問路時，我們要記住指路人給出的一系列方向指引;在學(xué)習(xí)新的舞蹈動作時，我們要記住老師演示的一連串動作模式。人腦在記憶時往往不僅要記住單個內(nèi)容，還要記住內(nèi)容之間的次序。那么這種記憶次序，也就是時序信息，在頭腦中的呈現(xiàn)方式是什么樣的?

2月11日，《科學(xué)》期刊發(fā)表了一項研究的研究論文，在該研究中，科學(xué)家訓(xùn)練獼猴記憶不同位置的點陣，并利用在體雙光子鈣成像技術(shù)記錄獼猴大腦前額葉皮層的神經(jīng)元活動。研究人員發(fā)現(xiàn)神經(jīng)元以群體編碼的形式表征了序列中的每一個空間位置，并在這些表征中發(fā)現(xiàn)了類似的環(huán)狀幾何結(jié)構(gòu)。該研究為理解神經(jīng)網(wǎng)絡(luò)如何進(jìn)行符號表征這一難題提供了新見解。

該研究由中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心(神經(jīng)科學(xué)研究所)、中國科學(xué)院靈長類神經(jīng)生物學(xué)重點實驗室王立平研究組，上海腦科學(xué)與類腦研究中心副研究員閔斌和北京大學(xué)生命科學(xué)學(xué)院唐世明課題組合作完成。

從最像人的動物出發(fā)，研究腦海中的“屏幕”

人類大腦無時無刻不在處理序列信息，不論是語言溝通、動作實施還是情景記憶，都涉及時序信息在腦中的呈現(xiàn)方式，也就是序列的表征。認(rèn)知心理學(xué)家們早在19世紀(jì)初就開始思考序列信息的表征方式，但對于時序信息大腦神經(jīng)是如何進(jìn)行記憶的，我們?nèi)灾跎佟?/p>

獼猴是演化上最接近人類的模式動物，其認(rèn)知能力、大腦的結(jié)構(gòu)與功能相比于其他模式動物更接近人類，是研究時間序列等復(fù)雜高級認(rèn)知功能的最佳實驗對象。因此，研究人員訓(xùn)練獼猴記憶由多個位置點組成的空間序列。

在任務(wù)中，獼猴面前的屏幕上會依次閃現(xiàn)3個不同的點，獼猴需要在幾秒鐘之后將這些點按之前呈現(xiàn)的順序匯報出來。在匯報前的幾秒內(nèi)，這些點的位置組成的空間序列信息，就暫時儲存在大腦中。

研究人員對工作記憶的大本營——外側(cè)前額葉皮層進(jìn)行了雙光子鈣信號成像。這樣就可以記錄由點的位置對應(yīng)的空間信息和不同次序?qū)?yīng)的時間信息所帶來的大腦神經(jīng)元群體活動狀態(tài)。鈣信號可反映神經(jīng)元的脈沖放電活動，而序列信息表征的關(guān)鍵就在記憶期神經(jīng)元群體的活動模式之中。

大腦如何在這一期間，同時對3次點的位置情況進(jìn)行呈現(xiàn)呢?研究人員猜想獼猴的大腦中有一塊“屏幕”，獼猴可以把出現(xiàn)過的點記在這個“屏幕”上。可如果3個點同時在記憶保持期內(nèi)顯示在了這個屏幕上，每個點的先后順序又該如何體現(xiàn)呢?獼猴的大腦里面是否會同時存在3塊不同的“屏幕”?這樣每個屏幕只需要記下一個點的信息，而且屏幕之間不會互相干擾。

研究人員分析了鈣成像獲得的高維數(shù)據(jù)，發(fā)現(xiàn)可以在高維向量空間里面找到每個次序的信息所對應(yīng)的二維子空間，即找到了3張獼猴腦海中的“屏幕”。并且這些“屏幕”上點的位置所構(gòu)成的幾何結(jié)構(gòu)，與獼猴觀看的真實屏幕中的點所屬的環(huán)狀結(jié)構(gòu)保持了一致。種種分析顯示，這些“屏幕”沒有相交，說明大腦確實用到了3塊獨立的“屏幕”來表征序列信息。

為了進(jìn)一步探究大腦是否總是用相同的這幾塊“屏幕”記憶不同類型的空間序列，研究人員對數(shù)據(jù)做了解碼分析，即運用機器學(xué)習(xí)方法訓(xùn)練線性分類器來區(qū)分不同次序上的空間信息。比如，用獼猴正確應(yīng)答時的神經(jīng)元群體活動訓(xùn)練解碼器，可以在部分做對的序列里面取得較好的解碼效果。這些結(jié)果提示了用于編碼次序的“屏幕”是穩(wěn)定通用的。

為何記憶越多越容易出錯?答案在環(huán)狀結(jié)構(gòu)里

在神經(jīng)系統(tǒng)里，存在著維度和神經(jīng)元數(shù)量相等的高維向量空間，有成百上千的維度進(jìn)行著記憶的存儲和分析。在記錄時序信息時，子空間產(chǎn)生環(huán)狀結(jié)構(gòu)來存儲信息。

不同子空間的表征共享類似的環(huán)狀結(jié)構(gòu)，隨著次序的增加，環(huán)的半徑會減小。一個可能的解釋是，次序靠后的信息所分配到的注意資源更少，導(dǎo)致對應(yīng)的環(huán)變小、區(qū)分度降低。這一結(jié)構(gòu)也對應(yīng)了序列記憶的行為表現(xiàn)，例如我們?nèi)粘Ｉ钪杏洃浀膬?nèi)容越多，越往后的信息就更容易出錯。

該研究第一次在群體神經(jīng)元水平闡釋了序列工作記憶的計算和編碼原理，也為神經(jīng)網(wǎng)絡(luò)如何進(jìn)行符號表征這一難題提供了新的思路。20世紀(jì)80年代，人工智能領(lǐng)域就有研究者提出張量乘積這一概念來實現(xiàn)神經(jīng)網(wǎng)絡(luò)對符號結(jié)構(gòu)的表征，但其如何在神經(jīng)網(wǎng)絡(luò)層面自然涌現(xiàn)這一問題一直沒有被很好地解決。序列工作記憶的神經(jīng)表征正好對應(yīng)了將該符號表征由對應(yīng)次序的子空間嵌入到高維向量空間中，同時支持下游神經(jīng)網(wǎng)絡(luò)對符號結(jié)構(gòu)信息的線性讀取。

腦科學(xué)能夠?qū)⑿袨楹蜕窠?jīng)元活動串聯(lián)起來建模、解釋和預(yù)測。通過對時序信息的研究，我們也能夠展望神經(jīng)科學(xué)對人工智能技術(shù)的啟發(fā)。機器學(xué)習(xí)和神經(jīng)科學(xué)的交互前行，讓人看到了工業(yè)革命中機器代替手工的可能，也預(yù)示著下一場革命。