这种水晶模拟学习和遗忘

Y你不需要大脑来学习。例如，黏菌可以在没有单个神经元的情况下解决迷宫和导航障碍。关于他们所处环境的信息以某种方式储存在他们的全身。（科学家们对这一机制的工作原理还不太清楚。）

但是那些甚至不存在的东西呢？一个新的纸这表明，一种合成晶体——氧化镍钐(简称SNO)——可以模拟学习。

SNO的能力来自于它对环境的敏感性。当它与氢气接触时，它从氢气中窃取电子，电阻率增加。普渡大学(Purdue University)材料科学教授、该研究的合著者施里拉姆·拉马纳坦(Shriram Ramanathan)说:“它基本上改变了材料的电阻，改变幅度达多个数量级——甚至在室温下也会发生。”“这是一个非常显著的效果。”

然而，连续暴露会产生递减的回报，SNO变得对氢“习以为常”，其电阻率增加得更慢。拉马纳森说：“你可能会认为这种行为是理所当然的。”。“[但是]习惯化被认为是生物体生存的一项非常基本的技能。”例如，狗可以习惯于汽车发动机的噪音。一开始，它们可能是在威胁，所以它们会花费精力吠叫。但在足够长的时间后，它们通常会停止。（通过这种方式，狗可以为真正的威胁保存能量和注意力，比如邮递员。）

当然，要学习的不仅仅是习惯。还有遗忘——当你的记忆空间有限时，为新记忆腾出空间至关重要，而SNO也能做到这一点:在一段时间没有氢的情况下，SNO的电阻会降低。本质上，它会逐渐“忘记”暴露在氢气中的影响。

关键是要循序渐进，而不是灾难性地丢失信息。拉马纳森说，他相信逐渐忘记的能力具有“广泛的影响”，“你会学到新的信息，直到你死的那天，”他说。“为什么会这样？一种可能实现这一点的机制是，你忘记了不重要的信息。”

SNO可能是第一种合成材料，它既能适应，又能逐渐忘记在无生命的合成晶体中出现的类似生物体的特性。所以研究人员创造了一个术语“有机体”来描述它。但是这些属性对学习来说就足够了吗?研究人员装备了一个具有这些特性的人工神经网络作为测试。

他们给它提供了两套规则或算法。一种被称为尖峰时间依赖性可塑性（STDP）的算法并不是为了逐渐忘记信息而设计的。当研究人员给它看三个数字——0，1，然后是2——时，神经网络的记忆也很好。

当显示另一个数字时无法忘记0，STDP算法混淆了0和1，然后，显示下一个数字时，混淆了所有三个数字。

而第二种算法被称为自适应突触可塑性(ASP)，它利用了SNO记忆信息并逐渐忘记信息的能力，能够毫不费力地代表每一个连续的数字。ASP的成功是平衡习惯和遗忘的结果。

起初，ASP记住了第一个数字0，尽管没有STDP那么强烈。但是当显示第二个数字时，ASP能够忘记一些0来为1腾出空间。ASP并没有将数字混合在一起，而是既保留了旧的数字，又表示了新数字。

但是，即使它可以忘记和习惯，斯诺真的是“学习”吗?不管它是什么，这与黏菌学习识别各种不同的无害物质相去甚远，这是一项复杂得多的任务。但是，如果我们像黏菌研究人员所说的那样，把学习仅仅看作是“由经验引起的行为变化”定义它，然后SNO做学习。

赫伯特·西蒙（Herbert Simon）是一位以其在人工智能领域的专业知识而闻名的博学者，他曾写道：“人类被视为行为系统，非常简单。随着时间的推移，我们行为的表面复杂性在很大程度上反映了我们所处环境的复杂性。”

sno(没有大脑甚至活细胞)可以学习，这可能会让人感到不安。如果几层原子也能学习，那我们有多特别?但话又说回来，仅仅因为人类在学习上没有垄断，并不意味着我们不是独一无二的。我们确实发现了SNO。

丹·加里斯托是鹦鹉螺。

观察:加州大学伯克利分校的化学家Richard Saykally讲述了水对氢键的作用。