A simple model of the co-emergence of grid and place fields

本文提出了一种统一的循环网络模型,该模型在单一感官预测目标上进行训练,成功展示了网格细胞与位置细胞的无监督共现,通过互补的编码压力解释了它们的发育顺序并复现了关键实验现象。

原作者: Wang, Z., Morris, G., Derdikman, D., Chaudhari, P., Balasubramanian, V.

发布于 2026-05-22
📖 1 分钟阅读☕ 轻松阅读

原作者: Wang, Z., Morris, G., Derdikman, D., Chaudhari, P., Balasubramanian, V.

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

想象你的大脑中有两支特殊的工人队伍,帮助你探索世界:地点队网格队

  • 地点队(位于海马体)就像地图上的“你在此处”标记。只有当你身处某个特定位置(比如你客厅的沙发)时,它们才会被激活。
  • 网格队(位于内嗅皮层)就像方格纸。无论你走到哪里,它们都会以重复的六边形模式被激活,从而构建出一个通用的坐标系,用于测量距离和方向。

重大谜团
长期以来,科学家们一直被困在一个“先有鸡还是先有蛋”的谜题中。地点队和网格队相互关联、彼此协助,但它们在发育过程中究竟是如何同时出现的?

  • 是网格队先构建出地图,然后地点队只是从中挑选一个位置?
  • 还是地点队先找到一个位置,然后网格队再围绕它构建地图?

大多数计算机模型试图通过先构建其中一队,再强行让另一队出现来解决这个问题。但它们未能准确捕捉到两者如何自然地共同生长。

新解决方案:一场预测游戏
这篇论文介绍了一种新的计算机模型,它将大脑视为一场预测猜谜游戏,从而解开这个谜题。

想象你在玩一款电子游戏,你需要根据刚才看到的内容以及你的移动方式,来猜测接下来会看到什么。

  • 如果你向左转,你预期会看到左侧的墙壁。
  • 如果你向前移动,你预期场景会发生偏移。

研究人员构建了一个统一的“神经元”(计算机节点)网络,遵循每条规则:每个神经元要么是“启动”信号(兴奋性),要么是“停止”信号(抑制性)——就像真实的大脑一样。他们只训练这个网络去擅长猜测接下来会看到什么,而没有告诉它:“嘿,你要成为位置细胞!”或者“嘿,你要成为网格细胞!”

神奇的结果:共同涌现
令人惊讶的是,随着这个网络在猜谜游戏中变得越来越擅长,两种类型的细胞在没有特殊指令的情况下自行出现了。

  • 一些神经元开始像地点队那样运作(专注于特定位置,以帮助重建当前视野)。
  • 另一些神经元开始像网格队那样运作(专注于模式,以帮助预测移动)。

这就像一群人一起试图解开一个谜团。在没有被告知谁是“侦探”、谁是“制图师”的情况下,他们自然地分成了这两个角色,因为这是解决谜题最高效的方式。

为何这很重要
该模型不仅生成了这些细胞,而且在棘手情境下表现得与真实动物大脑完全一致:

  1. 发夹弯迷宫:当路径折返自身时,网格图案会像真实实验中那样瓦解。
  2. 移除墙壁:当墙壁消失时,来自不同房间的网格图案会像现实中那样融合。
  3. 飞行的蝙蝠:它甚至重现了自由飞行的蝙蝠所观察到的三维网格图案。
  4. 发育过程:它表明“地点”式的思维倾向于比“网格”式思维稍早出现,这与我们在幼年动物成长过程中所观察到的情况相符。

核心结论
这篇论文表明,大脑并不需要两张独立的蓝图来构建这些导航系统。相反,它只需要一个简单的目标:预测接下来会发生什么。

为了很好地实现这一目标,大脑自然地发展出两种互补的策略:

  1. 重建:“此刻这个特定位置看起来是什么样?”(位置细胞)。
  2. 预测:“如果我这样移动,接下来会看到什么?”(网格细胞)。

通过玩这场单一的“猜测下一个视野”的游戏,大脑自然而然地同时构建了“你在此处”的标记和“方格纸”地图。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →