最新Nature：科学家一步一步地详细说明了大脑如何构建复杂的认知地图

来源：生物通

HHMI的研究人员系统地、一步一步地详细说明了认知地图是如何在大脑的海马体中形成的，其中海马体是负责学习和记忆的区域。

我们的大脑会绘制环境地图，帮助我们理解周围的世界，让我们思考、回忆和计划。这些地图不仅可以帮助我们，比如，找到我们在酒店的正确楼层的房间，而且还可以帮助我们确定我们是否在错误的楼层下了电梯。

神经科学家对构成这些地图的神经元的活动了解很多，比如当我们处于特定位置时，哪些细胞会放电。但大脑是如何在我们学习的过程中生成这些地图的，仍然是个谜。

现在，通过追踪动物学习过程中数千个神经元在数天或数周内的活动，HHMI的Janelia研究园区的研究人员已经系统地、一步一步地详细描述了这些认知地图是如何在大脑的海马体中形成的——海马体是负责学习和记忆的区域。

由Spruston实验室领导的研究小组发现，当动物学会从两个微妙不同的线性轨道（比如酒店的不同楼层）收集奖励时，海马体中的神经元开始以不同的方式做出反应。最终，大脑会对这些视觉上相似的轨迹产生完全不同的表征，其中包括使动物能够区分这两种选择的信息。

研究人员还确定了最能再现这一学习过程的数学模型类型，揭示了大脑可能用来创建这些心理地图的计算，并提供了对记忆和智力的深入了解。

“我们正在绘制认知地图形成的一步一步的过程，这是一个非常重要的概念，”康奈尔大学助理教授Weinan Sun说，“但还有第二个贡献：观察这个过程的结果给了我们一个关于潜在计算的提示，我们更接近于理解大脑在制作这些地图时是怎么做的。”

了解大脑是如何实现这些计算的，可以帮助研究人员开发出更好的治疗阿尔茨海默氏症等记忆障碍的方法，并创造出更像生物大脑的人工智能系统。

E11 Bio的神经解剖学首席科学家Johan Winnubst说：“神经科学和人工智能可以从彼此身上学到很多东西。大型语言模型所能做的事情令人印象深刻，但它们也会在很多非常明显的方面失败，其中一些与推理和长期规划有关。所以也许你可以把我们从海马体中学到的一些经验介绍给这些模型。”

观察地图形成

为了了解这些认知地图是如何形成的，研究人员使用了janelia设计的具有大视野的高分辨率显微镜来成像小鼠海马体中数千个神经元的神经活动，这些神经元正在学习如何导航两个不同的虚拟走廊：一个在近的位置有奖励，另一个在远的位置有奖励。

在每条走廊的开始处，给小鼠一个视觉提示，告诉它在走廊的什么地方可以找到水奖励，可以是近的地方，也可以是远的地方。小鼠必须弄清楚指示线索和奖励传递地点之间的关系。

研究人员发现，所有的动物都学会了如何以相同的特定顺序在走廊上导航。首先，它们学会了在知道不会得到奖励的地方抑制自己的舔舐行为。然后，它们了解到他们每条走廊只能得到一个奖励。最后，它们学会了在远处有奖励的走廊里，抑制自己在近奖励的地方舔东西。

当动物开始学习时，它的神经活动开始反映它的行为变化。在学习开始时，两个通道的单个神经元的活动基本相似，形成一个线性轨迹，只有轻微的差异代表不同的线索和奖励位置。

然而，随着动物学习的进展，代表不同走廊的神经活动开始进一步分化。虽然远近奖励地点的表现总是不同的，但现在根据小鼠所在的走廊，这些奖励地点的表现是不同的：近走廊上的近地点与远走廊上的近地点的表现是不同的，尽管它们在视觉上是相同的。

在学习结束时，这些神经元的活动完全不同，不同的地图编码隐藏信息，使动物能够区分两条走廊。研究人员发现，有一些特定的细胞——他们称之为“状态细胞”——能够从环境中提取隐藏的信息，从而实现这种分化。

在酒店的类比中，最初大脑可能以相似的方式代表所有楼层。但几天后，我们就知道了楼层之间的区别。我们的大脑会为不同的楼层生成不同的地图，每一层都包含隐藏的或相关的信息——比如电梯里显示的是什么号码，但当我们出来时就看不见了——这让我们能够区分它们。对于现实世界中的动物来说，这个过程有助于区分森林或田野中相似但不同的区域。

“最初，大脑活动非常相似，随着学习，活动变得越来越不同，直到它们正交。最后，每个神经活动模式都会编码一个隐藏状态，反映任务的真实隐藏状态，大脑关心的是直接的感官输入，但在动物所处的隐藏状态下对其进行解释。”

最后，研究人员研究了大脑中可能发生的计算，以使他们观察到的地图形成。

研究小组发现，大脑构建这些地图就像一个状态机——一个通过推断即时可见之外的隐藏状态来判断真实情况的系统。在测试的各种计算模型中，只有一种被称为克隆结构因果图的模型能够准确地再现这一学习过程。

研究人员还创建了一个在线可视化工具，以便世界各地的科学家可以探索这些数据，他们说，能够将这些片段连接起来——从行为到单个细胞到神经元群再到算法——是真正理解大脑和智力如何工作的关键一步。

“神经科学的终极目标之一是：如果我们观察到一种行为或认知功能，我们不仅要从细胞和分子过程的角度来理解这种行为或认知功能，还要从大脑使用的算法表征的角度来理解这种行为或认知功能，”资深作者Nelson Spruston说，“我们正在达到算法层面——可以说是最难确定的——这有助于我们将细胞和分子过程的实际运作方式联系起来，从而在大脑中产生一种算法，这种算法可以形成我们以行为形式观察到的计算。”

参考文献

Learning produces an orthogonalized state machine in the hippocampus

阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”

https://wx.zsxq.com/group/454854145828

未来知识库是“ 欧米伽 未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。 欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828进入。

截止到12月25日 ”未来知识库”精选的100部前沿科技趋势报告