一名小朋友在位于南京的江苏科技馆观看大脑模型。新华社发（董金林摄）

新华社北京11月25日电 熟练掌握某项技能的专家和初学者的大脑有何不同？研究人员近日通过动物实验和机器学习算法发现了二者区别，并研发出可预测动物行为的新方法，这也显示出人工智能助益神经科学研究的潜力。

美国科尔德斯普林实验室、哥伦比亚大学和英国伦敦大学学院等机构研究人员发现，当小鼠从“新手”变为“专家”时，其脑细胞回路和神经元活动都会有所变化，神经网络变得更为集中和专注。研究成果最近发表在美国《神经元》月刊上。

实验中，研究人员训练小鼠完成感知决策任务。小鼠们先接收闪光、滴答声等多重感知刺激，然后通过有选择地舔舐三个出水口中的一个，告诉研究人员这些刺激是高频还是低频。如果选择正确，小鼠会得到奖励。在该过程中，小鼠的神经元变化都被双光子成像显微镜观测记录下来。

研究人员发现，在小鼠刚开始学习时，相关神经元只在做选择的瞬间才会有所反馈；而当小鼠完全掌握该技能时，就仿佛“成竹在胸”，其神经元会提前很久开始反馈。

为“读懂”神经元活动，研究人员使用机器学习算法训练了一个人工神经网络。这一名为“线性支持向量机器”的人工神经网络收集了多组实验数据，并把它们与神经元活动相关联。研究人员发现，随着小鼠完成任务愈加熟练，它们的神经网络就愈加精确与专注，当把这些变化映射在这一人工神经网络中，就可预测小鼠接下来的行为，准确度高达90%。

编辑：陈路