← 最新论文
🧠 neuroscience

Equivalent volitional learning emerges through circuit-specific population dynamics in motor cortex and hippocampus

本研究表明,尽管初级运动皮层与海马体利用不同的群体动力学和架构约束来实现意志学习,但它们通过一种原则性的简并性(degeneracy)收敛于等效的行为结果,即局部网络结构塑造了对同一关联学习问题的不同实现方式。

原作者: de Vicente, A., Mitelut, C., Viana Mendes, R., Marianelli, L., Colomer Rosell, M., Bruckner, D., Bardella, G., Donato, F.

发布于 2026-06-05
📖 1 分钟阅读☕ 轻松阅读

原作者: de Vicente, A., Mitelut, C., Viana Mendes, R., Marianelli, L., Colomer Rosell, M., Bruckner, D., Bardella, G., Donato, F.

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

想象一下,你的大脑是一座巨大的城市,拥有不同的街区,每个街区都有独特的建筑风格和交通规则。其中两个街区是运动皮层 (M1)——负责处理动作;以及海马体 (CA3)——负责处理记忆。通常,我们认为这两个地方的功能截然不同。但这项研究提出了一个宏大的问题:如果你给它们完全相同的“任务”,它们会以相同的方式解决问题,还是会使用各自独特的蓝图?

为了找出答案,研究人员利用一种“脑机接口 (BCI)”设计了一个巧妙的实验。你可以把它想象成一个遥控器,让小鼠能够通过“思考”来让奖励凭空出现。

实验:一个通用的谜题

研究人员教会了小鼠如何控制特定的神经元群体。规则很简单:如果特定的一组脑细胞以某种模式放电,奖励就会出现。

他们将这个完全相同的谜题同时交给了两个不同的脑区:

  1. 运动皮层 (M1): 这个街区以流畅、连贯的运动而闻名。
  2. 海马体 (CA3): 这个街区以在记忆和位置之间跳转而闻名。

两者的目标完全一致:“让这些特定的细胞协同放电,从而获得一块饼干。”

结果:目标相同,路径不同

小鼠在这两个脑区都学会了这项技能。它们成功地弄清楚了如何通过意志力让奖励“凭空出现”,无论是在大脑的哪个部分。这就是标题中提到的“等效意志学习 (equivalent volitional learning)”——它们通过思维实现了同样的结果。

然而,它们实现目标的方式却出人意料地不同,就像两座不同的城市在解决同一个交通拥堵问题时一样:

  • 在运动皮层 (M1) 中: 脑活动像一条河流。一旦小鼠开始学习,神经信号就会向着“奖励”状态进行平滑、连续的流动。这是一条笔直且流动的路径。
  • 在海马体 (CA3) 中: 脑活动更像是一个弹跳的球。信号会向奖励状态跳跃,然后又弹回,追踪着一种“接近与返回”的循环。它不是一条直线,而是在目标周围进行的动态、振荡的舞蹈。

核心启示

研究发现,虽然结果是一样的(小鼠得到了奖励),但其内部机制却完全不同。

  • 共同特征: 两个街区的活动都变得更加“稀疏”(只有最重要的细胞在放电),并且两者都探索了新的模式来寻找解决方案。
  • 独特机制: 这种差异源于每个街区当地的“交通规则”(连接性)。运动皮层天生适合连续流动,因此它通过“流动”来解决谜题。海马体天生适合跳跃,因此它通过“弹跳”来解决谜题。

类比:通往同一目的地的两条路

想象你需要从 A 点开车到 B 点。

  • 司机 1(运动皮层) 走的是高速公路。他们直线行驶,平稳加速,直到抵达目的地。
  • 司机 2(海马体) 走的是蜿蜒的山路。他们开上去,转个弯,往下开一段,再绕回来,最后才到达目的地。

两位司机都到达了同一个地点(奖励),但他们的驾驶风格(动力学特征)完全不同,因为他们所处的道路(大脑电路)构造不同。

结论

论文得出结论:学习并不是大脑在任何地方都会遵循的单一、僵化的配方。相反,它是灵活的。大脑会利用特定街区中现有的任何局部工具和地图来解决问题。这种“原则性简并 (principled degeneracy)”意味着自然界不需要一个完美的方案;它只需要一个能适应学习发生之处之架构的方案。

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 →