一世很难想象加密机比人类大脑更复杂。这种三磅的组织巨大的组织占估计的860亿神经元，细胞迅速消除了瞬间反应的电力脉冲，对外部环境中的肌肉遭遇的任何刺激。反过来，每个神经元都有数千个主体分支，该分支达到了名为突触的节点，其将这些电信传输到其他小区。不知何故，大脑解释了这种不可能嘈杂的代码，让我们有效地应对不断变化的世界。
考虑到神经密码的复杂性，一些神经科学家向更有经验的黑客——密码学家——借鉴技巧也就不足为奇了。密码学家是一群痴迷于谜题的人，他们利用数学、逻辑和计算机科学来制造和破译密码。精确的方法两个神经科学实验室在宾夕法尼亚大学,其小说使用密码区分他们在其他世界各地的实验室,这是努力破译大脑如何编码复杂的行为,抽象思维,意识,所有其他的事情让我们人类。
Penn科学家从73岁的算法中取出了他们的提示，即在第二次世界大战期间使用的英国代码断路器Alan图灵读取秘密德语消息，以及更加着名的数学序列用于闯入汽车上的数字键盘锁。“神经元从世界上提取信息并提出代码，”宾夕法尼亚大学神经科学副教授Joshua Gold说。“大脑中必须是某种代码破碎机来理解这一点。”在神经科学实验室中使用加密，增加了黄金，为大脑的“沃斯硬件”提供了新的见解，将其运营作为“信息处理机”。
G直到21世纪初，老才对密码学有了太多的思考，当时他在华盛顿大学(University of Washington)迈克尔·沙德兰(Michael Shadlen)的猴子实验室做博士后研究。该实验室专注于研究大脑如何做出简单的感知决定。例如，它如何确定一个物体是向左移动还是向右移动?做这样的决定的根本问题是速度和准确性之间的权衡。大脑需要吸收足够的信息来做出正确的决定，但不需要太多的数据，因为当它处理所有信息时，环境已经改变，而决定是没有意义的。
在思考大脑可能用来解决这个问题的计算时，Shadlen拿起了一本名为《Good thinking》的书，这本书是统计学家I.J. Good在1983年写的。古德曾是布莱切利公园(Bletchley Park)的副统计学家。二战期间，这里曾是英国政府密码破译部门的总部，该部门的负责人是图灵，他被广泛认为是当代最优秀的数学家之一。在阅读古德的书时，Shadlen被图灵算法的一种描述所震撼——这是一种破译德国人用英格玛(Enigma)机器创造的难以破译的信息的方法。
难怪一些神经科学家会从更有经验的黑客——密码学家那里借用技巧。
英格玛密码机看起来就像一个塞在木箱里的超大型电动打字机，键盘连接着里面的几个小转子。每当按下字母键时，旋翼就会轻微转动，导致按下的字母重新映射到字母表中的任何其他字母。在机器打乱信息后，作者可以使用摩尔斯电码通过无线电波传输它。当信息的接收者将他们自己的Enigma机器设置到相应的转子设置(他们必须事先知道)，他们可以输入打乱的信息，然后机器就会自动输出解码的版本。
德国人认为英格玛密码是无法破解的;他们依靠它来传达有关他们军事战略的各种有趣的信息。德国海军的谜机操作员(图灵的工作重点是他们的信息)每天都在改变旋翼的起始位置。
从1939年开始，图灵的团队开发了一种复杂的、多步骤的解码德语信息及其内容的过程。然而，这只是图灵过程的第一步，引起了Shadlen和Gold的兴趣，他们认为这可以用于大脑研究。图灵用这个算法来确定任何两条拦截的信息——布莱切利公园每天拦截数百条德国信息——是否都是在相同的转子状态下写在英格玛机器上的。
图灵的算法铰接在逻辑的天才钻头上。他推理说，如果在不同的转子状态下设置了两个谜机器，那么一个消息中的第一个字母的概率与另一个消息中的第一个字母相同，如果其他消息中的第一个字母将是随机的，或者更准确地说，为字母表的26个字母。每条消息中的第二个字母，第三个字母等，也是如此。
相比之下，如果两条消息来自同一转子状态的机器，那么它们的字母将更有可能匹配。为什么？因为在德语语言（就像英文），一些字母比其他字母更频繁地使用。
例如，“E”是德语中使用最频繁的字母。“这意味着，如果你拿任意两篇德语文本，逐个字比较，你知道你最有可能找到的配对是两个E，”戈尔德解释说。使用Enigma信息，试图破解它们的人不一定会看到更多匹配的“E”，因为所有的字母都被重新映射到了其他字母上。不过，如果消息来自处于相同状态的机器，那么得到任何匹配字母的概率会更高。
图灵的算法基于一种天才的逻辑，神经科学家认为这种逻辑可以用于他们的研究。
语言学家帮助图灵对德语的字母频率进行排序。图灵与语言学家合作，确定了在相同状态下机器生成的两条加密德语信息的字母匹配概率约为1 / 13，而不是1 / 26。
因此，图灵的算法本质上是将一条信息中的每个字母与第二条信息中的每个字母进行比较，然后统计匹配的数量。如果这些信息足够长，那么通过比较字母匹配频率，他就可以确定这些信息是否来自相同状态的英格玛机器。该算法还可以显示消息是否太短，不需要进行比较，从而让图灵迅速转移到下一个集合。
对于长到足以进行测试的信息，图灵算法的一个关键特征是，它在收集信息的同时总结证据——一次一对字母，直到积累足够的信息，以合理的确定确定字母匹配频率。这种方法现在被称为“统计顺序分析”。例如，如果第一对字母匹配，这将是一个微弱的证据，以证明信息来自相同的转子状态;毕竟，那场比赛可能只是运气使然。另一方面，如果前100对字母中包含10对匹配，那么这将是更有力的证据。一旦加起来的概率达到了预先确定的确定性水平，图灵的算法就可以“决定”假设——即，这两条信息来自处于相同状态的机器——是正确的。
图灵的方法非常成功:温斯顿·丘吉尔(Winston Churchill)后来说，破译谜机对赢得这场战争至关重要。事实证明，该算法背后的数学是由奥匈裔犹太人亚伯拉罕·瓦尔德(Abraham Wald)独立发现的，他在纳粹入侵时逃到了美国。当图灵为英国人解码时，沃尔德开发了一些相同的数学技巧来帮助美国陆军确定，例如，一车弹药是否有缺陷或是否值得运往前线。
瓦尔德和图灵的方法影响了许多科学领域，从物理学、流体动力学到心理学，甚至经济学。“到处都是，”俄亥俄州立大学(Ohio State University)行为与社会科学杰出教授罗杰·拉特克利夫(Roger Ratcliff)说。近三十年来，拉特克利夫一直在支持这些心理学实验方法。他认为人类的行为是一系列的决定。“说什么，是去喝杯咖啡还是喝茶——所有这些都是小决定，”拉特克利夫说。“我认为这贯穿了我们所做的一切。”
S.哈德兰和戈尔德是最先将该方法应用于神经科学的人。“事实证明，这对大脑如何收集证据来做决定是一个很好的洞察，”Shadlen说。大脑外层的许多神经元是有选择性的，这意味着它们会对特定的刺激做出反应。例如，当我们视野中的物体向左移动时，视觉皮层中的一些神经元就会发出信号，而另一些神经元则会在物体向右移动时发出信号。
然而，神经元并不完美;有时选择向右运动的细胞会向向左运动开火，反之亦然。在这种情况下，Shadlen和Gold推断，神经元类似于两个谜机信息的字母配对。单个字母的匹配并不能提供足够的证据来判断这些信息是否来自于处于相同转子状态的机器。同样，任何一个神经元信号都不足以让大脑准确地确定一个物体是向左还是向右移动。为了弄清楚这一点，大脑依赖于数千甚至数百万神经元的聚集活动。
2002年，Gold和Shadlen发表了一篇以理论为主的论文，认为大脑使用类似图灵的计算——或近似于图灵的计算——来权衡来自神经元放电的证据，并做出感知决定，比如确定一大片圆点是向左还是向右移动。“图灵的工作代表了一种概率推理的形式，大脑似乎已经采用这种形式来解决感知和密码破解中常见的特定问题，”戈尔德说。
任何一个神经元信号都不足以让大脑准确地确定一个物体是向左还是向右移动。
就像算法实时收集证据一样，大脑似乎在神经元输入时进行处理，并相应地调整其预期。例如，如果它从喜欢向左运动的神经元接收到大量信号，而从少数喜欢向右运动的神经元接收到大量信号，那么它就会把这作为物体向左运动的有力证据。一旦输入跨越了某个确定的阈值(科学家仍在试图理解大脑是如何决定这个阈值的)，大脑就会做出决定，然后转向下一个。
在大脑和密码破译员的任务之间还有一个重要的相似之处:两者都不可避免地面临速度和准确性之间的紧张关系。戈尔德说，对于二战时期的密码破译人员来说，“当你想到这些人意识到，如果他们今天能破译这些信息，成千上万的生命就会得到拯救，速度和准确性就会变得发自内心。”图灵设计了他的算法来平衡速度和准确性，并对两者进行优化。Gold和Shadlen认为，大脑本身也在进行类似的优化行为。在大脑中，戈尔德说，“我们一直都知道这种现象存在于许多感知和认知任务中——快速决策节省时间，但往往不准确，而花时间会带来更高的准确性，但可能效率低下。”戈尔德说，图灵算法的模型“很好地预测了大脑如何处理速度和精度之间的权衡。”他们仍在测试这是如何发生的。
GEoffrey Aguirre的最佳脑袋，在他家，在他的家中开始迟到，同时拖着维基百科。在他的宾夕法尼亚州立大学实验室，神经科学家Aguirre使用脑扫描仪来研究过去的塑造。神经系统是适应硕士，不断调整自身对环境的特殊变化。例如，当你进入黑暗的地下室时，你的眼睛很快就会适应缺乏光线（当你爬楼梯并再次击中光线时，可以痛苦地清楚的变化）。
大脑的灵活性对我们的日常生活很有好处，但在设计大脑成像研究时，这可能是一件痛苦的事情。在这项研究中，研究人员在参与者经历不同刺激时，比如看着人脸图片或听到一系列声音，给他们的大脑拍照。例如，由于所谓的“遗留效应”，参与者的大脑对蓝色图片的反应方式，在先前的图片是蓝色还是橙色时，会略有不同。
区分这些遗留效应尤其困难，因为大脑扫描仪——一种功能性磁共振成像(fMRI)机器——可以测量大脑中的血液流动，这是神经活动的代理。血液流动的变化相对较慢，以秒为单位，而神经元的放电时间是几毫秒。因此，功能磁共振成像的迟缓常常掩盖了神经的遗留效应，这对想要纠正遗留效应的科学家和像阿吉雷这样想要仔细研究这些效应的其他人来说都是令人恼火的。
大脑的任务和代码断路器之间存在另一个重要的相似性：两者都面临速度和准确性之间不可避免的张力。
2007年，阿吉雷发表了一篇论文，表明可以通过将实验刺激(不同颜色的图片)按特定的顺序放置来管理遗留效应。这个想法是安排刺激，使每一张图片在实验过程中的某个点出现在每一张图片之前或之后。然后，在分析数据时，研究人员可以比较不同的前后组合(蓝色后加蓝色，橙色后加蓝色)的大脑反应，很容易发现任何遗留效应。
在数学世界中，这种刺激顺序被称为“类型1索引1序列”，即每一幅图像都与前一幅“平衡”，没有任何重复组合。由于它的效率，它在大脑扫描中工作得很好:它提供尽可能短的平衡序列，最大限度地减少参与者躺在不舒服的扫描仪中的时间。
但对阿吉雷来说，这种顺序也有局限性。例如，创建类型1序列的算法只对6个或更多的刺激有效。更重要的是，它只考虑了前一张图片的遗留效应。但如果你想研究前两张或三张图片的效果呢?这一点很重要，因为研究表明，我们的认知不仅会受到最后看到的东西的影响，还会受到最后几件东西的影响。这种现象也会在更长的时间尺度上发生。阿吉雷说，最经典的例子与面部识别有关。阿吉雷说:“如果一个人从芝加哥搬到东京，人们会在几个月的时间里描述这一点，他们会发现很难区分面孔。”“但随着时间的推移，你会逐渐熟悉这些新的面部特征，然后你就会善于区分面孔。”
1型序列的问题驱动了Aguirre，“通过维基百科挖掘漫长的夜晚”，“他说，笑。他在离散数学和图表理论的原则之后阅读页面。一天晚上，他偶然发现了De Bruijn序列的页面，一个包括类型1序列Aguirre的大类别已经熟悉。“De Bruijn序列是整个序列的全球，具有反平衡的特殊属性，”Aguirre说。“我意识到他们对我们所拥有的应用程序非常完美。”
为了理解de Bruijn序列是如何工作的，想想一串字母，比如阿吉雷的首字母GKA。de Bruijn序列将这三个字母排列成一个长序列，这样每一个可能的三个字母组合都只使用一次。阿吉雷为他的实验室的网页做了一个标识，以说明这些序列中的一个是什么样子的:
那么为什么德布鲁因序列如此有用呢?效率。如果你要分别写出每一个可能的三字母组合，你的清单可能会这样开始:
GGG
GGA
GGK
棉酚
呕吐
GAK
等等。你得打81个字母才能拼完每一个字母组合。但正如实验室的标志所示，de Bruijn序列可以让一个三连音中的字母融入下一个三连音，让你只需键入27个字母就可以达到所有可能的组合。
小偷可以利用这些序列来破坏汽车门上的电子键盘。它们通常有代表数字0到9的按钮，按下右边的4个按钮就可以解锁汽车。阿吉雷说:“如果你知道de Bruijn序列，你就可以减少大量破解密码的时间。”
阿吉雷立即看到了这些序列在大脑成像实验中是如何发挥作用的。在他看来，fMRI实验的刺激(比如彩色图片)就像汽车锁上的数字。德布鲁因的序列可以让他把它们按正确的顺序排列。就像可以为任意长度的密钥代码组合一个序列——比如，三位数、四位数或五位数——在成像实验中也可以为任何水平的刺激平衡组合一个序列。
唯一棘手的部分是，一个给定的刺激序列有不止一个德·布鲁因序列——更多。例如，如果你想设计一个实验，使用17张不同的图片，每一张图片都进行平衡，这样研究人员就可以计算出前一张图片的遗留效应，那么你就会得到一个令人难以置信的8 × 10244不同的de Bruijn序列可供选择。
2011年，阿吉雷和研究生马塞洛·戈梅斯·马特(Marcelo Gomes Mattar)发表了一种方法，帮助研究人员从大量序列中选择对特定实验最有意义的序列。
研究人员可能会有一个假设，关于大脑对看到一串特定的刺激是如何反应的——比如红色、橙色、黄色，这是一个虚构的例子。使用Aguirre的方法,研究人员可以选择de Bruijn序列,不仅频传的刺激(因此,在实验的最后,每一个画面出现前后其他图片),但还包括red-orange-yellow序列关键假设。如果大脑对目标序列做出了强有力的反应，这个假设就会被证明是正确的。
阿吉雷说:“基本的想法是，只有当你的理论是正确的，而且你的研究对象有与你的理论相对应的神经密码时，神经系统才会以一种你可以用神经成像技术测量的方式发出声音。”他补充说，甚至有可能在同一序列中测试多个理论。“如果那个神经铃声在10秒时响起，那么也许我就知道我的第一个理论是正确的，但如果铃声在15秒时响起，我就知道这是另一个理论。”
小偷可以利用这些序列来破坏汽车门上的电子键盘。
阿吉雷和他的另一名研究生戴维·卡恩(David Kahn)正在使用这种方法来测试一个有趣的想法，即自闭症患者是如何看待世界的。该理论认为，患有这种发育障碍的人具有更敏感和更有分辨力的视觉知觉。这种超敏感会让他们注意到面孔和场景的微小差异，但也可能使他们难以适应变化的环境。如果这个理论是正确的，那么自闭症患者对一系列长相相似的面孔的大脑反应将与非自闭症患者不同。因为研究人员想要特别观察几张连续图像的遗留效应，所以这项研究非常适合de Bruijn序列。如果实验成功，那么研究人员将对一些自闭症患者的神经基础有更好的了解，并有可能为寻找这种令人困惑的复杂障碍的治疗方法提供新的线索。
阿吉雷已经在他的网站上免费提供了他的软件，其他实验室也开始进行试验。波士顿学院(Boston College)的神经学家肖恩·麦克沃伊(Sean MacEvoy)利用德布鲁因序列研究了大脑的视觉皮层是如何代表一个物体的身份及其在空间中的位置的。
麦克沃伊的实验有18种不同的刺激，他说德·布鲁因的序列就像咒语一样有效。他计划在未来的实验中使用它。他说:“有了序列，你就知道你不会有任何虚假的偏见，从而影响对数据的解释。”“我不认为这有什么坏处。”
对阿吉雷来说，密码技术将继续帮助神经科学家深入了解大脑的复杂功能。就像密码学家已经完善了将看似任意的信息转换成“哈希码”(只能用一种有效方式解释的序列)的方法一样，神经科学家已经了解到，大脑可以从看似随机的神经信号中生成哈希码。阿吉雷说:“我们的关键观点是，大脑有效地对世界执行了一种时间哈希函数。”他补充说，提供一种破解世界秩序密码的方法，“就是这种智力方法的力量。”
维吉尼亚休斯他是一名科学记者，专攻神经科学、遗传学和医学。
