（来源：上观新闻）
当我们面对突然变化的规则，大脑能迅速调整策略，从反馈中推断新规则，做出灵活决策。这种“认知灵活性”是人类智能的核心特征，但它究竟如何在脑中实现，一直是神经科学领域最引人入胜的谜题之一。
北京时间今天（16日）凌晨2时，国际顶尖学术期刊《科学》（Science）在线发表了中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）、脑认知与类脑智能全国重点实验室徐宁龙研究团队的最新成果。他们首次在清醒行为的小鼠中，直接观测到大脑皮层神经元的树突参与灵活决策中的认知计算，填补了树突计算与高级认知功能之间长期缺乏直接证据的空白。
值得一提的是，这项研究采用的光遗传学技术，其奠基性发现刚刚获得2026年诺贝尔生理学或医学奖。光遗传学让科学家能用光精准控制特定神经元的活动，而徐宁龙团队巧妙地将它与双光子成像结合，在单细胞甚至亚细胞水平上，验证了树突活动对决策输出的因果贡献。
百年谜题：神经元不是简单的“点”
一百多年前，西班牙神经科学家卡哈尔用精细的画笔描绘出单个神经元的形态，确立了“神经元是神经系统结构和功能的基本单元”这一神经元学说。然而，一个根本问题始终悬而未决：这些基本单元内部究竟如何处理信息，以支撑大脑的智能与灵活行为？
长期以来，大多数研究将每个神经元视为一个均一的“点”或“简单求和单元”，以发放率近似其全部输出。这种“点状神经元”模型在理论建模中简单易行，却从根本上回避了“基本单元内部的计算如何支撑智能”的问题。徐宁龙研究员打了个比方：“这就像我们以为每个神经元只是一个简单的开关，但它内部可能藏着一台微型计算机。”
事实上，皮层锥体神经元拥有庞大而分支众多的树突。早在1951年，中国神经科学先驱张香桐先生就开创性地提出顶端树突具有电兴奋性并整合突触输入。此后数十年间的研究不断证实，这些精细结构能在单个神经元内整合来自不同通路的信息流。然而，将树突处理与灵活认知直接联系起来的确凿证据一直缺乏。
研究在徐宁龙研究员的指导下，主要由博士后张园完成
这项研究背后，还有一段跨越七十余年的科学传承。徐宁龙在中国科学院神经科学研究所读博士时，导师之一吴建屏先生正是张香桐先生的学生。如今，他带领团队用最前沿的技术，为这一跨越半个多世纪的假说提供了直接证据。“整个脑科学界其实都知道树突很重要，但大家都觉得这是硬骨头，太难啃了。”徐宁龙感慨，“但做科研就要做‘探险家’，去探索无人区，这才是科学研究最吸引人的地方。”
小鼠“猜规则”，科学家第一次看见树突在算什么
为了攻克这一难题，研究团队构建了规则切换的听觉灵活分类任务。训练小鼠根据类别边界判断声音高低，而边界在无预警情况下变化。动物必须不断从奖励反馈中推断隐藏规则，并将规则与感觉输入整合，驱动灵活的行为选择。徐宁龙解释：“这就像让小鼠玩一个规则会突然改变的卡片配对游戏，它得自己琢磨现在该按颜色还是按形状来配对。”
利用具有亚细胞分辨率的双光子成像技术，研究者同步记录了听觉皮层第5层端脑外投射亚型神经元的顶端树突和胞体活动，并通过光遗传学选择性抑制树突活动，检验其因果贡献。
小鼠听觉皮层第五层椎体神经元，表达了绿色的GCaMP6s蛋白，从左到右为单个椎体神经元的胞体到顶树突。
结果令人兴奋：同一神经元内不同区室存在明确功能分工——顶端树突主要编码推断出的抽象规则，胞体则更多表征感觉信息；与动物选择相关的最终输出信号在两个区室中均有出现。光遗传抑制树突活动可显著减弱胞体选择信号输出，直接证明树突活动贡献于神经元的决策输出计算。
“我们第一次在树突里看到了独立于胞体之外的对隐含规则推断这一认知变量的编码。”徐宁龙说，“这个信号在单个神经元内部与胞体的感觉信息发生非线性整合，产生行为决策输出信号，从而实现灵活决策计算。”
审稿人对此项研究给予高度评价：
“‘行为过程中皮层树突究竟承担何种功能’，这是一个紧迫而重要的问题，有可能从根本上改变我们对生物和人工系统中神经计算方式的认识。迄今为止，这一问题的研究对整个领域而言都极为困难。”
“凡是在行为过程中以细胞类型特异的方式记录和/或调控树突活动的实验，都因其在文献中的稀缺性和极高的技术挑战性而值得称道。作者出色地整合了一系列解剖学与电生理学实验，并运用了多种扰动手段和丰富的分析方法，令人印象深刻。”
从强迫症到人工智能：树突计算打开多少想象空间
这项发现不仅刷新了人们对神经元计算能力的认识，也为理解认知僵化相关疾病提供了新视角。
“成瘾、强迫症、精神分裂症等疾病患者往往出现认知灵活性障碍——他们接受的感觉输入与常人无异，但内在信念和对环境的推断出现了偏差。”徐宁龙解释。
他进一步指出，目前临床上常用的经颅磁刺激等干预手段，刺激相对较弱，最容易干预到的正是皮层表面——而皮层表面恰恰是顶端树突最密集的地方。“这或许解释了为什么有些刺激有时有效、有时无效。如果仅靠顶端树突自身，产生不了很强的效果。未来若能基于树突整合原理设计干预方案，在表面刺激的同时给予底层干预，让胞体也有一定激活，两个信息整合在一起，效果可能会非常显著。”
这项研究对人工智能的启发同样引人遐想。当前主流的人工神经网络将每个神经元简化为一个简单的点，依靠庞大的网络规模和参数数量来提升性能，效率低下且能耗巨大。徐宁龙指出：“我们大脑之所以演化出这样的架构，是因为生物最重要的就是节能，同时要灵活应对世界。单个神经元内部就能完成非线性计算，意味着我们不需要那么深的网络，能耗可以大大降低。”他建议，未来AI可以从底层革新，借鉴树突多区室计算原理，让每个计算单元具备更强的计算能力。“每个区室接受不同输入，灵活组合产生多种输出，输入之间相互隔离，不容易产生灾难性遗忘。这样的AI才有可能实现真正的灵活智能，在离线状态下也能做复杂运算。”
原标题：《大脑里的“微型计算机”被看见了！上海科研团队首次拍到树突“算”决策》
