大脑什么时候处于最佳状态？

在过去的几十年里，一种称为关键大脑假说的想法一直在帮助神经科学家了解人类大脑作为信息处理中心的运作方式。它假设大脑总是在两个活动阶段或模式之间摇摆不定：一个随机阶段，它基本上不活跃，而一个有序阶段，它过度活跃并处于癫痫发作的边缘。该假说预测，在这些阶段之间，在称为临界点的最佳位置，大脑在多样性和结构之间达到完美平衡，可以产生最复杂和信息最丰富的活动模式。这种状态允许大脑同时优化多项信息处理任务，从执行计算到传输和存储信息。

为了说明大脑活动的阶段——或者更准确地说，大脑等神经网络中的活动——可能如何影响通过它的信息传输，我们可以玩一个简单的猜谜游戏。想象一下，我们有一个有 10 层的网络，每层有 40 个神经元。第一层的神经元只会激活第二层的神经元，第二层的神经元只会激活第三层的神经元，以此类推。现在，我将激活第一层中的一些神经元，但您只能观察到最后一层中活跃的神经元数量。让我们看看你能猜出我在三种不同网络连接强度下激活的神经元数量。

首先，让我们考虑弱连接。在这种情况下，神经元通常彼此独立激活，网络活动模式是随机的。无论我在第一层激活多少神经元，在最后一层激活的神经元数量都将趋于零，因为弱连接抑制了活动的传播。这使我们的猜谜游戏异常困难。您可以从最后一层学到的关于第一层的信息量几乎为零。

接下来，让我们考虑强连接——这个设置肯定能很好地传输信息吗？事实上，它不会。当一个强连接的神经元活跃时，它会激活多个其他神经元，传播活动直到最后一层中几乎所有神经元都活跃。活动通过了，但是这种饱和度并不能让你准确地猜测我是激活了第一层的一个神经元还是全部 40 个。放大已经冲掉了大部分信息。

最后，让我们考虑中间的“临界”情况，其中连接数介于前两个示例之间。我们避免了过度阻尼或放大的陷阱，并且激活的神经元数量在各层之间大致保持不变。如果我在第一层激活 12 个神经元，您可能会在最后一层看到 9 到 15 个神经元处于活动状态。你可以推断出我激活的数字——不是很完美，但至少在一定程度上是准确的。

我们可以精确地量化这种更好地猜测的能力，作为信息传输的衡量标准。如果我从 1 到 40 中选择一个数字，然后你问“它小于 20 吗？”我回答是的，你会把你的猜测范围减半。这种不确定性的减少相当于一个信息位。您可以再次将范围减半并通过询问“它是否大于 10？”来获得另一位信息。在临界点，你可以更准确地猜测刺激是什么，因此可以传递更多信息。

批判性大脑“恰到好处”的同样感觉也解释了为什么其他任务应该被优化。例如，考虑信息存储，它是由称为集合的神经元组的激活驱动的。在亚临界网络中，连接非常弱，很少有神经元耦合在一起，因此只能形成几个小的集合。在超临界网络中，连接非常牢固，几乎所有神经元都耦合在一起，这只允许进行一次大型组装。在一个关键网络中，连接足够强大，可以让许多中等大小的神经元组耦合，但也足够弱，无法将它们全部合并成一个巨大的集合。这种平衡导致了最大数量的稳定装配，最大化了信息存储。

这不仅仅是理论或模拟：在孤立的神经元网络和完整大脑中进行的实验都支持了其中的许多预测。此外，我们已经看到这些好处出现在许多不同的物种中，包括海龟、猫甚至人类。大多数这些研究都集中在大脑的外部，即皮质，尽管有些也包括皮质下区域。总的来说，研究表明这些网络在临界点附近运行。

尽管这种现象无处不在，但仍有可能破坏它。例如，当一只老鼠的一只眼睛被遮住时，它的视觉皮层被推离临界点，信息传递更加不稳定。 （大脑皮层似乎适应了这种变化，并在两天后自发地回到临界点。）同样，当人类睡眠不足时，他们的大脑会变得超临界，尽管睡个好觉可以让他们回到临界点。因此，大脑似乎自然而然地倾向于在临界点附近运作，也许就像尽管环境发生变化，身体仍将血压、体温和心率保持在健康范围内一样。这种洞察力对于理解神经健康很重要：新的研究表明，癫痫等脑部疾病与无法在临界点附近操作或一旦推开就无法恢复有关。

那么，为什么这种批判性大脑的观点仍然只是一种假设呢？虽然支持它的证据很好，但它仍在讨论中。大脑皮层在临界点附近运行的说法是一个包罗万象的说法，包括最佳信息处理、神经健康和几乎普遍的跨物种应用。需要进行严格审查并不奇怪。

早期的批评指出，证明网络接近临界点需要改进统计测试。该领域做出了建设性的回应，如今很少听到这种反对意见。最近，一些工作表明，以前被认为是临界特征的东西也可能是随机过程的结果。研究人员仍在研究这种可能性，但他们中的许多人已经提出了新的标准来区分随机噪声的表面临界性和神经元之间集体相互作用的真正临界性。

与此同时，在过去的 20 年里，这一领域的研究逐渐变得更加引人注目。用于评估它的方法的广度也在增加。现在最大的问题集中在临界点附近的操作如何影响认知，以及外部输入如何驱动网络在临界点附近移动。关于临界点的想法也开始传播到神经科学之外。工程师们引用了一些关于活体神经网络临界性的原始论文，表明可以使原子开关的自组织网络在临界点附近运行，以便它们以最佳方式计算许多功能。深度学习社区也开始研究在临界点附近运行是否能改善人工神经网络。

尽管目前的证据确实支持它，但关键大脑假说可能仍被证明是错误的或不完整的。无论哪种方式，它提供的理解正在产生大量的问题和答案，这些问题和答案告诉我们比我们以前知道的更多关于大脑和一般计算的信息。