中大城大神經科學專家拆解大腦難以「一心二用」的原因 為人工智能多任務訓練帶來新啟示

一個人為何難以同時處理兩件事？過去數十年，科學家們一直探究箇中原因。有學者認為，大腦的「中央瓶頸」機制（Central Bottleneck）限制多任務處理的能力；亦有人指出，不同任務需要競爭有限的神經資源。然而，兩種觀點均未能完全解釋大腦如何協調不同任務之間對神經資源的競爭，以及練習如何令原本容易受到相互干擾的系統，

由香港中文大學（中大）醫學院生物醫學學院柯亞教授及香港城市大學（城大）神經科學系容永豪教授共同領導的一項研究，揭示了大腦如何透過動態調整及重組神經資源，學習提升同時處理多個任務的能力。研究團隊透過實驗小鼠雙重任務訓練，並在過程中追蹤同一組單神經元，發現當小鼠同時處理兩項任務時，並非單純受制於大腦的中央瓶頸機制，而是當大腦初期察覺不同的任務需要競爭腦神經資源，會進行協調工作，隨着學習逐步動員更多具任務專用的神經元，並使不同任務的神經表徵逐漸分離，以提升多任務處理效率。團隊指出相關生物神經機制有助於訓練人工智能系統同步處理多個事項的能力。研究成果已發表於頂尖神經科學期刊《神經元》（Neuron）。

超越多任務處理的「瓶頸」概念

為了探討大腦如何同時處理兩項任務，研究團隊設計了一套實驗模式，實驗小鼠需要一方面維持連續推桿動作，另一方面聆聽不同的聽覺提示並決定是否做出反應，亦被稱為「執行/不執行」的感覺決策任務。在長達數周的訓練期間，研究人員利用縱向雙光子鈣成像技術追蹤小鼠次級運動皮層（簡稱M2）[1]中大量神經元群體內特定的單神經元活動，藉此觀察動物在學習同時處理多個任務時如何重組神經活動。

研究顯示，大腦因應同時處理多個任務所作出的干擾反應，可以追溯至單神經元層面。當兩個任務需要運用同一個神經元，該神經元就成為了競爭熱點，大腦則需要在有限的神經資源下處理任務。團隊更發現受影響的不只是需要共享的神經元，即使是主要負責單一項任務的神經元，在另一項任務進行處理時，亦會調整其活性以協調大腦應付兩個任務的需要，提高整體處理效率。

練習重塑大腦內部表徵空間

隨著訓練持續進行，實驗小鼠的大腦採取了不同策略應對。大腦招募了更多任務特定的專用神經元，同時漸漸區分兩項任務的神經特性，以更獨立的神經元梯隊完成每項任務，從而減少共享資源所帶來的干擾。研究團隊進一步證實， M2在大腦學習同時處理多個任務方面扮演重要角色，他們發現當M2活性受到抑制，即使實驗小鼠有進行練習，牠們的一心二用能力都沒有進步。但當M2活性再次激活，小鼠的相關能力便會迅速提升。

中大醫學院生物醫學學院柯亞教授表示：「我們在此研究發現了大腦學習同時處理多個任務的神經活動機制。在早期學習階段，主要支援單一任務的神經元降低活性，實際上能夠幫助處理另一個任務，並在大腦學會更有效率的解決方案之前，協助兩項任務順利完成。」

為人工智能學習帶來啟發

研究除了解釋大腦如何學習同時處理多個任務，團隊進一步探究相關發現是否可以應用於電腦科學及認知科學上的運算思維。團隊利用「循環神經網絡」[2]深度學習模型測試同步處理兩項任務，結果發現，單純分離兩項任務的特徵，並非最有效的方案。但當網絡保留了早期的協調機制，同時逐步將其他任務的特徵分離時，網絡的學習速度會更快，與在生物大腦中觀察到的策略極為相似。

城大認知神經科學講座教授容永豪教授表示：「我們的研究結果顯示，能夠有效率地同時處理多個任務的關鍵不是完全共享或完全分隔神經資源，而是要在協調與表徵分離之間取得平衡。這項發現不僅有助理解與神經系統疾病相關的能力缺陷，亦有助更有效訓練和管理人工智能系統，提升其同時處理多項任務的能力。」

柯亞教授及容永豪教授均為此項研究的通訊作者，其他研究團隊成員包括第一作者王書婷博士、朱韻博士及李春月博士。

[1] 次級運動皮層(M2)屬於大腦運動皮層，是大腦額葉負責規劃、決策與啟動自主運動的重要腦區。

[2] 循環神經網絡是一種專門處理序列資料（例如文字、語音或時間序列）的深度學習模型。