幾十年來，研究表明我們對世界的看法受到我們期望的影響。這些期望也被稱為“先前信念”（prior beliefs），幫助我們根據(jù)過去的相似經(jīng)驗來理解我們現(xiàn)在所感知的東西。例如，一個經(jīng)驗不足的實習醫(yī)生很容易錯過患者X射線圖像上的陰影，而經(jīng)驗豐富的醫(yī)生則不會，因為他的先前經(jīng)驗能幫助她快速找到這個地方，并對這個弱信號產(chǎn)生合適的理解。

將先前經(jīng)驗與不確定證據(jù)相結(jié)合的過程被稱為貝葉斯整合，并被認為會廣泛影響我們的觀念，思想和行為。現(xiàn)在，麻省理工學院的神經(jīng)科學家已經(jīng)發(fā)現(xiàn)了對這些先前信念進行編碼的獨特腦信號。他們還發(fā)現(xiàn)大腦如何利用這些信號在不確定的情況下做出明智的決定。

研究人員訓練動物進行計時任務，他們必須重現(xiàn)不同的時間間隔。執(zhí)行此任務具有挑戰(zhàn)性，因為我們的時間感不完美，可能過快或過慢。但是，當間隔始終在固定范圍內(nèi)時，最佳策略是將響應偏向范圍的中間。這正是動物所做的。此外，額葉皮質(zhì)中的神經(jīng)元記錄揭示了貝葉斯整合的簡單機制：先前經(jīng)驗扭曲了大腦中時間的表示，使得與不同區(qū)間相關的神經(jīng)活動模式偏向于在預期范圍內(nèi)的模式。

麻省理工學院的Hansem Sohn，Devika Narain和Nicolas Meirhaeghe是這項研究的主要作者，該研究發(fā)表在7月15日的Neuron雜志上。

Ready-Set-Go

幾個世紀以來，統(tǒng)計學家已經(jīng)知道貝葉斯積分是處理不確定信息的最佳策略。當我們對某些事情不確定時，我們會自動依賴我們以前的經(jīng)驗來優(yōu)化行為。

Jazayeri說：“如果你不能確定某些東西，但根據(jù)你以前的經(jīng)驗，你對它應該是什么有一些期望，那么你將使用這些信息來指導你的判斷，我們一直這樣做。”

在這項新的研究中，Jazayeri和他的團隊希望了解大腦如何編碼先前信念，并將這些信念用于控制行為。為此，研究人員使用稱為“Ready-Set-Go”的任務訓練動物再現(xiàn)時間間隔。在此任務中，動物測量兩次閃光之間的時間（“Ready”和“Set”）然后通過在相同的時間量過去后做出延遲響應來產(chǎn)生“Go”信號。

他們訓練動物在兩種情況下完成這項任務。在“短”情形中，間隔在480和800毫秒之間變化，而在“長”情況下，間隔在800和1200毫秒之間。在任務開始時，動物被給予關于背景的信息（通過視覺提示），因此知道較短或較長范圍的“期望”間隔。

Jazayeri表示，執(zhí)行此任務的人傾向于將他們的反應偏向中間范圍。在這里，他們發(fā)現(xiàn)動物也是如此。例如，如果動物認為間隔很短，當間隔為800毫秒，則它們產(chǎn)生的間隔略短于800毫秒。相反，如果他們認為它會更長，并被給予相同的800毫秒間隔，則它們產(chǎn)生的間隔時間略長于800毫秒。

Jazayeri說：“除了動物的信念導致不同的行為外，幾乎所有可能的試驗都是相同的。這是令人信服的實驗證據(jù)，表明該動物依賴于自己的信念。”

一旦他們確定動物依賴于他們先前的信念，研究人員就開始尋找大腦如何編碼先前的信念來指導行為。他們記錄了額葉皮層區(qū)域內(nèi)大約1,400個神經(jīng)元的活動，他們之前已經(jīng)顯示這些神經(jīng)元參與計時。

在“Ready”時期，每個神經(jīng)元的活動概況以自己的方式進化，并且大約60％的神經(jīng)元具有不同的活動模式，這取決于上下文（短與長）。為了理解這些信號，研究人員分析了整個人群中神經(jīng)活動隨時間的演變，并發(fā)現(xiàn)先前的信念通過將時間的神經(jīng)表示扭曲到預期范圍的中間而偏向行為反應。

“我們從未見過這樣一個具體的例子，說明大腦如何使用先前的經(jīng)驗來修改神經(jīng)動力學，通過它來產(chǎn)生神經(jīng)活動序列，以糾正其自身的不精確性。這是本文的獨特優(yōu)勢：將感知，神經(jīng)動力學和貝葉斯計算結(jié)合到一個連貫的框架中，由理論和行為測量以及神經(jīng)活動支持，“劍橋大學計算神經(jīng)科學教授Mate Lengyel說道。

嵌入式知識

研究人員認為，先前的經(jīng)驗改變了神經(jīng)元之間連接的強度。這些連接的強度（也稱為突觸）決定了神經(jīng)元如何相互作用并限制互連神經(jīng)元網(wǎng)絡可以產(chǎn)生的活動模式。Jazayeri說：“先前經(jīng)歷扭曲神經(jīng)活動模式的發(fā)現(xiàn)為經(jīng)驗如何改變突觸連接提供了一個窗口。大腦似乎將先前的經(jīng)驗嵌入到突觸連接中，因此大腦活動的模式具有適當?shù)钠姟?/span>”

麻省理工學院的神經(jīng)科學家已經(jīng)確定了大腦活動的模式，這些模式是我們根據(jù)我們的期望和過去的經(jīng)歷來解釋感官輸入的能力的基礎。

（該圖像歸功于麻省理工學院的Christine Daniloff）

作為對這些想法的獨立測試，研究人員開發(fā)了一種計算機模型，該模型由可以執(zhí)行相同的準備就緒任務的神經(jīng)元網(wǎng)絡組成。使用從機器學習中借鑒的技術，他們能夠修改突觸連接并創(chuàng)建一個表現(xiàn)得像動物一樣的模型。

這些模型非常有價值，因為它們?yōu)榈讓訖C制的詳細分析提供了基礎，這一過程被稱為“逆向工程”。值得注意的是，逆向工程模型顯示它以與猴子大腦相同的方式做了實驗任務。

研究人員使用計算機模型進一步剖析了使用目前在大腦中無法進行的微擾實驗的潛在機制。使用這種方法，他們能夠證明，不扭曲神經(jīng)表征可以消除行為中的偏見。這一重要發(fā)現(xiàn)證實了扭曲在先驗經(jīng)驗的貝葉斯整合中的關鍵作用。