神经元预测处理的去隔离化

大脑如何押注未来

每一刻，你的大脑都在悄悄猜测下一步会发生什么——当手触碰门把时会有什么感觉，脚步应该发出怎样的声音，或句子中下一个词可能是什么。当猜错时，惊讶会帮助你学习。这项研究提出了一个更深层的问题：是否存在只负责预测的特定神经细胞和只负责报告惊讶（预测误差）的其他细胞，还是这些功能更为分布式？通过数学模型和来自小鼠大脑的真实记录，作者表明预测与惊讶之间的关系比以往认为的要更加交织在一起。

把大脑看作预测机器

神经科学家越来越多地把大脑视为一种预测机器，持续将其期望与感官实际输入进行比较。当世界如预期般发生时，许多感觉区的活动会被抑制；当出现意外事件时，某些细胞会更强烈地响应，产生研究者所称的“预测误差”。早期理论提出了整洁的连接图谱：一组神经元代表进入的视觉和听觉信息，而另一组计算误差。但大多数实验只测试了非常简单的情形，例如一个声音预测一个动作，这与在自然行为中占主导地位的复杂、多对多关联相去甚远。

模拟繁忙的感官世界

为探究更现实的情形，作者构建了一个大型计算模型，模拟接收多种感官和运动信号的脑电路。该模型通过反复暴露学习哪些事件组合倾向于同时出现——类似动物学会某一动作通常会产生某种声音。关键在于，模型被设计成在生成内部预测的同时保持整体活动的经济性，反映了大脑节能的需求。随着学习的进行，模拟神经元在发生预期配对时会抑制其反应，而在预期的配对缺失时则响应更强，这与小鼠实验中观察到的现象相呼应。

惊讶无处不在，而非集中于单一模块

当研究者详细检查模型中的“神经元”时，发现细胞并不会清晰地分成预测细胞和误差细胞。一颗在某一事件对中发出不匹配信号的神经元，可能在另一事件对中表现为简单的感官报告者。随着模型学到越来越多不同的配对，这种混合变得更加常见，纯粹的“仅误差”神经元也变得稀少。随后作者转向小鼠听觉皮层的记录，在那些实验中，动物在按下杠杆后预期听到特定音调，但有时会听到被更改的声音。大量神经元的响应模式表现出与模型预测相同的混合特征，反驳了在真实大脑中将预测与误差功能整洁分离的观点。

兴奋、抑制与复杂性的平衡

该研究还探讨了回路内部兴奋与抑制的平衡如何影响预测。模型将每个神经元的输入分为两部分：直接的感官驱动和来自携带预测信息的其他神经元的内部反馈。当这两种影响几乎互相抵消时，系统变得“平衡”，微小的不匹配更容易凸显出来。作者发现存在一个最佳的、不过分紧密的平衡水平。随着所学关联数量的增加，表现最好的回路实际上变得更加松散平衡，这有助于避免众多重叠预测之间的干扰。将模型扩展为包含明确的兴奋性和抑制性细胞以及类似皮层层次的堆叠结构时，作者表明与预测相关的信号分布在不同细胞类型和层次中，而不是集中于某一特殊位置。

为何这对理解思维很重要

在日常生活中，我们同时处理无数关于声音、视觉和动作的期望。这项工作表明，大脑通过将负载分散在许多灵活共享职责的神经元上来支持这种丰富的预测，而不是将预测或误差绑定给僵化的专门细胞。它还强调了在兴奋与抑制信号之间需要精细调节但不过度严格的平衡，使这些回路能够处理大量关联而不致不稳定。模拟与实验证据共同描绘出一种将预测处理视为高度分布式、可适应编码的图景——这一图景有助于解释大脑如何构建对复杂且不断变化世界的内部模型。

引用: 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

关键词: 预测处理, 神经回路, 感觉预测, 兴奋-抑制平衡, 神经网络模型