Nature | 孙伟男等揭示大脑构建认知地图的关键机制

2025年2月12日，美国HHMI Janelia研究园区的Nelson Spruston和孙伟男团队在Nature上发表了文章Learning produces an orthogonalized state machine in the hippocampus，首次系统描绘了大脑海马体如何在学习过程中将复杂的感知信息转化为清晰的内部表征。

我们的大脑如何理解周围的世界？这个看似简单的问题背后，涉及着极其复杂的神经计算过程。想象你在一座陌生的办公楼里寻找会议室，虽然每层走廊看起来都很相似，但你的大脑能够整合各种线索，准确判断自己的位置和该往哪个方向走。这种能力依赖于大脑中的"认知地图"。

研究团队利用Janelia自主研发的大视野双光子显微镜技术，在小鼠完成虚拟导航任务时，同时记录了海马体内数千个神经元的活动。这种前所未有的观测视角，让研究人员得以揭示认知地图的形成过程。

研究发现，随着小鼠逐渐掌握任务要领，其海马体内的神经活动经历了显著转变：最初对相似环境的神经反应高度重叠，但随着学习的深入，这些反应逐渐分化，最终形成了相互独立的神经表征模式。这种被称为"正交化状态机"的表征方式，使大脑能够有效区分表面相似但实质不同的环境状态。

为了理解这一现象背后的计算原理，研究团队对比了多种理论模型。其中，一种名为“克隆结构因果图” （CSCG） 的模型不仅能够重现海马体最终的表征结构，还准确预测了学习过程中的每个阶段。这一发现表明，大脑可能通过类似的机制来理解和组织环境信息。

这项研究的意义延伸至人工智能领域。尽管当前的大语言模型展现出惊人的能力，但它们仍然难以建立可靠的世界模型，在推理和规划等任务中表现出明显的局限性。研究揭示的生物计算原理，特别是CSCG模型展示的信息组织方式，为构建具有更强推理能力的人工智能系统提供了新思路。

论文第一作者孙伟男博士 （现为康奈尔大学助理教授） 表示："研究大脑如何通过推断隐藏状态来构建认知地图，让我们更深入地理解了智能的本质。这些发现可能帮助我们开发出具有更可靠世界模型的人工智能系统。"

该研究不仅加深了我们对大脑工作机制的理解，也为人工智能的发展指明了新方向。

https://doi.org/10.1038/s41586-024-08548-w

制版人：十一

BioART战略合作伙伴

（*排名不分先后）

BioART友情合作伙伴

（*排名不分先后）

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

会议资讯

近期直播推荐