数学的权力，垃圾邮件过滤器，用来了解大脑如何学习移动我们的肌肉

一个团队的生物医学工程师开发了一个计算机模型， 利用 或多或少可预测的“瞎猜” 人体肌肉的运动来解释大脑如何借鉴它最近学到什么是已知的一些时间来期待什么需要开发新的运动技能。

工程师，从约翰霍普金斯，麻省理工学院和西北，发现所有的人都表现出类似的“可能”的学习模式，用它们来开发和微调的新运动，婴儿是否试图走或中风患者重新连接大脑身体肌肉链接。
 
本周在他们的报告中自然神经科学，研究小组说，他们的新工具，可以使它有可能预测的最佳方式来教新的动作，并帮助设计物理治疗方案，为残疾人士或受损。
 
Reza Shadmehr博士，霍普金斯，生物医学工程教授，他和他的同事们建立了新的模型，表示在计算机人工大脑，像其自然的，是引导部分由一种特殊的统计“概率”理论被称为贝叶斯数学。

与传统的统计分析，贝叶斯概率是一个主观的“意见”，这是衡量一个“学习者”的个人程度的信念，在一个特定的结果，结果是不确定的。大脑的工作原理是，每一个大脑都使用它已经知道的“预测”或“相信”某个新的东西会发生，然后使用这些信息来帮助它。

“我们过去的想法，经验和信念影响未来结果的概率，如采取了另一条路去工作，因为你已经经历了上星期五星期二星期三和星期四的交通拥挤，并坚信星期五将同样糟糕，”说Shadmehr。电子邮件过滤器操作类似的原则，他们预测哪些关键字是“可能”连接到邮件，你不想要和“学习”，因为他们去微调什么，他们排除在你的盒子。

计算机模型，Shadmehr说，几乎精确地重复实验，测试了猴子的视觉跟踪的快速闪烁的光的能力的结果。实验中使用这种快速的眼球运动，或扫视，是一个主要研究大脑如何控制运动。

最初，动物学习者犯了很大的错误，但也存储了它的错误，在一个记忆库，所以它可以适应并作出更准确的预测下一次周围。每次学习者重复这项任务，它都会通过对其记忆库中的先验知识进行筛选，并预测如何移动，这反过来也会被记住。而短期记忆是定期清洗，重复的错误被转移到长期记忆的银行。

计算机学习者的任务是“看”一个光点。然后所有的灯都关了。光的地方又被打开了，电脑学习者再次被要求看同一个地方。学习者的速度和模式，以适应其动作匹配的猴子的实验结果几乎完美。“我们发现这种贝叶斯模型几乎所有的现象，我们在学习动作观察解释，说：”Shadmehr。

除了尽可能地帮助中风患者，新的工具，也可以应用到更好地了解我们如何学习语言，发展思路和记忆。“我们如何学会认为是许多相同的原则下，我们如何学会移动，“Shadmehr说。
 
这一研究由休斯霍华德医学研究所和国家卫生研究所资助。
 
在本文作者康拉德kording西北大学，麻省理工和约书亚Tenenbaum Shadmehr约翰霍普金斯。

（注：转载时请注明复诊网）