神经生物学家通过编码神经网络来分析大脑的连接

意识是如何产生的？研究人员猜测这一问题的答案存在于神经元之间的连接中。不幸的是，人们对于大脑的连接知之甚少。这也是一个时间的问题：在已收集到数据里，追踪其中的连接需要花费好几辈子的人工时间，因为目前还没有计算机能够可靠地识别神经细胞的连接。来自德国马克斯.普朗克神经生物学研究所的科学家们计划借助人工智能来改变这一现状。他们训练了数个人工神经网络，使得神经环路重构速度得到极大地提升。

神经元需要同伴。单个神经元的功能有限，但是当它和其它神经元形成强大的网络时，就能够控制我们的行为。作为这个过程的一部分，这些细胞通过触点来交换信息，这些触点叫做突触。哪些神经元何时以及在哪里形成连接的信息，对于我们理解大脑的基本功能，以及理解像学习、记忆、意识和神经系统疾病这样的高级过程至关重要。研究人员猜想这一切的关键存在于人脑中大约一千亿神经元之间的连接中。

为了能够利用这些连接信息，我们必须绘制出大脑中每一个神经元、其数以千计的触点和连接的细胞。几年前，这一假设看起来还遥不可及。然而，马克斯.普朗克神经生物学研究所‘电子-光子-神经元’系的科学家们拒绝接受‘遥不可及’这一设定。因此在过去的几年里，他们开发并提升了染色以及显微成像技术，从而在脑组织样品中得到高分辨率的电镜三位图像。他们用最新开发的显微镜采集数据，通过91束平行的电子束扫描样品表面，扫描结束后切掉表面很薄的一层再进行下一层样品的扫描。与之前的模型相比，这种方法将数据获取率提升了五十多倍。如此下来只需数年，而不是几十年，一整个小鼠的大脑就能被绘制出来。

尽管现在一片脑组织被分解成几十亿个像素点，分析这些电子显微镜图片仍需很多年的时间。这是因为标准的计算机算法经常在追踪神经元极薄的长程投射以及识别突触时很不精确。因为这个原因，人们仍不得不坐在电脑屏幕前花很多时间在大量电镜图像中识别突触。

训练神经网络

然而，马克斯.普朗克研究所Jörgen Kornfeld领导的科学团队借助人工神经网络克服了这一困难。这些算法能够学习之前的案例和经验，在这些知识基础上归纳概括。如今这一方法在图像处理和模式识别中的应用已经非常成功了。‘所以使用人工神经网络来分析真正的神经网络不算是很大的跨越’，Jörgen Kornfeld如是说。然而，这并不像它听起来那样简单。科学家们花了数月的时间训练和测试所谓的卷积神经网络来识别细胞的延伸部分、细胞的成分以及突触，并对它们加以区分。

在一个简短的训练周期后，得到的SyConn神经网络能够自动识别这些结构，且结果非常可靠。使用SyConn分析鸣鸟的大脑结构数据，得到的结果可靠到已经不需要人们来勘误了。‘这绝对是太出色了，我们没有预期能达到一个如此低的错误率’，Kornfeld对于SyConn的成功感到非常高兴，这也是他博士论文研究的一部分。他应当感到高兴，因为在未来这会将神经生物学家们从无数单调工作中解放出来。同时，他们也极大地减少了解码连接组甚至解析意识所需的时间。