任何學習，甚至彈鋼琴，都將以一場鬥爭開始，在擊中錯誤的鑰匙是一個非常普遍的錯誤。但是，隨著訓練和練習進展，生澀的動作變得敏銳而光滑，進步會逐漸消失。
這種學習的改進使人開始大腦，並與神經元通過更好地管理神經迴路，可以提供更大的運動控制。
神經活動模式
神經科學家的一項新研究，來自里斯本的尚利米特未知中心和加利福尼亞大學 - 伯克利分校等中心研究了在動物運動學習過程中根深蒂固的神經活動模式。
調查結果是報告在神經元。
該研究結果鼓勵科學家提出可以優化腦機界面（BMI），以便癱瘓的患者可以使用心靈的力量使用機器人臂。
研究人員從一開始就研究了運動過程的演變，直到它鞏固了公平水平。
首席作者維維克·阿西利（Vivek Athalye）說：“學習新穎的運動技能時，動物最初必須探索不同的運動。”
研究小組推斷了研究，以檢查大腦在帶來具體行為變化時驅動神經元活動的過程。
實驗和結果
為了進行基於數據的分析，該團隊在神經科學家Rui Costa上紮根，並利用了Karunesh Ganguly和JoséCarmena編寫的數據，他們共同撰寫了這項研究。
實驗是在與BMI相排列的運動皮質中植入電極的動物上進行的，該動物記錄了運動皮質神經元的活性，而動物學會了移動光標。
從試驗階段到整合，學習一直在進行，直到動物在一系列訓練課後進行熟練的光標運動。
在其他任務期間，也監測了運動皮層的神經活動的變化。
他們得出的結論是，在學習開始時，運動皮層活動的差異很大，儘管以後會保持一致。
從這些觀察結果來看，研究人員將目光轉向了大腦如何處理這種機制。清晰度缺乏神經元是否獨立改變活動還是由許多神經元引起的集體變化。
這創造了新的關注神經元如何協調學習。這個難題是神經元如何獲得活動模式，並將其視為自主操作或協調活動。
卡梅納（Carmena癱瘓患者。
從理論上講，這可以通過濾除動作中不需要的神經元的人群來完成，並優先考慮與電機任務執行的那些神經元相關的神經元。這就是機器人臂通過向其發送相關信號來工作的方式。
自然運動學習的區別在於，肌肉使運動在大腦的方向下。同樣，哪個神經元控制肌肉是未知的。但是，在對動物的實驗中，只有那些真正從事這項工作的神經元與BMI有關。
作者很肯定，類似模式可以在自然運動學習中起作用並擴展申請在許多地區。
手術室中的機器人
同時，手術室很快將在手術團隊中看到更多的機器人，以進行精確和自動化的手術。
加利福尼亞大學聖地亞哥分校的電氣工程教授邁克爾·伊普（Michael Yip）建立了一個實驗室先進的機器人系統到此為止。
這是基於這樣的前提：智能算法將使機器人能夠使用智能內窺鏡進行手術，這些智能內窺鏡通過複雜的身體內部操縱以提高外科醫生的能力。
