大脑是怎样和身体交流的?

来源:脑与心智毕生发展研究中心CLIMB

你看到五英寸之外向你飞来的球,尽可能迈着最大的步子冲过去抓住它;你用手指抓住了球,突然听到妈妈叫你的名字,你意识到该吃晚饭了,所以你赶紧回家——这些是怎么发生的呢?

当然,你知道大脑控制着你的身体,但是你怎么知道你的眼睛看见了什么或者是什么让你的腿动起来?大脑是由数十亿的神经元细胞构成的,这些神经元以电脉冲的形式传递信息,通过叫做突触的特殊通讯连接点相互交流。

我们身体里的所有细胞都会互相交流,这就是为什么每天我们能够做那么多事情,例如在家吃早饭和在学校学习。在我们的大脑和身体中,神经元之间通过电流传递信息。在神经元中,这种电流是由一种叫离子的带电粒子流过细胞膜产生的[1]。离子的运动造成了沿神经元传导的电流(图1)。

神经元有分支,像树枝一样的叫树突,它的作用是接收信号,另外还有一个更长更简单的就像树干一样,叫轴突,它的作用是发送信号。在神经元轴突的末端存在一个叫做突触的结构。神经元释放的化学信号,叫神经递质,它们通过突触到达另外一个神经元,在那个细胞中引发新的电流。

图1. 神经元的结构和功能

神经元发送和接收电信号,以便在神经系统中互相联络,并与身体中的其他类型的细胞,特别是肌肉细胞沟通。在一端,神经元有一种叫做树突的分支,使它们能够接收信号。神经元的一个更长的分支叫做轴突,长距离的电信号通过轴突传递。轴突末端有一个特殊的通讯连接点,叫做突触。在神经元之间有一个非常狭窄的空间,神经递质通过这个空间从一个神经元传递到另一个神经元。

电流如何在神经元中传播

神经元的细胞膜上含有微小的通道,可以打开或者关闭,允许离子通过;就像杂货店的自动滑动门一样,当通道打开的时候,离子涌入细胞内,并带着电荷(图2),这个活动造成附近的另一个通道打开;然后是下一个,这样电信号就会沿着细胞膜移动。为了回到静息状态,另外一种通道也会缓慢打开,从而以允许特定的离子离开细胞[1],恢复到静息状态的细胞膜为下一个电信号做好准备。


图2. 神经突触的电-化学信号传播

A. 在突触处,神经元内的电信号被转化为一种称为神经递质的化学信号释放。流入轴突末端的神经递质小泡与细胞膜融合,释放出神经递质;神经递质穿过突触间隙,与受体结合,受体细胞膜上的通道打开,让离子流入细胞。

B. 电子显微镜神经肌肉接点的图像。在神经元轴突末端,你可以看到圆形小泡和突触通过黑色的T形结构接触。高度折叠的肌肉膜包含了信号感受器但这些感受器太小了,以至于即使用电子显微镜也看不见。注意,在突触处,神经元和肌肉细胞之间有一个极其狭窄的空间。

电信号让神经元在突触处释放出神经递质[1],这些化学神经递质在突触的另一侧的神经元上传播(图2A)[1]。这个过程发生的很快,因为两个神经元之间的空间非常狭窄。化学神经递质进入细胞时,它会与细胞膜上的受体分子结合,就像钥匙插进锁里一样(图2B)。这种情况下,受体细胞膜上的离子通道会打开,然后特定的离子流进细胞,从而就产生了新的电流[2]。

这就是神经元与肌肉的信息沟通方式。神经细胞和肌肉细胞之间的突触称为神经肌肉接头(图2B)[3]。在神经肌肉接头释放的神经递质叫乙酰胆碱,就像神经元中的一样,乙酰胆碱与受体结合就会导致肌肉细胞中的通道打开,允许离子涌入。这种电信号会引起肌肉收缩[3]。

想象一下接球:你的大脑告诉一个神经元向神经肌肉接头突触发送电信号,从而导致神经递质在你手指的肌肉细胞处释放,所以他们能够收缩肌肉接住球。

我们怎样感知世界

我们的感官帮助我们感知周围的世界,并且将许多外部形式的能量(光、声音、运动)转化为神经元中的电信号。例如,我们的眼睛中存在着一些感光神经元可以对我们所看到的东西做出反应。这些特殊的神经元中,有些能探测有色的光(红、绿、蓝),有些只能探测黑色和白色,就好像老式的照片一样。光导致感光神经元通道打开[1],向大脑中的神经元突触发送电子信息(图3),然后大脑将处理这些信息并产生这些光图像。

图3. 许多突触在大脑进行交流

这幅图像是神经系统中神经元的艺术再现。不同的颜色代表了许多不同类型的神经元,比如那些让你看到和听到,或者学习和记忆的神经元。每个神经元的许多投射代表了神经元之间的许多不同的突触。许多神经元有成千上万的突触,这使得它们能够接收和整合许多不同的信息,然后将这些信息传递给其他神经元。

神经系统有一种叫做可塑性的特性,这意味着新的突触可以在我们学习的过程中形成,也可以在我们记忆的形成过程中加强。同时,我们不常使用的突触会缩小或者数量减少。大脑的这些变化可以改变神经元的通讯方式。

至于我们怎么听到,耳朵中毛细胞的感受器会被空气中传播的声音振动激活。这些振动会带动耳道中的细小纤毛运动并打开耳神经元上的通道,允许离子涌进神经元从而产生电信号[1]。

因此,毛细胞和大脑神经元之间的突触会释放神经递质。声音的大小取决于多少纤毛弯曲,越多的纤毛弯曲会导致突触释放更多的神经递质,然后向大脑产生更多的电信号。这些信息将传递到大脑神经元中,转变为我们感知到的声音[1]。

我们在使用大脑的时候,其中的突触大小和数量将会发生改变。大脑这种对我们所经历的事情做出反应而发生变化的特性称之为可塑性。可塑性使得我们能够学习新的信息,并且记住之前学过的旧信息[2]。

如果我们经常使用它们,就会形成更多新的突触;如果我们不经常使用它们,突触就会缩减变少[2]。突触之间交流的强度也会根据我们对它们的使用情况改变,如果我们大量的使用它们,就会增加神经递质的释放量,或者受体细胞膜上神经递质受体的数量。突触就好比你的肌肉,多多使用它们就会变得强壮[2]。

如果我们经常使用我们的突触,它们可以创造出新的、更强大的突触,保持多年甚至十几年以上[2]。这可以帮助我们形成长期的记忆——你可以记住很多年前的事情(想想你妈妈的脸,或者你一年级时最好的伙伴)。

由于突触对于动作、感知、学习和记忆起到很重要的作用,因此我们很容易想到突触出现问题将会导致疾病和残疾[4-6]。当突触不能正常工作时,大脑就不能和肌肉进行沟通了——运动障碍常常是由于神经肌肉接头出现了问题[4]。

例如,有一种疾病是由于神经递质没有从突触间隙中及时清除引起的。乙酰胆碱在神经肌肉接头处释放,导致肌肉收缩,如果事后它们仍然没有被清除,乙酰胆碱会继续激活肌肉感受器,这将导致肌肉不适宜的收缩和运动,并在长期以后导致感受器功能的丧失[4]。

同样,突触存在问题也会导致感觉能力丧失。耳聋可能是我们耳朵里毛细胞突触的问题,造成了听觉神经元的过度激活。如果我们的听觉神经元一遍又一遍的被激活,再次激活就需要依靠更强的电信号[5]。因此,听力有问题的人需要更大的声音才能让毛细胞感受到,以便于将信息传递给大脑中的神经元[5]。失明的情况下,感光细胞突触问题会导致光不能转化为电信号[6]‍,信息也不能进入大脑。

最后,脑的可塑性问题可能导致思维障碍和自闭症[1-2]。你是否认识自闭症谱系障碍患者?自闭症患者的社会交往变少,与朋友和家人的沟通能力下降。自闭症也许是由可塑性问题引起的——当他们学习新的事物时,突触并没有发生改变[1-2]。此外,新的突触不能像往常一样形成,因此神经元之间的交流减弱。虽然自闭症的病因仍在研究中,但我们知道了它与基因有关。

我们身体中的许多功能是基于细胞突触间的通讯从而实现的!在你读这篇文章的时候,数以千计的神经突触正向你的大脑和身体发送信号。神经元通过神经肌肉接头驱动你的肌肉运动,让你的眼睛移动,让你的手指轻拍!你大脑中的突触正在接收来自眼睛、耳朵和其他感官的信息,你正使用这种信息帮助你更好的做出关于下一步的最佳决定。你的突触正在改变,来帮助你学习和记住所学的东西。希望你的突触能帮助你将这篇文章中的信息作为长期记忆留在你的大脑中!

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/483900.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

关于c语言的数据类型常量的理解

数据类型 int的简单介绍 数据类型在数据结构中的定义是一组性质相同的值的集合以及定义在这个值集合上的一组操作的总称。 变量是用来存储值的所在处,它们有名字和数据类型。变量的数据类型决定了如何将代表这些值的位存储到计算机的内存中。在声明变量时也可指定它…

非打印字符

ASCLL码值的使用使c语言中用,使得仅使用整数就可用在计算机上各种字符(包括各国的语言文字,符号),可是一些代表行为的ASCLL字符却无法打印出来(如:退格、换行、终端响铃之类的)。这里…

在运行Loaded runtime CuDNN library: 7103 (compatibility version 7100) but source was compiled with 7003

最后错误代码为134(6 signal)(大概是这样,错误解决了记录一下,错误忘了截图) 环境是cuda8.0,cudnn7.05,(在Titan上,cuda8.0、tensorflow1.4正好对应cudnn6.0&…

《自然语言处理中的因果推理》综述论文,以色列理工谷歌等13位NLP大牛阐述因果推理NLP的估计、预测、解释和超越...

来源:专知摘要科学研究的一个基本目标是了解因果关系。然而,尽管因果关系在生命和社会科学中发挥着关键作用,但在自然语言处理(NLP)中却没有同等的重要性,后者传统上更重视预测任务。随着因果推理和语言处理融合的跨学科研究的兴起…

清华大学刘云浩教授——人工智能打开了潘多拉的盒子吗?

来源:计算思维和人工智能2020年8月的第一周,清华大学暑期学校在荷塘雨课堂上“云开学”。开学典礼上,清华大学软件学院刘云浩教授作了一场主题为《What is the role of AI Tomorrow?——人工智能打开了潘多拉的盒子吗?》的讲座。…

【重点!!!】【堆】215.数组中的第K个最大元素

题目 法1:小根堆 最大的K个元素 > 小根堆(类似上窄下宽的梯形) 最小的K个元素 > 大根堆(类似倒三角形) 必须掌握!!! class Solution {public int findKthLargest(int[] nu…

Spring 系列之(1)Spring-framework 调试环境搭建

调试环境: JDK1.8 Gradle IDEA Git 一、开始代码 clone 将 spring-framework 项目 fork 到自己的代码仓,方便自己加注释。下载好 Gradle ,用 idea 打开项目,进行初步构建。 参考文档:官方文档 二、预编译 spring-oxm&a…

计算机网络知识归纳

计算机网络 第一章 概述 1.1 计算机网络在信息时代中的作用 互联网的两个重要基本特点:1.连通性、2.共享 “资源”指的是网络中所有的网络软件、硬件、数据和通信等等资源 硬件资源、软件资源、数据资源、信道资源(信号传输的媒介) “共享…

Linux基础入门(一)

Linux为何物 Linux就是一个操作系统,就像你已经已经知道的window、macOS系统一样,至于操作系统是什么,就不用过多解释了 Linux,全称GNU/Linux,是一种免费使用和自由传播的类UNIX操作系统,其内核由林纳斯本…

利用群体智慧,进行大规模的事实审核

来源:混沌巡洋舰为了应对虚假信息,社交媒体网络和新闻机构经常雇佣事实核查员来区分真假。但事实核查人员只能评估网上流传的一小部分故事。麻省理工学院研究人员的一项新研究提出了另一种方法: 研究指出来自普通读者群体的众包准确性判断,实…

Cerebras发布全球首个人类大脑规模的AI解决方案

CEREBRAS来源:IEEE电气电子工程师Cerebras Systems公司的CS-2人工智能训练计算机包含了世界上最大的单芯片,该公司透露,在计算机上增加新的存储系统可以提高神经网络的规模,它可以扩大至现有最大模型的100倍,可支持超过…

计算机系统结构 期末复习

一.名词解释 虚拟机:指通过软件模拟具有完整硬件系统功能的,运行在一个完全隔离环境中的完整计算机系统系统加速比:同一个任务在系统改进前花费总时间和在系统改进后花费总时间的比率Amdahl定律:计算计算机系统中某个…

机器学习如何彻底改变游戏中的物理模拟

来源:AI科技评论编译:琰琰编辑:王晔量子力学奠基者之一、英国理论物理学家保罗狄拉克(Paul Dirac)在1929年说过:“大部分物理和化学所需要的数学理论的定律都是已知的,但这些定律的方程太复杂无…

《动手学深度学习 PyTorch版》学习笔记(二):自动求梯度

一、自动求梯度 1、requires_grad_(), detach(), torch.no_grad()的区别 参考博客:https://www.jianshu.com/p/ff74ccae25f3 2、.grad_fn 每个Tensor都有一个.grad_fn属性,该属性即创建该Tensor的Function, 就是说该Tensor是不是通过某些运算得到的&am…

重新认识区块链:1550余个应用案例带来的启示

来源:资本实验室,本文摘自《2021全球区块链应用市场报告》当我们谈论区块链的时候,但凡对区块链有所了解的人都能够就相关主题或多或少地表达出自己的一些见解。例如:从技术体系上看,区块链是分布式数据存储、点对点传…

《动手学深度学习 PyTorch版》学习笔记(三):线性回归

线性回归输出是一个连续值,因此适用于回归问题。回归问题在实际中很常见,如预测房屋价格、气温、销售额等连续值的问题。 一、基本要素 摘自原书 模型定义 设房屋的面积为 x1,房龄为 x2,售出价格为 y。我们需要建立基于输入 x…

OpenAI 是如何被10亿美元收买了“非盈利”灵魂的?

来源:AI科技评论编译:陈彩娴、琰琰近日,一篇名为“How OpenAI Sold its Soul for $1 Billion”(OpenAI是如何因为 10 亿美元出卖自己的灵魂)的文章在 Reddit 上引起了热议。文章作者 Alberto Romero 抨击知名的非营利机…

【算法】蓝桥杯dfs深度优先搜索之排列组合总结

【导航】 上一篇文章 → 《【算法】蓝桥杯dfs深度优先搜索之凑算式总结》 为了重申感谢之意,再次声明下文的大部分灵感均来自于【CSDN】梅森上校《JAVA版本:DFS算法题解两个例子(走迷宫和求排列组合数)》  强烈大家去上面那篇文…

人工神经网络能否驾驭生物神经元的“浓稠”程度?5到8层可能并非极限

来源:图灵人工智能编译:李扬霞编辑:青暮计算神经科学家通过训练人工神经网络来模仿生物神经元,提供了一种探讨单个脑细胞复杂性的新方法。虽然我们糊状的大脑似乎与计算机处理器中的芯片大相径庭,但科学家对两者的比较…

困扰爱因斯坦的「幽灵般的超距作用」,是如何被贝尔定理证明确实存在的?...

文章来源:机器之心作者:Ben Brubaker原文链接:https://www.quantamagazine.org/how-bells-theorem-proved-spooky-action-at-a-distance-is-real-20210720/我们理所当然地认为,世界上某个地方发生的一件事不会立即对远方的事物产生…