Spatial organization of faces and bodies in single neurons
这项研究表明，颞下皮层神经元并非以平移不变的模板形式来编码面部和身体，而是通过保留面部特征几何排列的空间局部子单元来进行编码，从而同时支持物体身份识别与构型处理。
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
人类的大脑是识别领域的专家。它能在人群中辨认出一张熟悉的脸，在森林中认出一棵熟悉的树，或者在停车场里认出一辆特定的汽车，无论这些物体出现在视野中的什么位置，或是看起来有多大。几十年来，研究负责这种高级视觉功能的脑区（被称为推测颞皮层）的科学家们一直认为，这里的神经元充当着完美的、位置不变的模板。主流观点认为，一旦一个神经元学习了某张脸的样子，那么无论这张脸出现在你视野的中心、侧边还是倒置状态，它都会产生反应。这一理论表明，大脑视觉处理的最后阶段已经抹去了所有关于位置的杂乱细节，转而专注于纯粹的身份识别。
然而，识别一张脸是一项精细的工作。它不仅依赖于看到器官（如眼睛或嘴巴），还依赖于理解这些器官相对于彼此的精确排列方式。如果你把脸部的特征打乱，即使每一个部件都还在，它也会变得无法辨认。这种对“是什么”与“在哪里”之间需求的张力长期以来一直困扰着研究人员。如果大脑真的通过忽略位置来识别物体，它是如何保留使之成为“脸”的精确几何结构的呢？哈佛医学院和宾夕法尼亚大学的一项新研究挑战了旧观点，该研究表明，大脑的识脸细胞并非对位置视而不见，而是对其有着深刻的敏感性，在神经元内部保留了脸部的空间图谱。
为了调查这一点，研究人员转向了视觉系统与人类极其相似的猕猴。他们在猴子的大脑中植入了微小的电极阵列，专门针对被称为“脸部斑块”的区域，那里的神经元对脸部具有高度的选择性。随后，团队进行了一系列实验，观察这些神经元在猴子注视图像时的反应。在第一个实验中，他们向猴子展示了正立的脸部图像以及完全相同的倒置图像。他们将这些图像在猴子视野范围内的不同位置闪烁显示，以网格模式进行移动。如果这些神经元真的是位置不变的，那么无论脸部是正立还是倒置，它们敏感性的中心都应该保持不变。
结果令人震惊。当研究人员绘制这些神经元的敏感性图谱时，他们发现神经元的注意力中心会根据脸部的朝向而发生偏移。具体来说，当猴子注视倒置的脸时，神经元似乎比注视正立脸时，在视觉场中更高的地方进行观察。这种偏移并非随机，而是一种一致的、可衡量的运动。研究人员意识到，这并不是因为神经元被倒置搞混了，而是因为它们正在锁定一个特定的特征：眼睛。在正立的脸部中，眼睛位于上方；在倒置的脸部中，眼睛位于下方。当眼睛落在相对于神经元自身位置的特定点时，神经元的放电最为强烈。当脸部翻转时，眼睛移动了，神经元的“甜点位”（sweet spot）似乎也随之移动。这表明神经元并不是将整张脸视为一个单一且不变的色块，而是正在追踪其各部分的特定位置。
为了进一步测试，团队向猴子展示了脸部和身体的孤立部分，例如仅仅是一个眼睛、仅仅是一个嘴巴、一整张脸或一整个身体，并在各种位置进行闪烁显示。他们发现神经元的反应呈现出一种清晰、有序的模式。偏好眼睛的神经元倾向于在眼睛位于视觉场上部时最为活跃；而偏好嘴巴或身体的神经元则在这些特征位于下方时更为活跃。这在神经元的感受野内创造了一种类似于内部地图的结构，即上方留给眼睛，下方留给嘴巴或身体。这就像是神经元包含了一个微型的、空间有序的脸部模型，而不仅仅是一个通用的“脸部检测器”。
研究人员随后更进一步，向猴子展示了数千张自然照片（从风景到肖像），并使用一种先进的计算机模型来解码这些神经元究竟在看什么。该模型将神经元的反应分解为更小的、截然不同的组成部分。模型并没有发现导致神经元放电的单一原因，而是揭示了每个神经元实际上是几个较小的、专门的检测器协同工作的结合体。神经元的一部分可能专门用于寻找视觉场上方的眼睛，而另一部分则寻找下方的手或身体。这些组件是截然不同且在空间上分离的，证实了神经元的敏感性并非均匀的毯状分布，而是由特定的“特征-位置”对组成的马赛克。
这些发现从根本上改变了我们对高级视觉的理解。研究表明，大脑在识别复杂物体时并不会丢弃空间信息。相反，它保留了所见之物的几何结构。脸部斑块中的神经元并非忽略位置的平移不变模板，而是能够维持部件间关系的、空间定位的特征检测器。这意味着大脑通过整体识别脸部的能力，很可能源于许多神经元的共同活动，每个神经元都持有空间拼图的一块碎片。大脑不需要为了知道“是什么”而抛弃“在哪里”；它两者兼顾，将它们编织在一起，创造出我们每天经历的无缝感知。这项工作表明，大脑识别复杂物体的策略比之前认为的更加精巧且具有空间精确性，它依赖于一种结构化的、镜像其试图理解的形状本身的类图谱组织。
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。