如果你曾经玩过一个旧的音乐放大器，你可能知道一个发射神经元听起来像什么。
突然爆发的静态？检查。一阵快速的流氓，像数百个爆裂的气球？检查。一个粗暴的，肮脏的bzzzz，意外地殴打你的耳朵？再检查一遍。
神经科学家早就使用了一个令人印象深刻的工具库来窃听实验动物神经元的电颤。像语言学家解密一个外星人的沟通，科学家们仔细地剖析了神经射击的模式，尝试提炼出大脑的语法规则 - “神经代码”。
通过破解代码，我们可能能够模拟神经元通信的方式，可能导致强大的计算机像大脑一样工作。
这是一个坚实的策略。但事实证明，科学家可能只是在表面上刷牙，并且错失了神经交谈的很大一部分。
最近，加州大学洛杉矶分校的一个团队发现了隐藏在神经元的漫长曲折投影中的神经交流隐藏层 - 树突。科学家们不像以前所想过的那样，作为神经元信号的被动导体，而是发现树突积极地产生自己的尖峰，比由神经元体（在学术领域称为“神经”）的经典尖峰大五倍，更频繁。
“这就像突然发现，通往计算机CPU的电缆也可以处理信息 - 完全奇怪，有些争议。
领导这项研究的Mayank Mehta博士说：“知道[树突状]的活跃度要比神经元从根本上改变我们对大脑如何计算信息的理解的本质。
这些发现表明，Mehta向Singularity Hub解释说，使用与以前认为的基本不同的规则，学习可能发生在树突而不是神经元的水平上。
记录痛苦
以前有如此丰富的计算能力逃避科学家的注意的眼睛？
它的一部分是主流神经科学理论。根据标准教导，树突是将电信号传递到神经元体的无源电缆，其中所有的计算都发生。如果集成信号达到一定的阈值，电池体会产生尖锐的电流 - 尖峰 - 这可以由复杂的电子和放大器测量。这些细胞体的峰值被认为是我们认知能力的基础，所以神经科学家当然已经把焦点转移到了解它们的意义上。
但最近在脑切片上的研究表明，这个故事比较复杂。当从树突中记录在盘中的神经元上时，科学家注意到迹象表明，它们也可能产生与细胞体无关的尖峰。这就像突然发现，通往计算机CPU的电缆也可以处理信息 - 完全是奇怪的，有点争议。
尽管在切片和麻醉动物中观察到这些树突状突起（或“树突状动作电位”），无论它们是发生在清醒动物中还是对行为的贡献都是一个悬而未决的问题，他们的论文解释说。
为了回答这个问题，团队决定从树突中记录他们日常生活中的动物。这是一个巨大的挑战：树突的平均直径比单人人的头发想象要小一倍，试图用大脑中交织在一起的一系列预测中的电极击中一个，而不会损坏任何东西，而动物正在走动！
那就是实际的录音方面。科学家通常会用尖锐的电极仔细地刺穿膜，以从细胞体中拾取信号。做一个微妙的枝晶，并且细碎到微小的位。
为了解决所有这些问题，加州大学洛杉矶分校的团队设计了一种方法，允许他们将他们的电极放置在大鼠的树突附近，而不是内部。经过一番仔细的实验，确保他们实际上拾起了树枝状信号，该团队终于有了一个工具来窃听他们的活动，并将其直接传输到电脑上，这是第一次。
树枝状的好奇心
连续四天，队伍监视录音，而老鼠吃惊，睡觉并绕过迷宫。该团队将电极植入脑区，负责计划运动，称为后顶叶皮质，并耐心等待融合树突的迹象。
过夜的信号出现在团队的电脑显示器上，看起来像锯齿状的海浪，每个突起都发出尖峰。树突不仅发射了动作电位，而且正在开车。随着大鼠的睡眠，树突正在聊天，比他们起源的细胞体多五倍。当醒来和探索迷宫时，射击速度提高了十倍。
此外，树突也是“聪明”的，因为它们随着时间的推移而适应了它们的射击 - 一种仅在神经元体内观察到的可塑性。由于学习从根本上依赖于适应和改变的能力，这表明分支机构可能有可能自己“学习”。
Mehta说，由于树突比细胞体积更加活跃，所以表明神经元中的大量活动和信息处理发生在树突中，而不通知细胞体。
“纯粹基于体积，因为树突比细胞体大100倍，这可能意味着大脑的加工能力比我们以前想象的高100倍。”
这种半独立性提出了一个诱人的想法：每个树枝分支都可以作为一个计算单元和过程信息，就像美国各州拥有与联邦监督并行工作的治理一样。
神经科学家一直认为，当两个神经元的细胞体“一起烧在一起”时，学习就会发生。但是我们的结果表明，当输入神经元和树突状突起而不是细胞体尖峰同时发生时，学习就发生了，梅哈说。
“这是一个根本不同的学习规则，”他补充说。
好奇好奇
甚至陌生人是树突如何管理自己的活动。神经元尖峰 - 细胞体型 - 通常被认为是“全部或全部”，因为您具有动作潜力或不具有动作潜力。
0或1;纯数字
虽然树突可以数字化，此外，它们也产生了大的等级波动，大约是尖峰本身的两倍。
“这个大范围...显示树突中的模拟计算。这在以前从未见过任何神经活动模式，“Mehta说。
所以如果树突可以计算，他们在计算什么？
答案似乎是在这里和现在。该小组考察了大鼠探索迷宫时细胞体和树突的表现。虽然细胞体在预期的行为转向拐角，但是停止或突然向前冲动时，细胞体发出尖峰，当动物做某事时，树突似乎正好进行计算。
“我们的研究结果表明，个体皮层神经元获取有关世界当前状态的信息，存在于树突中，并形成预期的预测性反应，”作者解释说，这种类型的计算经常被看到在人工神经网络模型中。
该团队计划在未来的研究中将树状录音带入虚拟现实，以了解神经元网络如何学习空间和时间等抽象概念。
神经元的秘密生活
这项研究显示，我们一直低估了大脑的计算能力，Mehta说。纯粹基于体积，因为树突比细胞体大100倍，这可能意味着脑中的处理能力比我们以前想象的要高100倍，至少对于大鼠。
但这只是一个粗略的估计。毫无疑问，随着科学家深入了解神经元功能的细微差别，数字将会发生变化。
Mehta说，这种混合数字模拟，树突状结构，二次处理器并行计算“是神经科学家相信大约60年的主要偏离。他补充说，就像发现神经元的秘密生活一样。
这些发现可以激发旨在模仿大脑的其他领域，如人造智能或工程新型神经元样计算机芯片，以显着提升其计算能力。
如果现场其他研究人员重复，我们的神经科学教科书将进行大规模的大修。
神经元将不再是大脑树突的基本计算单元，其奇怪的模拟 - 数字混合编码将占据这个王位。
