Predictive perception via simultaneous learning and inference

人类生活在一个极少清晰的世界中。我们在嘈杂的房间里捕捉对话，在变幻莫测的阴影中辨认面孔，甚至在信号微弱时也能理解音乐。为了做到这一点，我们的大脑并不仅仅是记录感官接收到的信息；它们在积极地猜测外界存在什么，将接收到的嘈杂数据与我们已有的预期结合起来。这种被称为“贝叶斯大脑假说”的思想表明，感知是一种不断的猜测与校验的过程。然而，一个重大的谜题始终存在：大脑如何在实时状态下完成这些复杂的计算？自然界是广阔且连续的，要在这样一个空间中计算出每一种可能状态的确切概率，对于任何机器——更不用说是生物体——来说在数学上都是不可能实现的。几十年来，科学家们试图通过假设大脑以特定方式简化问题来解决这一难题，要么是将它们的猜测强行纳入整齐、简单的形状中，要么是通过数千次随机采样来逼近答案。

一项新研究提出了一条不同的路径，避开了对这些复杂捷径的需求。研究人员认为，大脑并非在简化其自身的猜测，而是在简化它所猜测的世界。他们指出，感知通常通过将连续的输入分类为离散且独立的各种状态来运作，就像我们将旋律听作一系列特定的音符，而非滑动的频率变化。通过将环境视为一系列离散的步骤而非平滑且无尽的流动，大脑可以进行精确、完美的计算，而无需进行近似处理。研究人员构建了一个计算机模型来测试这一想法，结果显示，一个能够学习这些状态如何变化的系统，在同时弄清楚自己处于哪种状态时，能够复制人类在嘈杂环境下的行为。这种方法表明，大脑不需要成为复杂统计学的专家才能成为感知的专家；它只需要了解游戏的规则，并在游戏进行时不断更新这些规则。

由马斯特里赫特大学的 Mahdi Enan 及其同事领导的研究团队开发了一个名为 SLIM 的模型，其全称为“同步学习与推理模型”（Simultaneous Learning and Inference Model）。其核心思想在于转移复杂性所在的位置。在之前的理论中，人们认为大脑因难以应对世界的庞大可能性而挣扎，因此必须限制自身的信念以使数学运算可行。SLIM 则颠覆了这一观点。它假设世界是由有限数量的状态组成的，这使得计算当前状态的数学问题变得完全可解。随之而来的挑战变成了学习世界如何从一个状态转换到另一个状态。该模型通过使用一个简单的局部规则，在每次做出猜测时更新其内部的转换图谱来进行学习。它从自身的推理中学习，而不仅仅是从原始感官数据中学习，这使其能够在环境规则发生变化时进行适应。

为了验证这一理论是否成立，团队进行了一系列计算机模拟。他们创建了虚拟环境，其中的运动规则要么是固定且可预测的，要么是随机且变化的。随后，他们向模型输入噪声信号，以模拟感官接收到的不完美数据。结果令人瞩目。即使在感官输入受到严重干扰的情况下，该模型也成功学习了环境的潜在模式。当环境从可预测模式突然转变为混沌模式时，模型能够迅速适应，其内部的不确定性也随之上升以匹配新的现实。至关重要的是，即使感官输入变得完全无效，该模型仍能继续运行并做出准确预测，这完全依赖于其学到的预期。这证明了该系统可以通过信任其内部模型，在外部世界陷入沉默时，依然维持对世界的稳定观察。

研究人员还测试了这一简单的框架是否能捕捉大脑处理不同时间尺度的能力。在现实世界中，我们既能注意到即时的模式（如鼓点），也能注意到较长的结构（如歌曲的节奏）。团队构建了一个层级化的模型版本，其中一层学习短期转换，另一层学习长期模式。当他们向模型呈现遵循局部规则但违反全局规则的序列时，模型在每个层级都产生了截然不同的误差信号，这镜像了人类大脑对局部与全局意外情况的反应。这表明，同样的学习与推理机制可以解释复杂的多层感知，而无需针对不同时间尺度建立独立的专门系统。

为了超越模拟实验，团队将他们的模型应用于两项人类听觉实验的真实数据。在第一项研究中，参与者在背景噪声中寻找特定的音调。有时，前一个声音会提供关于下一个音调即将出现的提示，有时则不会。众所周知，人类对预期中的音调反应更快、更准确。通过拟合个体参与者的表现，SLIM 模型完美地重现了这种行为。它显示出对于预期音调具有更高的“命中率”以及更长的反应时间，这与研究中的人类表现一致。模型还生成了一种“惊讶度”的度量，该度量与参与者的反应时间相关，这表明“惊讶感”是大脑试图更新其内部模型时的直接产物。

第二项实验引入了一个模糊的线索——即一个无法提供任何关于后续声音提示的声音——从而增加了复杂性。这使得研究人员能够将预期的益处与意外的代价区分开来。同样，该模型与人类数据相吻合。参与者在有明确预期时表现最好，在没有预期时表现最差，而在线索模糊时表现居中。模型的内部预期与惊讶度计算能够高精度地追踪这些行为转变。通过分析数据，研究人员发现，基于其所学到的预期来衡量声音的惊讶程度，可以解释个体在检测音调能力上的差异。这提供了强有力的证据，证明大脑通过学习环境的统计结构来获得感知优势，是其核心驱动力。

这项研究挑战了主流观点，即大脑必须依赖复杂的近似方法来处理世界的确定性。相反，它表明通过将感知视为将世界分类为离散状态的过程，大脑可以使用简单的局部学习规则进行精确计算。这种方法不需要大脑为其信念设定特定的形状，也不需要运行数千次随机采样来寻找答案。它只需学习状态之间的转换，并实时更新。虽然该模型在具有可控状态数量的环境中表现最佳，但研究人员认为，这一框架为我们如何应对嘈杂的世界提供了一个强大且符合生物学逻辑的解释。它表明，大脑预测未来的能力可能并非源于复杂的数学，而是源于一个持续学习当下规则的简单过程。