的神经机制研究需要能在宏观与介观层面对大量神经元集群电活动进行观测与调控。目前的技术基本还做不到，这也正是“中国脑计划”正在努力攻克的问题。
（本文转载于“高山大学”公众号，转载请注明出处。）