脑机启侦 | 通过代理神经网络揭示人脑书写的层级性神经编码机制

前沿 //Frontier Research

书写是人类最精密的运动能力之一。然而，我们的大脑究竟如何将复杂的书写意图高效转化为精细、连续的笔迹，仍是谜题。近期，浙江大学脑与脑机融合前沿科学中心祁玉/王跃明团队在《Cell Reports》 期刊发表题为 “Surrogate Deep Neural Networks Reveal Hierarchical Handwriting Encoding in the Human Motor Cortex” 的研究论文。该工作结合运动皮层单神经元记录与任务驱动的代理神经网络，揭示人类大脑在书写运动中同时编码高级抽象特征与低级运动参数的多层级表征结构，为我们理解“人类如何高效书写”提供了重要神经机制证据，也为复杂精细运动的脑机接口与神经解码研究开辟了新思路。

问题：如何研究复杂运动的编码机制

汉字书写是人类文明最精妙的技能之一，这一复杂而连续的动作背后，隐藏着大脑运动皮层高效而神秘的编码机制。传统研究多将运动控制简化为对速度、位置等基础运动学参数的编码，然而在面对汉字这类结构复杂、富含语义信息的精细任务时，这一解释模型已显得力不从心：许多神经元实际上并不只响应运动参数，而是对字形结构、笔画顺序等高阶特征表现出强烈的编码偏好。这表明大脑在控制书写时，可能运行着一套更深层、更抽象的层级化表征系统。

然而，如何研究这类复杂运动中的高层级神经编码，是一个方法学上的难题。其核心挑战在于，高层级特征——如与字形、语义、书写规划等相关的抽象信息——本身高度复杂，且难以通过手工设计的特征进行完整描述与量化。这导致研究者虽能观察到神经活动与任务高阶成分之间的关联，却难以系统性地揭示其编码结构与计算原理。

用代理神经网络做复杂运动编码研究的“探针”

为突破这一瓶颈，浙江大学脑与脑机融合前沿科学中心、脑机智能全国重点实验室的祁玉/王跃明团队提出了一项创新性研究。他们引入“代理神经网络”作为计算模型，构建了一个能完成相同汉字书写任务的深度神经网络，并将其与临床志愿者想象书写时记录到的运动皮层单神经元信号进行系统性比对。这种方法的核心优势在于，网络能够从数据中自动学习并形成丰富的内部表征，从而为探索那些难以手工定义的高层级神经编码特征提供了一个强大的、数据驱动的分析工具。

图1 代理神经网络与人类大脑完成相似的书写任务

研究发现，该任务驱动的神经网络不仅能高精度重建书写轨迹，其内部表征更能显著提升对真实神经元活动的解释力——相比传统运动学模型，其预测准确率提升了121%，并在调谐特性上与大脑表现出高度相似性。更重要的是，研究发现运动皮层的编码结构具有清晰的层次性。通过分析不同层级网络与大脑活动的对应关系，研究团队识别出两类功能分离的神经元群体：一类位于功能层级上游，主要负责编码与字符类别、字形结构相关的高级抽象信息；另一类则靠近输出端，更偏向于处理具体的运动执行参数。这种“高层规划”与“底层执行”相分离的编码架构，很可能是大脑得以流畅、高效完成复杂书写动作的关键。

图2 左：代理网络汉字上的书写重建示例；右：代理网络与运动皮层的相似性

研究还进一步揭示，这种层级化表征并非与生俱来，而是受到长期学习与语言经验的深刻塑造。实验表明，使用中文书写数据训练的网络，其内部表征与大脑信号的相似度，显著高于使用随机涂鸦或其他文字数据训练的网络。这表明，运动皮层的编码机制不仅关乎“如何书写”，更内嵌了我们对特定书写系统与文化语境的深层认知。

图3 大脑运动皮层中存在两类功能分工明确的神经元群体

该工作不仅在模型与神经机制层面，系统性研究了人类书写运动的分层编码原则，也为发展下一代高性能脑机接口提供了重要启示：未来的运动解码系统应超越单纯的运动轨迹重建，而是尝试理解并利用这些高阶、抽象的表征，从而更自然、更智能地还原人的书写意图与动作。

论文信息：

论文的第一作者为浙江大学计算机科学与技术学院博士研究生陈嘉浚，浙江大学脑与脑机融合前沿科学中心、脑机智能全国重点实验室的祁玉研究员为论文通讯作者，作者还包括浙江大学计算机科学与技术学院王跃明教授，以及本科实习生徐天骐、博士研究生熊心竹、杨晓萌。

https://www.sciencedirect.com/science/article/pii/S2211124725016092

来源：浙大祁玉课题组