Nature：大脑里的 “决策指南”：先验信息如何在全脑 “导航” 选择？

来源：神经的秘密

当你在昏暗的房间里摸索电灯开关时，你会下意识地朝着记忆中开关的大致位置伸手 —— 这种基于过往经验对结果的预判，在神经科学中被称为 “先验信息”。长久以来，科学家们一直好奇：大脑究竟如何储存和使用这些 “经验指南”？是只在负责决策的 “高级脑区” 里集中处理，还是像一张隐形的网络，遍布大脑的各个角落？

发表在《Nature》期刊上的一项由国际大脑实验室（International Brain Laboratory）主导的研究，通过观察小鼠的决策行为和全脑神经活动，为这个问题给出了令人惊讶的答案：先验信息并非局限于特定脑区，而是在大脑的 “全层级” 中广泛存在—— 从最基础的视觉感知区域，到控制动作的运动区域，甚至到负责复杂思考的高级皮层区域，都在默默 “记录” 和 “调用” 这些经验。

一、给小鼠设计的 “概率游戏”：如何测试大脑的 “经验决策”？

要研究大脑如何使用先验信息，首先需要给实验动物设计一个能明确调用 “经验” 的任务。研究团队选择了小鼠，并为它们打造了一个 “视觉决策游戏”。

实验装置很简单：小鼠面前有一个屏幕，屏幕两侧会随机出现不同对比度的 “视觉光栅”（类似明暗相间的条纹），小鼠需要通过转动面前的轮子，将光栅 “移到” 屏幕中心才能获得水奖励。关键在于，研究人员偷偷设置了一个 “概率规则”：在某一阶段（称为 “区块”），光栅出现在右侧的概率固定为 80%（左侧 20%）；过一段时间后，这个概率会突然切换成右侧 20%（左侧 80%），且切换前没有任何提示。

对小鼠来说，这个游戏的核心挑战是：没有提示的情况下，如何通过过往的 “试错经验”，判断当前阶段光栅更可能出现在哪一侧？比如，当连续多次在右侧看到光栅后，小鼠是否会逐渐倾向于先往右侧转动轮子？这种基于 “经验预判” 的行为，正是大脑在使用先验信息的直接体现。

通过分析 139 只小鼠的行为数据，研究团队发现：小鼠确实能 “摸清” 这个概率规则。在完全没有视觉信号（零对比度，相当于人类在漆黑环境中摸索）的测试中，小鼠选择 “高概率侧” 的正确率达到了 58.7%（显著高于 50% 的随机水平），虽然还没达到理论上的 “最优值”（61.1%），但足以证明 —— 小鼠的大脑在主动积累和使用先验信息。

二、全脑 “搜捕” 先验信号：从视觉区到运动区，处处有 “经验的痕迹”

知道了小鼠会用先验信息，下一步就是找到这些信息在大脑中的 “藏身之处”。研究团队采用了两种前沿的脑成像技术，对小鼠的全脑神经活动进行 “扫描”：

一种是Neuropixels电生理记录—— 用超细的探针（直径仅几微米）插入小鼠大脑，同时记录 242 个脑区的神经元放电信号，相当于给大脑的 “神经活动” 装上了 242 个 “麦克风”；另一种是宽场钙成像—— 通过特殊的荧光染料，实时观察小鼠大脑表层（背侧皮质）的神经活动 “亮度变化”，像卫星云图一样呈现全脑的活动模式。

通过分析这些数据，研究团队得出了一个颠覆传统认知的结论：先验信息并非只存在于 “决策脑区”，而是在至少 20%-30% 的脑区中都有编码，且覆盖了大脑的 “全处理层级”。

1. 早期感觉区：“看到” 之前，先有 “预判”

在传统认知中，大脑的 “早期感觉区”（如初级视觉皮层 VISp、外侧膝状体核 LGd）的作用是 “被动接收信号”—— 比如视觉区只负责处理眼睛看到的图像，不会主动 “预判” 图像的位置。但这项研究发现，这些区域的神经元活动居然能 “预测” 光栅出现的概率：当小鼠通过经验判断 “右侧更可能出现光栅” 时，初级视觉皮层中偏向 “处理右侧视觉信号” 的神经元，会提前进入更活跃的状态。

这意味着，当视觉信号还没到达大脑时，先验信息已经 “提前通知” 了感觉区：“接下来大概率会看到右侧的刺激，做好准备！” 这种 “预判式激活”，能让大脑更快、更准确地处理后续的感官信号。

2. 运动区：“动作” 也在跟着 “经验” 走

不仅是感觉区，负责控制动作的 “运动区”（如初级运动皮层 MOp、次级运动皮层 MOs）也在 “储存” 先验信息。研究发现，当小鼠预判 “右侧更可能有光栅” 时，控制 “右侧轮子转动” 的运动区神经元会更活跃 —— 相当于大脑在 “提前蓄力”，让小鼠能更快地做出正确的动作。

更有趣的是，这种 “运动区的先验编码” 即使在没有动作的 “休息间隔期”（两次试验之间）也存在。也就是说，大脑不仅在 “需要动作时” 调用先验，还会在 “空闲时” 主动 “复习” 这些经验，为下一次决策做准备。

3. 高级皮层区：“整合经验” 的 “指挥中心”

除了基础的感觉和运动区，负责复杂认知的 “高级皮层区”（如腹外侧眶额皮层 ORBvl、背侧前扣带回区 ACAd）更是先验信息的 “整合高手”。这些区域的神经元活动不仅能反映 “当前的概率预判”，还能 “记住” 过去多次试验的经验 —— 比如，当概率规则突然切换时，这些区域的活动会快速调整，帮助小鼠 “更新经验”，重新适应新的概率模式。

研究团队通过 “格兰杰因果分析”（一种分析脑区间信息流动的技术）还发现：这些高级皮层区并非 “单向指挥”，而是与感觉区、运动区形成了 “双向环路”—— 高级区会将整合后的经验 “下发” 到感觉区和运动区，而感觉区和运动区也会将 “实时反馈”（比如 “这次选对了”“这次选错了”）传递回高级区，帮助大脑不断 “修正” 先验信息。

三、小鼠的 “经验法则”：不是 “完美计算”，而是 “实用简化”

虽然小鼠能利用先验信息优化决策，但研究团队发现，小鼠的 “经验计算” 并非像计算机一样 “精确”，而是一种 “实用的简化策略”。

通过对比不同的 “行为模型”（比如 “基于过去动作的经验”“基于过去刺激的经验”“完美的贝叶斯计算”），研究人员发现：小鼠的大脑更倾向于 “记住自己过去的动作”，而非 “记住过去看到的刺激”。比如，当小鼠之前多次 “选右侧并获得奖励” 时，它会更倾向于继续选右侧 —— 这种基于 “动作记忆” 的经验积累，比 “分析过去刺激规律” 更简单、更高效。

这种 “简化策略” 虽然不是理论上的 “最优解”，但非常 “实用”：小鼠的大脑不需要复杂的计算，只需要 “记住自己之前做对了什么”，就能快速做出决策。研究发现，小鼠的这种 “动作经验记忆” 会保留约 5-6 次试验 —— 也就是说，大脑会 “重点关注” 最近 5 次的动作结果，以此为基础更新先验信息。

这种 “实用主义的经验法则”，其实和人类的很多日常决策很像：比如，当你多次在某家餐厅吃到好吃的饭菜，下次选择餐厅时，你会更倾向于 “再去这家”—— 你不会精确计算 “这家餐厅好吃的概率”，而是通过 “过去的选择经验” 快速做决定。

四、这项研究为何重要？—— 揭开大脑 “经验决策” 的通用规律

这项研究之所以发表在《Nature》上，不仅因为它找到了先验信息在大脑中的 “分布地图”，更在于它为理解 “大脑如何处理经验” 提供了三个关键启示：

1. 大脑是一个 “全脑协作” 的决策网络

传统观点认为，大脑的决策是 “分级处理” 的：感觉区负责 “看”，高级区负责 “想”，运动区负责 “做”。但这项研究表明，大脑的决策更像一个 “全脑协作的网络”—— 先验信息在各个层级之间自由流动，感觉区、运动区、高级区各司其职又相互配合，共同完成 “基于经验的决策”。这种 “全脑分布” 的模式，能让大脑更灵活、更快速地应对变化的环境。

2. 先验信息的 “编码方式” 适配大脑的 “计算逻辑”

研究还发现，大脑对先验信息的 “编码方式”（比如神经元活动的强度、模式）非常适合 “概率计算”。比如，先验信息的 “对数优势比”（一种表示概率的数学方式）能被神经元活动线性反映 —— 这意味着，大脑不需要复杂的转换，就能直接将先验信息与实时的感官信号结合，快速计算出 “最优决策”。这种 “高效编码”，可能是大脑在长期进化中形成的 “节省能量又高效” 的决策策略。

3. 为 “大脑疾病的研究” 提供新方向

许多大脑疾病（如精神分裂症、焦虑症）都与 “经验决策异常” 有关 —— 比如，患者可能无法根据过去的经验调整行为，或者过度依赖错误的经验。这项研究揭示的 “先验信息全脑分布” 规律，为理解这些疾病的神经机制提供了新线索。比如，如果未来发现某类患者的 “初级视觉区先验编码异常”，或许可以针对性地设计干预方案，帮助患者恢复正常的经验决策能力。

大脑的 “经验导航”，比我们想象的更复杂也更精妙

从小鼠在实验室里转动轮子，到人类在生活中做出各种选择，“基于经验的决策” 是大脑最核心的功能之一。这项研究让我们看到：大脑并非像 “精密仪器” 一样，在特定区域集中处理经验，而是像一张 “活的网络”，让经验在各个脑区之间流动、整合、更新。

未来，随着更先进的全脑成像技术的发展，我们或许能更清晰地看到 “经验如何在大脑中形成、储存和调用”，甚至能找到 “优化大脑经验决策” 的方法。而这项研究，无疑为我们打开了一扇通往 “大脑经验世界” 的新大门。

Fig. 1: Mice use the block prior to improve performance.

关键研究结果

1. 小鼠利用先验优化表现

   小鼠能利用区块结构提升决策准确性，在零对比度试验中（仅能依靠先验信息），其正确选择比例（58.7±0.4%）显著高于随机水平，但低于贝叶斯最优观察者的表现（61.1±1.8%）。

   区块切换时，小鼠表现下降，之后零对比度试验的表现以 4.97 次试验的衰减常数恢复，慢于贝叶斯最优观察者的 2.43 次试验。

2. 先验在全脑的表征
   电生理数据（Ephys）

   约 30.2% 的脑区（242 个区域中的 73 个）显著编码贝叶斯最优先验，涵盖前脑、中脑和后脑，包括早期感觉区（如外侧膝状体核 LGd、初级视觉皮层 VISp）、联想皮层区（如腹外侧眶额皮层 ORBvl、背侧前扣带回区 ACAd）以及皮质和皮质下运动区（如初级和次级运动皮层、上丘中间层 SCm 等）；解码贝叶斯最优先验的对数优势比时，38.0% 的区域（242 个中的 92 个）显著编码；在较窄时间窗口（-400ms 至 - 100ms）解码贝叶斯最优先验，25.6% 的区域（242 个中的 62 个）显著编码；解码真实区块先验时，仅 19.4% 的区域（242 个中的 47 个）显著编码，表明小鼠的主观先验更接近贝叶斯最优先验。

   宽场成像数据（WFI）

   背侧皮质的所有区域都显著反映贝叶斯最优先验，且 Ephys 和 WFI 的校正区域特异性 R² 值显著相关（斯皮尔曼相关，R=0.52，P=0.0024，n=32 个区域），控制区域大小等混杂因素后，相关性仍显著且更强。

   合并数据

   将 Ephys 和 WFI 数据合并成单一图谱（采用 Fisher 方法合并 P 值并进行多重比较校正），24.0% 的区域（242 个中的 58 个）在所有脑处理水平上显著编码先验。

3. 先验表征与行为的关联

   解码的先验与小鼠在零对比度试验中的选择比例相关，解码的贝叶斯最优先验越高，小鼠选择右侧的概率越高，且这种关系在控制记录漂移后仍显著，同时受对比度强度影响，零对比度时最强，最高对比度时几乎消失；在区域层面，17.8% 的 Ephys 区域和 90.1% 的 WFI 区域存在这种显著关系，且先验表征更强的区域对小鼠决策的预测性更强。

4. 排除其他因素干扰

   通过 Deep Lab Cut（DLC）分析视频记录提取小鼠身体部位位置等行为变量，以及分析眼位数据，发现神经先验不能完全由身体姿势、运动特征或眼位变化解释，如解码先验残差（贝叶斯最优先验减去由 DLC 特征或眼位估计的贝叶斯最优先验）与神经活动解码的先验 R² 仍强相关。

5. 先验信息的脑区间流动

   格兰杰因果分析显示，脑区间先验信息的流动显著高于随机预期，包括皮质和皮质下区域之间以及感觉区和联想皮质区之间的双向流动，存在从高级区域到早期感觉区域的显著反馈连接，且通信网络中环路的 prevalence 高于随机预期。

6. 刺激后先验的编码

   刺激后 100ms 间隔期，Ephys 数据中 17.8% 的区域（242 个中的 43 个）和 WFI 数据中 84.4% 的区域（32 个中的 27 个）显著检测到先验；刺激后神经计量偏移与 ITI 期间同一区域的 R² 相关，表明在 ITI 期间编码先验的区域在刺激后也倾向于编码先验；合并数据后，11.2% 的区域（242 个中的 27 个）显著编码先验，且这些区域分布在所有脑处理水平。

7. 行为模型的选择

   行为模型比较表明，大多数小鼠在大多数会话中使用 “动作核先验”（通过计算近期过去动作的指数加权平均获得），其解释小鼠选择的能力优于贝叶斯最优先验模型和其他行为策略模型（如刺激核模型、重复偏差模型等）；动作核的指数衰减常数中位数为 5.45 次试验，接近区块切换后表现恢复的衰减常数，且该值接近使正确选择比例最大化的衰减常数值，仅比贝叶斯最优版本的表现低 1.9%；解码动作核先验的 R² 高于解码贝叶斯最优先验的 R²，且神经活动的时间动态与小鼠行为的时间动态（由动作核模型拟合定义）相关。

Fig. 2: Prior decoding during the ITI.

Fig. 3: Encoding of the prior across the brain during the post-stimulus period.

Fig. 4: Action kernel prior.

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。