Nat Commun | 行為背后的隱秘法則：如何通過前額葉表征幾何推斷大腦的“潛伏策略”？

認(rèn)知神經(jīng)科學(xué)前沿文獻分享

基本信息

Title:Inferring latent behavioral strategy from the representational geometry of prefrontal cortex activity

發(fā)表時間:2026-02-17

發(fā)表期刊:Nature Communications

影響因子:15.7

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

在面對同一個認(rèn)知任務(wù)時，生物體往往可以采用多種不同的內(nèi)部狀態(tài)或法則來達成目標(biāo)，這些不同的路徑被稱為“任務(wù)策略”。有趣的是，有些策略會導(dǎo)致明顯的行為差異，比如反應(yīng)時間的快慢或準(zhǔn)確率的高低；但還有一些策略，它們最終產(chǎn)生的行為結(jié)果完全一致。這類無法通過外部行為表現(xiàn)來區(qū)分的策略，被稱為“隱性策略”（latent strategies）。

長期以來，認(rèn)知科學(xué)對策略的研究大多集中在那些行為上可見的差異。隱性策略由于難以被直接觀測，往往被研究者忽略。即使我們用參數(shù)化模型去擬合神經(jīng)活動，通常也只能揭示底層的神經(jīng)實現(xiàn)機制，而無法回答動物在認(rèn)知層面上究竟選用了哪套策略。

為了打破這一僵局，近期發(fā)表于《Nature Communications》的一項研究提出了一種巧妙的跨界比對思路。研究者訓(xùn)練了循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）來模擬執(zhí)行同一任務(wù)的不同策略，隨后將獼猴前額葉皮層的真實神經(jīng)活動與這些RNN模型的“表征幾何”（representational geometry）進行對比。通過這種方法，研究者成功推斷出了獼猴在工作記憶任務(wù)中真正使用的隱性策略。

研究核心總結(jié)

這項研究的核心在于將復(fù)雜的認(rèn)知策略具象化為神經(jīng)網(wǎng)絡(luò)中的高維空間幾何特征。研究者訓(xùn)練獼猴和RNN模型完成一項“工作記憶更新任務(wù)”，并重點考察了兩種可能的隱性策略。

一、 兩種截然不同的工作記憶策略

在任務(wù)中，受試者需要先記住第一個目標(biāo)（Item 1），經(jīng)過一段延遲期后，可能會出現(xiàn)一個干擾項，也可能會出現(xiàn)一個新的目標(biāo)（Item 2）來替換舊目標(biāo)。最終，受試者需要報告最后一個有效目標(biāo)的位置。

針對這個任務(wù)，存在兩種潛在的解決策略。第一種是“召回時提取”（Retrieve at Recall, R@R），即在早期階段先將記憶信息存儲在一個無注意力的獨立神經(jīng)子空間中，直到最后需要做決定時，才將信息旋轉(zhuǎn)提取到用于輸出的“讀取子空間”。第二種是“復(fù)述與更新”（Rehearse and Update, R&U），即從一開始就將信息直接加載到讀取子空間中，并在新目標(biāo)出現(xiàn)時直接在線覆蓋更新。研究者分別約束RNN模型學(xué)會了這兩種策略，并記錄了獼猴外側(cè)前額葉（LPFC）和弓狀溝前區(qū)（PAC）的神經(jīng)活動。

Fig 1. 獼猴執(zhí)行的工作記憶更新任務(wù)范式，以及兩種不同策略（R@R與R&U）在RNN模型中的輸入輸出活動設(shè)計。

為了初步評估大腦究竟傾向于哪種策略，研究者首先在全狀態(tài)空間下進行了跨時間解碼分析。結(jié)果顯示，在延遲期內(nèi)，LPFC和PAC的神經(jīng)群體都表現(xiàn)出了高度穩(wěn)定的目標(biāo)位置編碼。

這種穩(wěn)定且跨時間泛化的代碼特征，與采用R&U策略的RNN模型高度一致。相反，采用R@R策略的RNN模型在早期延遲階段表現(xiàn)出了高度動態(tài)的編碼特征，且在面對干擾項時，其目標(biāo)代碼會發(fā)生顯著的“變形”（morphing）。這一結(jié)果初步暗示，獼猴大腦采用的是持續(xù)復(fù)述并在線更新的策略。

Fig 2. 全狀態(tài)空間下的跨時間解碼準(zhǔn)確率與代碼穩(wěn)定性分析，顯示兩個大腦區(qū)域的編碼特征與R&U模型高度一致。

解碼分析雖然有效，但相對粗糙。為了更精確地刻畫神經(jīng)表征，研究者進一步分析了編碼目標(biāo)位置的神經(jīng)活動子空間的幾何關(guān)系。

如果大腦采用R@R策略，那么早期記憶和晚期記憶應(yīng)該存儲在不同的（正交或旋轉(zhuǎn)的）子空間中；如果采用R&U策略，兩者應(yīng)該共享同一個子空間。幾何分析表明，LPFC、PAC以及R&U模型中，編碼早期目標(biāo)和晚期目標(biāo)的子空間是高度共面（coplanar）且對齊（aligned）的，代碼可以在兩個子空間之間完美遷移。而R@R模型則完全不具備這些共面與對齊特征。

Fig 3. 目標(biāo)位置編碼子空間的幾何關(guān)系（共面性與對齊度）及代碼可遷移性，進一步證實了大腦未采用R@R策略。

最后，研究者將神經(jīng)群體活動直接投影到最終驅(qū)動行為的“讀取子空間”上，觀察表征軌跡隨時間的漂移情況。

在遇到干擾項的試驗中，由于目標(biāo)位置沒有改變，R&U模型以及獼猴的LPFC和PAC在讀取子空間上的投影幾乎沒有發(fā)生漂移。然而，R@R模型由于需要將早期無注意格式的信息重新格式化并轉(zhuǎn)移到讀取子空間，其軌跡出現(xiàn)了巨大的漂移。這一決定性的幾何特征差異，徹底鎖定了獼猴的真實行為法則：它們在任務(wù)中始終維持著一個可直接讀取的表征空間，并采用R&U策略來解決工作記憶更新問題。

Fig 4. 神經(jīng)群體狀態(tài)在“讀取子空間”上的投影軌跡，直觀展示了不同策略下表征隨時間的漂移情況。

研究意義

這項工作為認(rèn)知神經(jīng)科學(xué)提供了一個極具啟發(fā)性的方法論范式。它證明了，即使在行為輸出完全一致的“黑盒”狀態(tài)下，我們依然可以通過對比生物大腦與人工神經(jīng)網(wǎng)絡(luò)的表征幾何特征，來反推有機體正在使用的隱性認(rèn)知策略。這種將抽象認(rèn)知策略轉(zhuǎn)化為可量化幾何指標(biāo)的思路，極大地拓展了我們解析神經(jīng)群體數(shù)據(jù)的維度。

同時，這項研究也劃定了清晰的邊界。雖然數(shù)據(jù)強烈支持獼猴在當(dāng)前任務(wù)中使用了“復(fù)述與更新”策略，但這并不意味著這是大腦唯一能用的法則。未來的研究可以借此框架進一步追問：大腦在面對多種可行策略時，究竟是如何通過學(xué)習(xí)來評估代價，并最終做出策略選擇的？這種選擇機制本身，或許隱藏著更深層的智能奧秘。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關(guān)注，點亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿