大脑的「记忆交换机」被发现：新记忆如何做到不覆盖旧记忆？

这个夜间回放环节，是记忆巩固（memory consolidation）过程的核心——脆弱的短期记忆正是借此过程，被稳固地写入长期储存系统。

此前，美国国立卫生研究院（NIH）资助的一项研究就发现，在睡眠中，新旧记忆会通过不同的瞳孔反应状态被分别激活，从而避免相互干扰 。而 NYU Langone 的新研究则从回路层面给出了解释：这个交换机机制，在睡眠中让海马体到皮层的通路保持畅通，从而保证重放过程既能强化新学到的内容，又不会把旧的记忆痕迹搅乱。

对阿尔茨海默病的新启示

长期以来，海马体 CA1 区都被认为是阿尔茨海默病中最早受到损害的脑区之一 。事实上，研究显示，即使在突触整体密度看起来正常的情况下，海马区突触的分布目标和形态在疾病早期就已经出现了异常，大号兴奋性突触的比例也明显偏低 。

这项研究的共同高级作者、来自纽约大学朗格尼医学中心的 Zhe S. Chen 博士指出，这个新发现的交换机机制「或许能为解开阿尔茨海默病及其他影响大脑回忆事件和寻找位置能力的疾病中，记忆回路如何出现故障，提供线索」。

可以设想，如果 CA1 的枢纽细胞丧失了分开传入和传出信号的能力，大脑就可能开始混淆新旧信息——或者干脆无法形成新记忆——这就会产生阿尔茨海默病中常见的那种记忆障碍 。此外，研究还发现，海马体 CA1 神经元在分子层面其实分为四个连续的带状层级，每一类神经元都有独特的分子标签。在阿尔茨海默病和癫痫等疾病中，某些类型的神经元可能格外脆弱 ，这为理解记忆回路的损坏过程增加了新一层的复杂性。

给人工智能的「生物蓝图」

除了神经科学和医学，这一发现对人工智能领域也极具启发。眼下，AI 系统正面临一个公认的难题——灾难性遗忘（catastrophic forgetting）：当训练一个神经网络去学习新任务时，它常常会不加区分地覆盖掉之前学到的权重知识。相比之下，哺乳动物的大脑却能持续学习，而不丢失旧知识。

NYU Langone 的研究表明，大脑是通过在共享的神经回路内部，架构性地分离输入和输出信息流，来实现这一点的 。这是一个可以直接翻译给下一代 AI 系统的设计原则。与其用新数据对整个网络进行重新训练，未来的 AI 架构或许可以引入类似的「交换机」模块，让新信息走专用通道，同时保护原有的数据表征。

研究人员将这一发现描述为一个潜在的「生物蓝图」，可供设计能够持续自我更新的 AI 系统，这是该领域长久以来追逐的一个「圣杯」。

需要留意的局限与下一步

需要注意的是，这项研究是在受控的实验室环境中，通过观察小鼠完成的。尽管海马体回路的基本组织在哺乳动物中是相对保守的，但要想对更自然的人类记忆行为做出可靠推断，还有待进一步研究 。

NYU Langone 的研究团队下一步计划调查，除了海马体 CA1 到皮层的这条通路之外，其他记忆回路中是否也存在类似的「交换机」式通道。了解这个机制是否具有普遍性，不仅能拓宽我们对大脑的认知，也会拓展其在治疗记忆障碍方面的应用前景。