自我修復代碼：穩定的神經群體如何跟踪不斷重新配置的神經表徵

https://canary-plier-d0b.notion.site/9adcb7fa43dd4c7391d94fd37bc26826

每天人們出門時走一樣的路線到學校或是公司，或是重複相同的工作，這些看起來一樣的工作可能讓人覺得大腦也會固定下同樣的模式不會發生太大變化。

但根據研究，就算是像這樣執行一樣的任務，大腦當中的一部份神經元還是會有改變的現象(像是海馬迴)。但除此之外還是有一部分神經元是保持穩定的，因此這兩個部分要如何溝通呢?

本篇研究中提出了幾點大腦在這種不斷的變化下又可以使一部份保持穩定的機制：

1.  單細胞的調整：類bump的調整以及冗餘的變數(刻意重複的零件或是機能，可以作為備用以提高可靠性以及穩健性)

2. 使用自己的輸出作為訓練的信號來更新權重(類似於觀察自己而做出調整的行為)

3. 使用穩定的內部模型追蹤變化的電路交互數據(穩定部分的神經元學會追蹤不穩定神經元群體的情況)

撰文：溫倩玟

參考文獻：Rule, M. E., & O’Leary, T. 2022. Self-healing codes: How stable neural populations can track continually reconfiguring neural representations. Proceedings of the National Academy of Sciences, 119 (7), e2106692119.