互联网和你的大脑比你想象的更相似

互联网和你的大脑比你想象的更相似

萨尔克科学家发现一项规则同样适用于工程系统和生物系统中的交通流

加利福尼亚州拉霍亚—尽管我们现在大部分时间都在网上度过——流媒体音乐和视频，查看电子邮件和社交媒体，或者过度阅读新闻——但很少有人知道管理内容如何交付的数学算法。然而，在没有中央权威的分布式系统中，公平有效地路由信息是互联网创始人优先考虑的问题。现在，萨克研究所的一项发现表明，互联网所使用的算法也作用于人脑，这一见解增进了我们对工程网络和神经网络的理解，甚至可能有助于我们理解学习障碍。.

“互联网的创始人花了大量时间思考如何让信息高效流动，”萨尔克助理教授说 萨凯特·纳夫拉克哈, ，这篇新研究的合著者，该研究在线发表于 神经网络计算 2017年2月9日。 “发现一个工程系统和一个进化的生物系统在解决问题时得出相似的解决方案，这确实很有趣。”

在工程系统中，解决方案包括控制信息流，通过检查互联网的拥堵程度，使路由既不会堵塞，也不会利用不足。为了实现这一目标，互联网采用了一种名为 “加法增加，乘法减少”（AIMD）的算法，即计算机发送一个数据包，然后等待接收方的确认：如果数据包很快得到确认，网络就不会超载，您的数据就能以更高的速率通过网络传输。每成功接收一个数据包，计算机就知道可以安全地将速度提高一个单位，这就是加法增加部分。但是，如果确认延迟或丢失，计算机就会知道出现了拥塞，并将速度大幅降低，例如降低一半，这就是乘法降低部分。通过这种方式，用户会逐渐找到自己的 “甜蜜点”，而拥塞现象也会避免，因为用户一旦发现速度变慢，就会立即松开油门。由于整个网络的计算机都采用了这种策略，因此整个系统可以根据不断变化的情况进行持续调整，从而最大限度地提高整体效率。.

Navlakha，他开发算法来理解复杂的生物网络，他想知道大脑是否也以类似的方式管理信息，大脑拥有数十亿个分布式神经元。因此，他和合著者、杜克大学博士后学者 Jonathan Suen 一起着手对神经活动进行数学建模。.

由于AIMD是众多流量控制算法之一，他们二人还决定对另外六种算法进行建模。此外，他们还分析了哪种模型最符合来自20项实验研究的神经活动生理学数据。在他们的模型中，AIMD在保持信息流畅传输方面效率最高，并在路径过于拥堵时调整流量。更有趣的是，AIMD也最能解释实验中神经元发生的情况。.

事实证明，神经元中与加法增加相对应的概念叫做“长时程增强”。当一个神经元紧随另一个神经元放电时，就会发生这种情况，这会加强它们之间的突触连接，并使第一个神经元在未来触发第二个神经元的可能性略微增加。神经元中与乘法减少相对应的概念发生在两个神经元放电顺序颠倒时（第二个先于第一个），这会削弱它们之间的连接，使得第一个神经元在未来触发第二个神经元的可能性大大降低。这叫做“长时程抑制”。当整个网络中的突触根据这个规则变弱或变强时，整个系统就会适应和学习。.

“虽然大脑和互联网的运作机制截然不同，但两者都使用简单的局部规则来实现整体的稳定性，”苏恩说。“起初，我曾惊讶于生物神经网络使用了与其工程对应物相同的算法，但我们了解到，效率、鲁棒性和简洁性的要求是生物体和我们构建的网络所共有的。”

了解系统在正常情况下的工作原理，有助于神经科学家更好地理解当这些结果受到干扰时会发生什么，例如在学习障碍中。“AIMD算法的变体几乎被用于所有大规模分布式通信网络，”Navlakha说。“发现大脑使用类似的算法可能不仅仅是巧合。”

这项工作由...资助 国防部陆军研究处.