期望如何影响感知
基于皮层潜在动力学的贝叶斯计算
mints 编译
神经科学家发现大脑活动模式对我们的信仰进行了编码，并通过编码过程影响了我们解释周围世界的方式。
神经科学家已经识别出独特的神经活动模式，这种模式对我们先前的信仰进行了编码，以协助大脑理解来自外部世界的不确定信号。科学家首次表明，先前的信仰通过扭曲感官事件在大脑中的表征来影响行为。
几十年来的研究表明，我们对世界的看法受到了我们的期望的影响。这些也被称为“先验信念”的期望，协助我们根据过去的类似经验来理解我们现在所感知的。
例如，想象一下这样的场景，一个经验不足的实习生很容易忽略的病人X光照片中的阴影，而对于经验丰富的医生而言，这些阴影却常常一下就能映入了眼帘。医生的先前经验帮助他们对微弱信号做出最可能的解释。
将先验知识与不确定证据相结合的过程被称为贝叶斯整合(Bayesian integration)，先验的知识会广泛影响我们的感知、思想和行为。
现在，麻省理工学院的神经科学家发现了独特的脑信号，这些信号对我们的这些先前信仰进行了编码。他们还发现了大脑在面对不确定性时如何利用这些信号做出明智的决定。
麻省理工学院麦戈文脑研究所的成员，该研究的高级作者Mehrdad Jazayeri教授说：“我们想要回答的问题是——这些信念如何影响了大脑活动，以及如何对我们的感知产生了偏见。”
动物实验
研究人员训练动物执行一项定时任务，在这个任务中，它们必须复制不同的时间间隔。这是一项极具挑战性的任务，因为我们的时间感并不完美，可能会走得太快或太慢。然而，当间隔始终在一个固定范围内时，最好的响应策略就是偏向于该范围的中间。这正是动物所做的。
此外，来自额叶皮质神经元的记录揭示了一个简单的贝叶斯整合机制：先前的经验扭曲了大脑中时间表征，使得与不同区间相关的神经活动模式偏向于预期范围内的模式。
麻省理工学院博士后Hansem Sohn，前博士后Devika Narain和研究生Nicolas Meirhaeghe是这项研究的主要作者，该研究发表在7月15日的《神经元》杂志上。
准备，坐好，出发
几个世纪以来，统计学家都知道贝叶斯整合是处理不确定信息的最佳策略。当我们不确定某件事时，我们会自动地依靠我们以前的经验优化自己的行为。Jazayeri说：
“如果你不能很好地分辨出某件事是什么，但根据你以前的经验，你应该对它是有一些期望，那么你将利用这些信息来指导你的判断。我们一直都是这样做的。”
在这项最新的研究中，Jazayeri和他的团队希望了解大脑如何编码先前的信念，以及如何利用这些信念控制行为。为了达到这个目的，研究人员使用一个称为“准备—坐好—开始”的任务训练动物复制一个时间间隔。在这个任务中，动物测量两次闪光之间的时间（“准备”和“坐好”），然后在相同的时间过后，通过做出延迟的反应生成一个“开始”信号。
他们训练动物，以便这些动物能够在两种情况下完成这项任务。在“短”场景中，间隔在480到800毫秒之间，在“长”场景中，间隔在800到1200毫秒之间。在任务开始时，（通过视觉提示）给动物们提供了有关环境的信息，因此他们从较短或较长的范围内得知了期望的间隔。
Jazayeri之前的研究已经表明，执行这项任务的人类反应倾向于偏向于中间的范围，他们在这项实验中发现，动物也会这样做。
例如，如果动物认为时间间隔很短，并且给予的时间间隔为800毫秒，那么它们会生成一个略短于800毫秒的时间间隔。相反，如果他们相信时间会更长，给予的时间间隔同样为800毫秒，他们就会生成一个略长于800毫秒的时间间隔。Jazayeri说：
“除了动物的信仰导致了不同的行为之外，几乎所有可能的试验都是相同的。这是令人信服的实验证据，证明这种动物依靠的是自己的信仰。”
当研究人员确定了动物依赖于他们先前的信仰是事实之后，他们就开始寻找大脑如何通过编码先前的信仰来指导自己行为。他们记录了大约1400个额叶皮质神经元的活动，他们之前的实验已经证明了这些活动与时间有关。
由一个广义线性模型确定的先前依赖(prior -dep)或测试依赖(ts -dep)的神经元活动百分比饼图，（绿色-仅先验相关；暗红色-仅测试相关；浅红色-既和先验相关，也和TS相关；白色-剩余神经元）。
在“坐好-出发”的期间，每个神经元的活动模式都以自己的方式进化，大约60%的神经元根据不同的（短与长）情景有着不同的活动模式。为了理解这些信号，研究人员分析了整个人群中随着时间的推移而变化的神经活动的演变，他们发现：先验信念通过神经元的时间表征而将行为反应偏向到了被扭曲的预期中间范围之中。
具身知识
研究人员认为，先前的经验改变了神经元之间连接的强度。这些连接的强弱（也被称为突触）决定了神经元相互作用的方式，并限制了相互连接的神经元网络所能产生的活动模式。
先前的经验扭曲了神经活动的模式，这一发现为研究经验如何改变突触连接提供了一个窗口。“大脑似乎将先前的经验嵌入到了(embed)突触连接中，这样大脑活动的模式就有了适当的偏差。”Jazayeri说。
为了对这些想法进行独立的测试，研究人员开发了一个由神经元网络组成的计算机模型，该计算模型可以执行准备就绪的同样任务。
利用来自于机器学习技术，他们能够修改突触的连接，并创建一个和动物类似的模型。
这些模型非常有价值，因为它们提供了对潜在机制进行详细分析的基础，这一过程被称为“逆向工程(reverse-engineering)”。值得注意的是，逆向工程模型表明，其解决了任务的模式和猴子大脑方式一样。根据以往的经验，该模型也具有时间扭曲的表征。
研究人员利用计算机模型进一步剖析了利用目前在大脑中无法进行的微扰实验的潜在机制。使用这种方法，他们能够证明，去除神经表征可以消除了行为中的偏见。这一重要发现验证了在贝叶斯整合中扭曲的先验经验的关键作用。
研究人员现在计划研究大脑是如何建立、以及缓慢微调突触的连接，这些突触连接，就像正在学习时间任务的动物一样，对之前的信念进行了编码。
这项研究是由感觉运动神经工程中心、荷兰科学组织、Marie Sklodowska Curie重整合拨款、美国国立卫生研究院、斯隆基金会、克林根斯坦基金会、西蒙斯基金会、麦克奈特基金会、麦戈文研究资助。
www.psychspace.com心理学空间网
