为什么人比 AI 学得更快?中国团队在神经元里找到了答案.AI和人类大脑比,还处于蹒跚学步阶段!

来源：Science（《科学》），2026年10月16日在线发表（论文《Dendritic computation for abstract rule-based flexible decision-making》）；由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完成。研究应用了2026年诺贝尔生理学或医学奖"光遗传学"技术。

一个老问题：大脑的"基本单元"到底怎么算的

一百多年前，神经科学的奠基人卡哈尔等人确立了"神经元学说"：神经元是神经系统结构和功能的基本单元。这就像盖房子前先确定"砖块"是什么。可砖块确定之后，还有一个更根本的问题悬而未决：这些基本单元，到底是怎么处理信息的，才撑起了大脑的智能和灵活行为？这正是今天脑科学和人工智能共同卡住的地方。

传统答案：神经元只是个"点"

过去几十年，大多数研究和人工智能模型都把每个神经元简化成一个"点"——一个只会做简单加权求和的节点。你在神经网络图里看到的一个个小圆圈，就是这个"点状神经元"的化身：它接收一堆输入，乘上权重加在一起，输出一个数字。这套简化好用、好算，却有个绕不开的尴尬：它从根上回避了"基本单元内部的计算如何支撑智能"这个问题。而今天的人工智能恰恰卡在这个瓶颈上——面对灵活决策这类高级认知，需要把海量情境信息和抽象规则动态整合，这种复杂的非线性转换，很难靠"点状神经元"的简单求和解释。

中国团队的发现：树突本身就是一台"小电脑"

2026年10月16日，国际顶级期刊《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徐宁龙团队的一项成果，给这个问题提供了一个出人意料的答案：神经元并不只是网络里的一个"点"，单个神经元内部的树突，本身就是一台执行认知计算的"小电脑"。

树突是什么？它是神经元上那些像树枝一样向外分叉、伸展的部分，负责接收来自其他神经元的信号。长期以来，人们知道树突能"收信"，却不太清楚它在"算什么"。徐宁龙团队首次在真实的认知行为中观测到：同一神经元内部的不同"房间"（亚细胞区室）有明确的功能分工——顶端的树突负责编码"推断出的抽象规则"，而细胞本体（胞体）更多负责表征"当前听到的声音"这类感觉信息。两者在同一个神经元内部完成非线性整合，直接产生行为决策的输出信号。

他们怎么证明的：让小鼠玩"猜规则"游戏

团队设计了一套"规则会偷偷变"的听觉任务，训练小鼠判断声音是高还是低。一开始有个固定的判断边界，小鼠摸熟之后，科学家在无预警的情况下悄悄把边界换掉，小鼠必须不断从"答对给奖励、答错没奖励"的反馈里，推断此刻隐藏的规则是什么，再把规则与听到的声音结合起来，做出灵活选择。这正是"灵活决策"的精髓：规则变了，行为要跟着变。

关键一招：用诺奖技术"关掉"树突

为了验证树突到底是"旁观"还是"参与"，团队用上了刚刚获得2026年诺贝尔生理学或医学奖的"光遗传学"技术——用光来精准地抑制特定结构的活动。他们用亚细胞分辨率的双光子显微镜，同步记录小鼠听觉皮层第5层锥体神经元"顶端树突"和"胞体"的活动；再用光遗传学选择性抑制树突。结果很干脆：一旦把树突活动压下去，胞体的"选择信号"就明显变弱。这直接证明，树突的活动确实参与了神经元的决策输出计算，而不是可有可无的配角。

这解决了什么：填上了树突与高级认知之间的鸿沟

这项研究填补了"树突计算"与"高级认知功能"之间长期缺位的直接证据。在此之前，离体实验早就提示树突具备丰富的信息处理能力，但"树突到底怎样参与灵活认知"一直是空白。现在，它把树突计算机制从感觉、运动层面，第一次拓展到了"抽象规则推断"这种高级认知层面，也更新了"单个神经元只是简单网络节点"这一主流观点。

对我们意味着什么：更省电、更灵活的 AI

最直接的想象空间在人工智能。今天的AI主要靠堆"神经元之间的连接"（也就是突触）来学习，本质是模仿"车站之间的路"。而这项研究提示，单个神经元内部可能就藏着一台能"一边提猜想、一边对现实"的小型计算机——猜想经过反复验证、确认可靠之后，大脑才慢慢加固突触，把规则"永久保存"。如果把这个"多区室、会推理"的神经元原理搬进AI架构，就有望做出用更少样本、更快适应新规律的下一代类脑智能，也更接近人脑那种节能又灵活的学习方式。徐宁龙也透露，下一步会与AI领域合作，把这棵"树突"种进类脑AI的底层架构。

一句题外话：跨越三代科学家的"初心"

这是个跨越三代科学家的故事。早在1951年，中国神经科学先驱张香桐就开创性地提出：顶端树突具有主动电兴奋性、能整合输入；后来徐宁龙的导师、张香桐的学生吴建屏院士在一次组会上追问："树突，到底在做什么样的信息处理？"正是这个问题，成了徐宁龙的科学初心。历经十年攻关，这个跨越三代的假说终于在活体认知行为中得到了验证。

必须说清的边界

当然，先别把它想象成"明天就能造出比人聪明的AI"。这项研究是在小鼠模型上完成的，揭示的是大脑灵活决策的一种基础计算机制；从"理解原理"到"造出更聪明的机器"，中间还有大量跨学科工程要做。但它把一个被忽视的真相摆上了台面：撑起智能的，可能不只是神经元之间密密麻麻的连接，还有单个神经元内部那片被我们忽略了上百年的"树枝"。

一句话带走

大脑之所以能灵活应变，秘密或许不在"更多连接"，而在"单个神经元也会思考"。中国科学家在树突里找到的那台"小电脑"，正在改写我们对智能起源的认识。