连接性预测计算在何处形成、又能在何处被改变

固定的神经环路如何支持多种计算，是神经科学与人工智能的核心问题。群体动力学揭示了计算如何实现，却未说明连接性如何约束这些计算。本文表明，循环连接在单个单元与群体之间包含一种介观组织。根据各组从其他组接收的聚合输入对单元进行分组，仅凭循环权重即可识别出由连接性定义的类别。在针对15项认知任务训练的网络中，同一类别内的单元对相同动力学基元的贡献相似，而类别之间的相互作用无需拟合参数即可重现大部分基元几何结构。同一批类别之所以支持不同计算，是因为状态依赖的增益重新配置了它们的有效动力学。连接性还能预测干预效应。调节动力学杠杆最大的类别，使目标成分的移动距离是调节典型类别的19.1倍。因此，连接性规定了计算在何处组织，以及何处可以被改变。

中文由 AI 翻译，仅供参考，以原文为准。