但是，多巴胺能（DA）神经元等调节神经元（modulatory neurons）却使用了一种更为简单的逻辑，尽管它们是不同的亚型（subtypes）。有趣的是，尽管 NMDA 受体（即用于学习和记忆的突触开关）会在成年期间被删除，这种特定到通用的置换逻辑（specific-to-general permutation logic）很大程度上会保持完整，这说明这种逻辑是发展性预配置的（developmentally pre-configured）。

此外，这种计算逻辑是通过在皮层中将表浅层 2/3 中的随机连接策略（random-connectivity strategy）与深层 5/6 中的非随机组织（nonrandom organizations）结合起来而实现的。这种层 2/3 cliques 的随机性（其优先编码特定的和低组合性的特征并在皮层间投射（project））对于使用稀疏编码（sparse code）的跨模态全新特征提取、模式辨别和模式分类的最大化来说是理想的（ideal），这也因此解释了它需要海马体离线巩固（hippocampal offline-consolidation）的原因。相对地，层 5/6 中的非随机性（其由少量特定的 cliques 组成，但更通用的 cliques 中相当大一部分主要投射到皮层下系统（subcortical systems））对动机、情绪、意识和行为的反馈-控制（feedback-control）是理想的。

这些观察说明大脑的基本计算算法确实是通过基于二次幂的置换逻辑进行组织的。这个简单的数学逻辑可以用来解释整个进化谱（evolutionary spectrum）中的大脑计算，范围涵盖最简单的神经网络到最复杂的神经网络。

　　原文链接：https://www.extremetech.com/extreme/240695-scientists-discover-natures-algorithm-intelligence

©本文为机器之心编译文章，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]