我國科學(xué)家揭示多模態(tài)感覺信息整合與決策的神經(jīng)機(jī)制

    2019年10月10日，中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心、中科院靈長類神經(jīng)生物學(xué)重點(diǎn)實(shí)驗(yàn)室、上海腦科學(xué)與類腦研究中心空間感知研究組顧勇研究員團(tuán)隊(duì)與瑞士日內(nèi)瓦大學(xué)認(rèn)知計(jì)算神經(jīng)科學(xué)Alexandre Pouget研究組合作在Neuron雜志上發(fā)表了題為“Neural Correlates of Optimal Multisensory Decision Makingunder Time-Varying Reliabilities with an Invariant Linear Probabilistic Population Code”的文章，利用靈長類動(dòng)物獼猴，揭示了復(fù)雜環(huán)境下多模態(tài)感覺信息最優(yōu)整合及決策的神經(jīng)機(jī)制。

    研究人員以自身運(yùn)動(dòng)感知為模式系統(tǒng)，建立了一套基于前庭和視覺的虛擬現(xiàn)實(shí)實(shí)驗(yàn)平臺(tái)。在該平臺(tái)上，研究人員訓(xùn)練獼猴通過前庭與視覺兩種不同模態(tài)的感覺信息來分辨其自身的運(yùn)動(dòng)方向。重要的是，系統(tǒng)提供的運(yùn)動(dòng)刺激具有先加速后減速的過程；由于內(nèi)耳前庭器官對加速度敏感，而視覺通道通常對速度敏感，因此大腦所接收到的這兩種感覺信息具有不同的時(shí)間動(dòng)力學(xué)，從而模擬了自然環(huán)境中證據(jù)可靠性實(shí)時(shí)變化的復(fù)雜多模態(tài)輸入。經(jīng)過訓(xùn)練，獼猴在多模態(tài)刺激（前庭+視覺）的實(shí)驗(yàn)條件下，可以分辨更加精細(xì)的自身運(yùn)動(dòng)角度變化，并且相對于單模態(tài)刺激的實(shí)驗(yàn)條件，其行為表現(xiàn)的提高符合貝葉斯最優(yōu)整合理論的預(yù)期。這些結(jié)果表明獼猴的確可以通過整合來自不同感覺渠道的信息來提高認(rèn)知的精度，并且該過程中幾乎不會(huì)發(fā)生信息的丟失（即“最優(yōu)”）。

    在獼猴分辨自身運(yùn)動(dòng)方向的同時(shí)，研究者通過金屬微電極記錄位于獼猴后頂葉皮層一個(gè)決策相關(guān)區(qū)域——頂內(nèi)溝外側(cè)區(qū)（LIP）神經(jīng)元的電生理活動(dòng)。研究者發(fā)現(xiàn)，在兩種不同的單模態(tài)刺激條件下，LIP神經(jīng)元分別跨時(shí)間累積了來自不同物理量的證據(jù)——前庭來自加速度，而視覺來自速度。因此，神經(jīng)元所接收的前庭和視覺證據(jù)的確具有實(shí)時(shí)變化的可靠性。那么，在多模態(tài)的實(shí)驗(yàn)條件下，神經(jīng)元將如何實(shí)現(xiàn)貝葉斯最優(yōu)整合的兩個(gè)關(guān)鍵步驟，即“估計(jì)可靠性”和“實(shí)現(xiàn)加權(quán)操作”呢？一種被稱為“線性不變概率性群體編碼（ilPPC）”的假說則認(rèn)為，群體神經(jīng)元的實(shí)時(shí)放電活動(dòng)可以直接表征信息輸入的可靠性：在這種情況下，只需要神經(jīng)元群體對感覺輸入進(jìn)行一種突觸權(quán)重不變的簡單線性疊加，就可以實(shí)現(xiàn)信息的貝葉斯最優(yōu)整合。因此，ilPPC假說提出的這種計(jì)算方式對于生物大腦來說會(huì)更加簡易、快速和可行。

    為了檢驗(yàn)實(shí)驗(yàn)數(shù)據(jù)是否與ilPPC假說相符，研究人員構(gòu)建和完善了一個(gè)基于ilPPC理論框架的神經(jīng)網(wǎng)絡(luò)模型。理論估計(jì)和數(shù)值模擬的結(jié)果證實(shí)，網(wǎng)絡(luò)中的神經(jīng)元集群對前庭與視覺信息進(jìn)行跨模態(tài)和跨時(shí)間的簡單線性疊加的確可以自動(dòng)實(shí)現(xiàn)證據(jù)可靠性依賴的加權(quán)操作，從而最優(yōu)地完成多感覺決策的任務(wù)。重要的是，神經(jīng)網(wǎng)絡(luò)模型中的神經(jīng)元活動(dòng)與真實(shí)的獼猴L(fēng)IP數(shù)據(jù)具有一致的特性，提示大腦在復(fù)雜環(huán)境中面臨實(shí)時(shí)多變的感覺輸入時(shí)，的確可以采取線性不變概率性群體編碼的方式實(shí)現(xiàn)貝葉斯最優(yōu)決策。

    因此，該項(xiàng)工作首次為最優(yōu)多感覺決策的ilPPC理論框架提供了實(shí)驗(yàn)和計(jì)算的支持，指出了決策神經(jīng)元累積復(fù)雜多模態(tài)感覺證據(jù)的計(jì)算法則，從而填補(bǔ)了多感覺整合與感知決策這兩個(gè)領(lǐng)域之間長期以來存在的空白。