我们大脑中数十亿个独立的神经元是如何相互交织在一起，并构建出一个强大的体系，甚至可以击败最先进的人工智能？所有这些微小的相互作用似乎都与令人不可思议的计算能力的有关。这其中的奥秘一直以来都是个迷。

　　在过去的20年里，越来越多的证据支持这样一种理论，大脑自身的稳态机制允许其自动调节到一个临界点，以让兴奋程度最大化且不会陷入类似于相变的混乱状态。这种临界假说断言：在这条临界线上，信息处理能力是最大化的。

　　然而，这一理论的一个关键预测（临界性的确是一个设定点，而不仅仅是必然性）从来没有得到验证。直到最近发表在Neuron上的一篇研究中，来自美国华盛顿大学的研究团队直接证实了这一长期存在于自由行为动物大脑中的预测。

　　研究通讯作者、华盛顿大学文理学院的生物学助理教授Keith Hengen说：“当神经元结合在一起时，它们会主动地寻找临界区域。我们的新研究验证了临界线理论中的大部分内容，并证明临界性是正常工作大脑网络的特征。”

　　研究人员人确定，临界性是被主动调节的，但其背后的机制并不简单。Hengen说：“我们惊讶地发现，在我们的模型中，临界性主要是由一群抑制性神经元导致的，这些神经元能够很好地调节更大网络的组织。”

　　临界性是唯一已知的优化信息处理的计算机制，如记忆、动态范围以及编码和传输复杂模式的能力。理论物理学家最初提出大脑可能是临界性的，但神经科学家们的反应并不一致。

　　Hengen说：“关于临界性的坚实理论研究由来已久，也有一些有趣的争议为其增添了趣味。我认为这种争论来自两个方面。首先，大部分活体研究在很大程度上是描述性的，其原因在于这些数据集难以收集且难以分析。不管怎么说，大脑处理临界状态的直接证据是不存在的。其次，关于人们用来衡量临界性的数学方法也存在很多争论。最近，人们不再测量可以从随机噪声中得出的简单幂次定律，并开始研究所谓的指数关系。到目前为止，这是唯一真正的临界性标志，也是我们所有测量的基础。”

　　他说：“我们实验室为解决大脑中的临界性问题做出了非常重要的贡献，因为我们在单个神经元的分辨率上进行研究，在相当长的时间内将临界区的动态变化作为一个时间函数来观察。”

　　这项新研究的第一作者、华盛顿大学文理学院的物理学博士Zhengyu Ma与物理学教授Ralf Wessel共同完成了这项研究。该研究利用了Hengen在布兰代斯大学收集的自由行为小鼠的神经记录数据。Hengen后来在华盛顿大学建立了自己的实验室，他正在收集自己的神经元记录，这些记录跨越数月并且来自数百个神经元。

　　Ma说：“时间分辨率非常高，这是一个优势。而且，他们可以连续记录9天。我对此仍然感到非常惊讶。没有几个实验室能够进行连续9天的记录。” 除了少数例外，过去的神经记录时间通常是30分钟，最多几个小时，而这是用来限制临界性实验测试的最大值。

　　随着Ma在计算能力方面取得的突破，Hengen与他的合著者们能将其记录的大量单个神经元数据进行合并处理，从而构造出整个神经网络的活动模型。

　　利用连续一周以上追踪神经元活动的技术，研究人员首次证实，即使在整个明暗周期中，视觉皮层中的网络动力学都可以稳健地调整为临界状态。

　　接下来，通过遮挡一只眼睛的视觉，研究人员发现临界状态被严重破坏，这比影响单个神经元放电频率的操作还早一天起作用。24小时后，记录中再次出现临界状态，此时单个神经元被视觉剥夺所抑制。

　　Hengen说：“当动物期待看到的和实际通过眼睛看到的出现不匹配时，计算能力就会出现问题。”他说：“这与认为临界区域与放电频率无关的理论物理观点一致。这不仅仅是网络中峰值的总数，因为在视觉剥夺初期，放电频率根本没有改变，而临界状态却失衡了。”

　　现在，研究人员认为，大脑的关键性可能与施加和组织计算动力学的抑制性神经元有关。

　　这项发现对于动作学习和疾病治疗具有重要意义。Hengen指出，大脑围绕临界性的自组织能力是一个主动的过程，在很多严重的人类疾病中，体内稳态调节的障碍越来越多地涉及严重的人类疾病，如阿尔茨海默症、癫痫、雷特综合症、自闭症和精神分裂症等。

　　Hengen说：“这项研究表明，临界是大脑网络达到自我平衡的最终目标。这是一个很好的想法，大脑能够将出现的特征调整到被物理学家准确预测的状态。从直觉上讲，进化选择了产生最优解的基因。但时间会证明一切。我们还有很多工作要做。”