Desegregation of neuronal predictive processing

Hur hjärnan satsar på framtiden

Varje ögonblick gissar din hjärna tyst vad som kommer hända härnäst — hur din hand kommer att kännas när den tar i ett dörrhandtag, vilket ljud dina steg bör göra, eller vilket ord som sannolikt följer i en mening. När gissningen blir fel hjälper överraskningen dig att lära. Denna studie ställer en grundläggande fråga om den processen: finns det särskilda typer av hjärnceller som bara förutsäger, och andra som bara signalerar överraskning, eller är dessa uppgifter mer jämlikt fördelade? Genom matematiska modeller och verkliga inspelningar från mushjärnor visar författarna att förutsägelse och överraskning är mycket mer sammanflätade än man tidigare trott.

Hjärnor som prognosmaskiner

Neuroforskare ser alltmer hjärnan som en prognosmaskin som ständigt jämför vad den förväntar sig med vad som verkligen kommer in via sinnena. När världen beter sig som väntat dämpas aktiviteten i många sensoriska områden; när ett oväntat händelse inträffar, svarar vissa celler starkare och skapar det forskare kallar ett "predictionsfel". Tidigare teorier föreslog prydliga kopplingsscheman där en grupp neuroner representerade inkommande syn- och ljudintryck medan en annan grupp beräknade felen. Men de flesta experiment har bara testat mycket enkla situationer, som ett ljud som förutsäger en rörelse — vilket står långt ifrån de trassliga, många-till-många-associationer som dominerar naturligt beteende.

Simulera en upptagen sensorisk värld

För att utforska mer realistiska situationer byggde författarna en stor datormodell av en hjärncirkel som tar emot många olika sensoriska och motoriska signaler samtidigt. Modellen lär sig, genom upprepad exponering, vilka kombinationer av händelser som tenderar att höra ihop — ungefär som ett djur som lär sig att en viss rörelse vanligtvis ger ett visst ljud. Avgörande var att modellen utformades för att skapa interna förutsägelser samtidigt som den höll sin övergripande aktivitet ekonomisk, vilket speglar hjärnans behov av att använda energi effektivt. När inlärningen fortskred började de simulerade neuronerna dämpa sina svar när en förväntad koppling inträffade och att reagera starkare när en förutsagd partner saknades, vilket speglar vad som observerats i musexperiment.

Överraskning finns överallt, inte i en enskild låda

När forskarna granskade modellens "neuron" i detalj upptäckte de att cellerna inte sorterade sig rent i prediktionsceller och felceller. En neuron som signalerade en mismatch för ett par händelser kunde bete sig som en vanlig sensorisk rapportör för ett annat par. När modellen lärde sig fler och fler distinkta parningar blev denna blandning ännu vanligare, och rent "endast-fel"-neuroner blev sällsynta. Författarna vände sig sedan till inspelningar från musens auditiva cortex, där djuren väntade sig en viss ton efter att ha tryckt på en spak men ibland presenterades med ändrade ljud. Mönstret av svar över många neuroner visade samma slags blandning som modellen förutspådde, vilket talar emot en tydlig uppdelning av prediktions- och felroller i verkliga hjärnor.

Balansera excitation, inhibition och komplexitet

Studien undersöker också hur balansen mellan upphetsning och dämpning inom hjärncirklar formar förutsägelse. Modellen separerar varje neurons input i två delar: direkt sensorisk drivning och intern återkoppling från andra neuroner som bär på förutsägelser. När dessa två påverkningar nästan slår ut varandra blir systemet "balanserat" och små avvikelser framträder tydligare. Författarna finner att det finns en optimal, inte alltför snäv nivå av denna balans. När antalet olika inlärda associationer växer blir de bäst presterande kretsarna faktiskt mer löst balanserade, vilket hjälper till att undvika interferens mellan många överlappande förutsägelser. Genom att utvidga modellen till att inkludera skilda excitatoriska och inhibitoriska celler — och till staplade lager som liknar kortikal djup — visar författarna att prediktionsrelaterade signaler är fördelade över celltyper och lager snarare än lagrade i en särskild plats.

Varför detta spelar roll för förståelsen av tanke

I vardagen jonglerar vi otaliga förväntningar om ljud, synintryck och rörelser samtidigt. Detta arbete antyder att hjärnan stödjer sådana rika förutsägelser genom att sprida lasten över många neuroner som flexibelt delar uppgifterna, snarare än genom att ägna rigida specialistceller åt antingen prediktion eller fel. Det belyser också hur en noggrant justerad, men inte överdrivet strikt, balans mellan excitatoriska och inhibitoriska signaler gör att dessa kretsar kan hantera många associationer utan att bli instabila. Tillsammans pekar modellerna och experimenten mot en bild av prediktiv bearbetning som en mycket distribuerad, anpassningsbar kod — en som kan hjälpa till att förklara hur hjärnor bygger interna modeller av en komplex, ständigt föränderlig värld.

Citering: Wang, B., Audette, N.J., Schneider, D.M. et al. Desegregation of neuronal predictive processing. Nat Commun 17, 3919 (2026). https://doi.org/10.1038/s41467-026-70347-w

Nyckelord: predictive processing, neuronal circuits, sensory prediction, excitatory inhibitory balance, neural network models