研究人员在理解大脑如何将特定行为与奖励联系起来方面取得了重大突破。他们的研究使用了一种新型的“闭环”系统，通过小鼠实验探索了多巴胺（一种关键的神经递质）如何通过试错塑造学习过程。研究发现，多巴胺不仅传递奖励信号，还精细调节一系列行为，使行为随着时间的推移变得更加专注和精确。这项研究对教育和人工智能等领域具有重要意义，为大脑复杂的学习机制提供了新的见解。

关键发现

• 多巴胺在将特定行为与奖励联系起来并精细调节行为中起关键作用。

• 小鼠对多巴胺释放的反应迅速改变行为，优化导致奖励的动作。

• 该研究的见解可以增强教育和人工智能开发中的学习策略。

研究背景

想象你在教一只狗玩接球游戏。你扔出一个球，狗跑过去捡起来并带回给你，然后你奖励它一块零食。但对狗来说，真正的挑战是弄清楚这个过程中的哪一部分让它获得了奖励。科学家称之为大脑中的“信用分配问题”，这是一个关于理解哪些行为导致了我们经历的积极结果的基本问题。

多巴胺是大脑中的关键化学信使，已知在这一过程中起重要作用。但大脑如何将特定行为与多巴胺释放联系起来的具体机制仍不清楚。

研究方法

艾伦研究所、哥伦比亚大学祖克曼心智脑行为研究所、Champalimaud未知中心和西雅图儿童研究所的科学家在《自然》杂志上发表的一项研究揭示了这一谜团。研究表明，多巴胺不仅传递奖励信号，还通过试错引导动物专注于导致这些奖励的特定行为。

研究团队与Champalimaud未知中心的工程师和神经科学家合作，开发了一种新型的“闭环”系统，能够将小鼠的特定行为与实时多巴胺释放联系起来。研究人员为小鼠配备了无线传感器，以跟踪它们在一个简单控制空间内的运动，并将这些数据输入机器学习算法中，将行为分类为不同的组。然后，他们使用光遗传学方法在小鼠执行预定义的“目标动作”时刺激多巴胺神经元。

研究结果

研究发现，小鼠对多巴胺释放的反应迅速改变行为。最初，它们不仅增加了目标动作的频率，还增加了类似动作和多巴胺释放前几秒发生的动作。与此同时，与目标动作不相似的动作迅速减少。随着时间的推移，这种优化变得更加精确，小鼠越来越专注于导致多巴胺释放的精确动作。

研究还考察了小鼠如何学习一系列动作，揭示了一个类似于“倒带时间”以理解导致奖励的过程。当触发多巴胺的动作间隔时间较长时，小鼠学习得更慢。这表明，动作之间的等待时间越长，小鼠越难将序列与奖励联系起来。本质上，奖励前的动作被迅速掌握和改进，而较早的动作则逐渐优化。

研究意义

该研究的发现可能对教育和人工智能等领域产生广泛影响。例如，在课堂上允许探索、错误和逐步优化可能更符合我们大脑的先天学习过程。在人工智能领域，这些见解可能带来更复杂和高效的学习系统。通过更好地复制生物学习过程，我们可以创建更能适应新数据和情况的人工智能。

结论

这项研究为我们的大脑如何通过试错学习和适应提供了更深入的见解。无论是科学家还是小狗，我们都在不断优化行为以获得奖励。正如研究的主要作者Jonathan Tang所说：“我们对事物的运作方式有很多想当然的看法，包括信用分配。但当你真正深入研究时，才会意识到其中的复杂性。这就是人们从事科学的原因：为了接近真相。”

关于这项学习和神经科学研究

• 作者：Peter Kim

• 来源：艾伦研究所

• 联系人：Peter Kim – 艾伦研究所

原始研究

“Dynamic behaviour restructuring mediates dopamine-dependent credit assignment” by Rui Costa et al. Nature