翻译：紫舒 校对：Sandy
文章来源：http://neurosciencenews.com/brain-learning-8677/
大脑是个包含数十亿神经元的复杂网络，其中每个神经元通过突触(链接) 同时与成千上万的神经元相互通信。然而，神经元实际上是通过几个极长的，称为树突树的分枝“臂”来收集很多突触传入信号。 1949年，唐纳德·赫伯（Donald Hebb）开创性的研究表明，大脑中的学习过程就是改变突触的强度，而神经元则是大脑中的计算元素。时至今日，这仍是最常见的一种假设。
利用关于神经元培养的新型理论成果和实验，以色列巴伊兰大学物理系和贡达交叉学科大脑研究中心的伊多·坎特（Ido Kanter）教授领导的一个研究团队证实，学习过程只发生在突触中这一将近70年的观点是错误的。
这个新提出的学习情景表明，学习过程发生在与神经元更接近的几个树突上，而不是以往认为的那样。坎特说：“我们有必要在摩天大楼上面放置微小且灵敏的卫生传感器来测试我们呼吸的空气质量吗？还是应该在鼻子附近用一个或几个传感器来测量？同样，对于神经元来说，评估离自己的计算单元最近的信号更加有效率。”
该研究的另一个重要发现是，较弱的突触在大脑活动中也起到重要作用。尽管弱突触组成了大脑的大部分，但过去人们认为它并不重要。弱突触使学习参数发生波动，而不是将它们设置为不切实际的固定极限值，就像目前的突触学习场景那样。
这种新的学习场景发生在大脑的不同部位，因此需要重新评估当前治疗大脑功能紊乱的方法。因此，“共同释放电信号的神经元连接在一起”这句总结唐纳德·赫伯的这个持续70年观点的流行语需要改变了。此外，这种学习机制也是最近先进的机器学习和深度学习成果的基础。学习模式的变化也为不同种类的深度学习算法和以人工智能为基础、模拟人类大脑功能的应用打开了新的大门，而且具有更先进的功能和更快的速度。
