想象正在觀看一部話劇。

幕布拉開,燈光亮起,人物魚貫登場。隨著情節(jié)展開,我們腦中會逐漸構(gòu)建一副人物關系網(wǎng)絡來,比如朋友敵人、情侶情敵、匪兵甲路人乙等等。更有趣的是,我們會進一步以此形成新的知識,比如推理出兩個從沒一起出現(xiàn)過的人可能同屬一個陣營。可以說,人類一個重要能力就是不斷追尋萬事萬物之間的關系,這也是人類智能的重要體現(xiàn)。因此,理解人腦如何學習和推理這些碎片化信息背后的網(wǎng)絡關系結(jié)構(gòu)對于揭示人類智能基本機制具有重要意義。

為了研究這一問題及其腦機制,研究者設計了一個新穎的序列預測實驗范式,并記錄高時間分辨率的腦電活動。15幅隨機圖片(圖1A,右)被選取進而嵌入到一個社區(qū)網(wǎng)絡結(jié)構(gòu)(圖1A,左),圖片間的概率轉(zhuǎn)移關系由它們在網(wǎng)絡中的相互關系決定。我們招募了人類受試來完成該圖片預測任務(圖1B):他們觀看圖片流,預測下一幅圖片是什么,并通過反饋來進行學習。換句話說,受試從來沒有見過該社區(qū)網(wǎng)絡結(jié)構(gòu),但如果他們能夠成功完成該預測任務,則表明他們已經(jīng)學會了這些圖片間的關系,即在腦中形成了該抽象的社區(qū)網(wǎng)絡結(jié)構(gòu)。


圖1. 轉(zhuǎn)移網(wǎng)絡和示例試次。

行為表現(xiàn)上,人類受試確實習得了該“隱藏”的網(wǎng)絡關系結(jié)構(gòu),表現(xiàn)在預測成績的不斷提高。最為核心的發(fā)現(xiàn)是,研究者在人腦活動中找到了該抽象關系網(wǎng)絡結(jié)構(gòu)的神經(jīng)表征,大約出現(xiàn)在圖片呈現(xiàn)后的540-930毫秒(圖2)。此外,該神經(jīng)表征和受試的預測行為存在緊密關系,即圖片的神經(jīng)表征相似性越高,其預測反映時也越快。進一步,行為和神經(jīng)活動上也發(fā)現(xiàn)了高階統(tǒng)計結(jié)構(gòu)的出現(xiàn),表現(xiàn)在簇內(nèi)壓縮和簇間遠離的特性。研究者進而通過建立和比較多個計算模型,發(fā)現(xiàn)人腦采用了繼承者表征策略來進行學習和推理,形成高階結(jié)構(gòu)(圖3)。


圖2.低階轉(zhuǎn)移概率的神經(jīng)表征。


圖3. 神經(jīng)信號和計算模型中高階結(jié)構(gòu)的涌現(xiàn)。

綜上所述,羅歡和張航課題組結(jié)合了行為、神經(jīng)、計算模型多種手段揭示了人腦從連續(xù)圖片流中抽取和學習其背后的“抽象”關系網(wǎng)絡,并進而從該低階轉(zhuǎn)移概率中建立高階統(tǒng)計結(jié)構(gòu)(簇內(nèi)壓縮和簇間遠離)的神經(jīng)機制和計算機理。

本研究以標題為“Dynamic emergence of relational structure network in human brains”的標題于11月10日在線發(fā)表于認知神經(jīng)科學重要期刊《Progress in Neurobiology》上。北京大學心理與認知科學學院博士后任祥娟博士為本文第一作者。北京大學心理與認知科學學院、麥戈文腦科學研究所的羅歡研究員張航研究員為本文共同通訊作者。本研究獲得國家科學和技術創(chuàng)新2030重大項目、國家自然科學基金重點項目、面上項目、北京大學新工科項目、北大–清華生命科學聯(lián)合中心以及北大-清華生命科學聯(lián)合中心博士后項目資助。

全文鏈接:https://www.sciencedirect.com/science/article/pii/S0301008222001599

Ren, X., Zhang, H., & Luo, H. (In press). Dynamic emergence of relational structure network in human brains. Progress in Neurobiology. doi:https://doi.org/10.1016/j.pneurobio.2022.102373


2022-11-11