期望如何影响感知

几十年来，研究表明，我们对世界的认知受到我们的预期的影响。这些期望，也被称为“先前的信念”，帮助我们理解我们现在所感知的，基于相似的过去经验。例如，考虑一下，一个缺乏经验的实习生很容易忽略病人x光图像上的阴影，而这个阴影却突然出现在经验丰富的医生面前。医生先前的经验帮助她找到对微弱信号最可能的解释。

将先验知识与不确定的证据相结合的过程被称为贝叶斯集成，它被认为会广泛地影响我们的感知、思想和行动。现在，麻省理工学院的神经科学家发现了编码这些先前信念的独特的大脑信号。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。

“这些信念是如何影响大脑活动和偏见的，这是我们想要回答的问题，”麻省理工学院(MIT)麦戈文大脑研究所(McGovern Institute for brain Research)成员、生命科学领域的罗伯特·a·斯旺森(Robert a . Swanson)职业发展教授梅尔达德·贾萨耶里(Mehrdad Jazayeri)说。

研究人员训练动物执行一项定时任务，其中它们必须复制不同的时间间隔。执行这项任务是有挑战性的，因为我们的时间意识是不完美的，可以走得太快或太慢。然而，当间隔始终在一个固定的范围内时，最好的策略是将响应偏向于该范围的中间。这正是动物所做的。此外，额叶皮层神经元的记录揭示了贝叶斯整合的一个简单机制:先前的经验扭曲了大脑中时间的表示，因此与不同时间间隔相关的神经活动模式偏向于那些在预期范围内的模式。

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。

准备好了,,走了

统计学家几个世纪以来就知道贝叶斯整合是处理不确定信息的最佳策略。当我们对某件事不确定时，我们会自动地依赖于之前的经验来优化行为。

扎扎耶里说:“如果你不能很好地说出某件事是什么，但是从你之前的经验来看，你对它应该是什么有一些预期，那么你就会利用这些信息来指导你的判断。”“我们一直在这么做。”

在这项新的研究中，Jazayeri和他的团队想要了解大脑如何编码先前的信念，并将这些信念用于控制行为。为了达到这个目的，研究人员通过一项名为“准备就绪”的任务，训练动物重现一段时间间隔。在这项任务中，动物测量两次闪光之间的时间(“ready”和“set”)，然后在同样的时间过去后，通过延迟响应来产生“go”信号。

他们训练动物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，而在“长”上下文中，间隔在800到1200毫秒之间。在实验开始时，研究人员给这些动物提供了有关环境的信息(通过视觉提示)，因此，它们知道自己预期的时间间隔是较短还是较长。

Jazayeri先前的研究表明，人类在执行这项任务时倾向于将他们的反应偏向于中间的范围。在这里，他们发现动物也会这样做。例如，如果动物相信间隔会很短，并且给出一个800毫秒的间隔，它们产生的间隔会比800毫秒短一点。相反，如果他们相信它会更长，并且得到相同的800毫秒间隔，他们会产生一个比800毫秒稍长的间隔。 

“除了动物的信念导致不同的行为外，几乎所有可能的方式都是相同的试验，”Jazayeri说。“这是令人信服的实验证据，表明这种动物依赖于自己的信念。”

一旦他们确定这些动物依赖于他们先前的信念，研究人员就开始寻找大脑是如何编码先前的信念来指导行为的。他们记录了大约1400个位于额叶皮质区域的神经元的活动，这些神经元之前已经被证明与时间有关。

在“现成的”时期，每个神经元的活动轮廓以自己的方式进化，大约60%的神经元有不同的活动模式，这取决于环境(短与长)。为了理解这些信号，研究人员分析了随着时间的推移，整个人群的神经活动的演变，发现先前的信念通过将时间的神经表征扭曲到预期范围的中间，从而对行为反应产生偏见。

“我们从未见过这样一个具体的例子，说明大脑如何利用先前的经验来修改神经动力学，从而产生一系列神经活动，从而纠正自身的不精确性。”这就是本文的独特之处:将感知、神经动力学和贝叶斯计算结合到一个连贯的框架中，并得到行为和神经活动的理论和测量的支持，”剑桥大学计算神经科学教授Mate Lengyel说，他没有参与这项研究。

嵌入式的知识

研究人员认为，先前的经历改变了神经元之间连接的强度。这些连接的强度，也被称为突触，决定了神经元之间如何相互作用，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，这一发现为我们了解经验如何改变突触连接提供了一个窗口。Jazayeri说:“大脑似乎把以前的经验嵌入到突触连接中，所以大脑活动的模式是有偏见的。”

作为对这些想法的独立测试，研究人员开发了一个由神经元网络组成的计算机模型，该网络可以执行相同的“准备就绪”任务。利用从机器学习中借鉴的技术，他们能够修改突触连接并创建一个行为像动物一样的模型。

这些模型非常有价值，因为它们为详细分析底层机制提供了基础，这一过程称为“逆向工程”。值得注意的是，这个模型的逆向工程显示，它解决这个问题的方式与猴子的大脑一样。根据以往的经验，该模型还具有时间的扭曲表示。 

研究人员利用计算机模型，通过微扰实验进一步剖析了其潜在机制，而目前在大脑中尚无法进行这些实验。使用这种方法，他们能够证明解开神经表征消除了行为中的偏差。这一重要发现验证了翘曲在先验知识贝叶斯集成中的关键作用。

研究人员现在计划研究大脑是如何建立并慢慢微调突触连接的，这些突触连接在动物学习执行计时任务时编码了先前的信念。

这项研究由感知运动神经工程中心、荷兰科学组织、玛丽·斯克洛多斯卡·居里重返社会奖助金、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、麦克耐特基金会和麦戈文研究所资助。