Continuous attractor circuits for decision making with Laplace-domain neural representations

想象一下你的大脑是一个繁忙的城市，数以百万计的微小信使（神经元）正在不断地向彼此大声传递信息。几十年来，科学家们一直试图弄清楚这个混乱的城市是如何决定下一步该做什么的，比如是在两条路径中做出选择，还是判断一个声音是否构成威胁。该领域最著名的想法之一是“扩散决策模型”（diffusion decision model）。把这想象成一个人手里拿着一枚硬币在走廊里行走。每当他听到一种声音，他就掷一次硬币。如果是正面，他就向“是”门迈一步；如果是反面，他就向“否”门迈一步。他不断地掷硬币并行走，直到撞到其中一扇门，这就是他的决定。这个简单的想法解释了我们在世界充满噪声和混乱时是如何做出选择的。但谜题在于：虽然数学理论说我们只是一个在走廊里行走的单个人，但真实的脑细胞由数十亿个并不完全相同的细胞组成。有些细胞似乎像上升的潮汐一样缓慢积累能量，而另一些则像接力赛一样进行快速、有组织的序列化放电。长期以来，科学家们并不确定这些不同的模式意味着大脑正在做两件不同的事情，还是它们只是描述同一个单一决策的两种不同方式。

在这篇论文中，研究人员 Chenyu Wang、Rui Cao 和 Marc W. Howard 提出了一个巧妙的解决方案来解决这个难题。他们认为大脑并不是在做两件不同的事情；相反，它正在同时使用两种不同的“语言”来表达完全相同的意思。他们构建了一个大脑回路的计算机模拟，这个回路表现得像一条连续、流动的河流。在这条河流中，有两种类型的“船”：一种类型形成一个锐利的、移动的边缘（就像上升的水墙）；另一种类型形成一个滚动、局部的凸起（就像波峰）。作者展示了这两种模式实际上是完美的同步伙伴。“边缘”船代表了证据的缓慢、渐进式的积累，而“凸起”船则代表了神经元的快速、序列化放电。通过以特定的方式将这两组联系起来，他们的模型证明了这两种模式实际上可以从完全相同的底层决策过程中产生。结果是一个统一的系统，其行为与经典的“掷硬币”决策模型完全一致，但它解释了为什么真实的神经元看起来如此不同。作者发现，在他们的模拟中，这种双语系统可以完美地模仿人类的反应时间和选择准确性，这表明大脑可能利用这种优雅的几何技巧，将杂乱的感官噪声转化为清晰、笃定的选择。

双语的故事

为了理解这是如何运作的，让我们不要把决策过程看作一条单一的线，而是一条长长的、弯曲的轨道。在这条轨道上有两支跑步队：渐进队（Ramp Team）和序列队（Sequence Team）কে。

渐进队就像一群正在尝试爬坡的跑者。但这里有个转折：每个跑者都有不同的“陡峭度”设置。有些跑者爬得非常慢，而另一些则爬得非常快。随着决策变量（你收集到的证据量）的增加，整个群体会发生偏移。其结果看起来就像是一个平滑上升的活动墙。在大脑中，这表现为一个神经元随着你收集更多证据而缓慢增加其放电率。

序列队则不同。想象一排等待在起跑线上的跑者。随着决策变量向前移动，一个单一的活动“波”会在队伍中传播。一个跑者放电，然后是下一个，接着是下一个，就像多米诺骨牌效应一样。这看起来像是活动在神经群体中移动的一个“凸起”。

这篇论文的重要发现是，这两支队伍实际上是在参加同一场比赛，只是在两条在数学上相互关联的轨道上运行。作者使用了数学中的一个概念，叫做“拉普拉斯域”（Laplace domain，这是观察事物随时间及空间变化的一种高级方式），来证明渐进队和序列队实际上是同一枚硬币的两面。渐进队的“墙”和序列队的“波”是完美对齐的。如果你知道墙在哪里，你就确切知道波在哪里。

电路如何运作：边缘与凸起

作者构建了一个数字大脑电路来测试这个想法。他们创建了两组虚拟神经元：

1. 边缘群体（The Edge Population）： 这些神经元的“感受野”呈现指数曲线形状。随着决策变量的变化，这一组的活动会像滑动门一样移动，从而创造出一个锐利的边缘。
2. 凸起群体（The Bump Population）： 这些神经元的“感受野”呈现钟形曲线（凸起）。随着决策变量的变化，这个凸起沿着轨道滑动。

魔法发生在他们将这两组连接在一起的时候。边缘组推动凸起组，而凸起组拉动边缘组。这就像一场舞蹈，其中一个舞伴领舞，另一个舞伴跟随，但他们如此完美地同步，以至于作为一个整体移动。

论文表明，这个耦合系统可以处理现实生活中杂乱、多噪的输入。当你输入随机噪声（就像我们走廊类比中的硬币投掷）时，边缘和凸起群体会沿着它们的轨道共同移动。这种移动的位置对应于决策变量。如果运动撞到了轨道的“左侧”端，大脑就决定“左”；如果撞到了“右侧”端，大脑就决定“右”。

模拟显示了什么

研究人员运行了数千次模拟，以观察他们的模型是否能像真实的人类进行决策一样运作。他们将他们的“边缘-凸起”电路与标准的“扩散决策模型”（掷硬币走廊）进行了比较。

结果令人瞩目。在他们的模拟中：

• 反应时间： 他们的电路做出决策所需的时间与人类做出决策的时间相匹配。无论任务是容易的（强证据）还是困难的（弱证据），电路变快或变慢的方式都完全符合预期。
• 选择准确性： 当证据明确时，电路做出正确答案的频率与人类一样高；当证据模糊时，它也会犯下与人类类似的错误。
• 神经模式： 最重要的是，他们电路中的单个神经元展现出了与真实大脑中看到的完全相同的多样性。有些神经元缓慢上升，而另一些则进行快速序列放电。这是自然发生的，研究人员并没有通过编程强制要求它们这样做。它是通过这两组人群连接的方式自动产生的。

为什么这很重要

这篇论文表明，大脑不需要是一个杂乱无章、互不相关的部件集合。相反，它可能使用高度组织化的几何结构来解决问题。“边缘”和“凸起”群体就像是同一种语言的两种不同方言。一种方言（渐进）擅长展示信心的缓慢积累，而另一种（序列）擅长展示精确、定时地推进。通过同时使用两者，大脑可以用一种稳健且灵活的方式来表示单一的决策变量。

作者强调，这是一个模拟，是一个展示这样一个系统如何可能运作的数学模型。他们并没有证明这正是人类大脑在现实生活中的运作方式，但他们的模型提供了一个强大的、可测试的假设。它表明，我们在实验中看到的这种渐进式神经元与序列式神经元的奇特混合，并不是一个漏洞或巧合，而是一个特性。这是大脑利用两种互补的代码来追踪决策演变的方式，确保最终的选择既准确又及时。

简而言之，这篇论文提供了一个关于决策过程的优美且统一的图景。它将大脑的混乱噪声转化为上升边缘与滚动凸起之间的同步舞蹈，展示了复杂性是如何从简单、优雅的规则中产生的。