揭示可塑性神经网络关系学习与知识快速重组的神经机制，解锁认知奥秘

人类和动物学习经验中事物间关系的机制不明。研究人员开展关于可塑性神经网络中关系学习和快速知识重组神经机制的研究，发现具有神经调节突触可塑性（NSP）和人工元学习能力的神经网络能进行传递性推理和列表链接，为揭示关系学习神经机制提供方法。

　　人类和动物拥有一项了不起的能力，能学习经验中各种事物（如刺激、物体和事件）之间的关系，这使得它们能够进行结构化的归纳，并快速吸收新信息。这种关系学习的一种基本类型是顺序学习，它能实现传递性推理（若 A > B 且 B > C，那么 A > C）和列表链接（例如 A > B > C 和 D > E > F，在学习 C > D 后，能快速 “重组” 为 A > B > C > D > E > F）。尽管对此的研究由来已久，但传递性推理和顺序知识快速重组在神经生物学上合理的机制一直难以捉摸。

在此，研究发现赋予了神经调节突触可塑性（允许自主学习）并通过人工元学习（学会学习）识别的神经网络，不仅能够进行传递性推理和列表链接，还能展现出在人类和动物中广泛观察到的行为模式。关键的是，只有采用 “主动” 解决方案的网络才能进行列表链接，在这种方案中，过去试验中的事物会以重新编码的形式在神经活动中恢复。这些结果确定了关系学习完全基于神经的机制，并突出了一种发现此类机制的方法。