Selective Memory Operations Shape History-Dependent Population Representations and Choice under Sensory Ambiguity: A Hippocampal-Inspired Dynamic Gating Model
本文介绍了一种受海马体启发的动态门控模型，该模型展示了选择性记忆操作（如编码中断和输出增益调制）如何塑造感官模糊情况下的历史依赖型群体表示与行为选择。
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
每天，我们的大脑所做的不仅仅是对眼前发生的事情做出反应。它们不断地将当下这一时刻编织进由过去经验构成的织锦中，使我们即使在即时线索令人困惑时，也能理解这个世界。想象一下，你正走在一条从未见过的街道上；如果你最近走过一条类似的路径，你的大脑就会利用那段记忆来猜测下一个转弯处可能在哪里，即使当前的景象看起来与死胡同完全一致。这种让历史引导选择的能力是智能行为的一个标志，但科学家们长期以来一直难以理解大脑存储这些记忆并决定何时使用它们的精确机制。在这个过程中的一个关键角色是海马体，它是大脑深处一个形似海马的小结构，充当着组织记忆以及帮助我们导航物理空间和复杂情境的中央枢纽。虽然我们知道当回忆过去时这个区域会变得活跃，但决定那些记忆如何塑造我们当前思想和行动的具体规则，却一直是一个谜。
为了揭示这些规则，西安交通大学的研究人员构建了一个复杂的计算机模型，旨在模拟海马体及其相邻区域的工作方式。他们创建了一个系统，它不仅仅像一个静态的档案柜那样存储信息，而是主动管理信息，决定关注什么、如何将新事件与旧事件联系起来，以及何时让这些连接影响决策。这个被作者称为“受海马体启发的动态门控模型”的模型，在一个系列虚拟场景中接受了测试，在这些场景中，计算机必须基于一系列事件而非仅仅是单个快照来做出选择。在一项测试中，系统面临这样一种情况：两个不同的过去经历导致了完全相同的当前观察结果。一个简单的机器会看到同样的东西并做出同样的猜测，但研究人员想看看他们的模型是否能记住它所经过的不同路径，并根据那段历史做出不同的选择。
结果显示，该模型确实能够区分这些隐藏的历史。当计算机被训练在这些模糊情境中进行导航时，即使在决策时的感官输入完全相同时，它也为每条路径开发出了独特的内部状态。随后，研究人员开始对系统进行干扰测试，以观察哪些部分是至关重要的。他们发现，如果破坏模型中负责最初选择和记录感官信息的那个部分，系统就会失去基于历史做出选择的能力。同样，如果干扰那个将新信息与旧记忆联系起来的部分，系统的表现就会显著下降。这些干扰证明，选择记忆什么以及如何将其与过去联系起来的具体操作，对于在当前情况不明朗时引导行为至关重要。
然而，这项研究还揭示了大脑组织信息的方式与利用信息进行行动的方式之间存在着令人惊讶的分离。当研究人员改变控制最终输出（即实际导致选择的信号）的部分时，他们发现计算机记忆状态的内部排列发生了剧烈变化，但选择的准确性却几乎保持不变。换句话说，该系统可以在不丧失正确决策能力的情况下，完全重新组织其内部的世界地图。这表明，只要最终发送给身体的信号保持清晰有效，大脑在如何构建其记忆方面就具有很大的灵活性。
研究人员还测试了当接收到的信息混乱或模糊时，该系统的鲁棒性如何。他们引入了噪声，并使不同的感官线索看起来更加相似，模拟了现实世界环境中可能存在的模糊或欺骗性。他们发现，模型访问其过去记忆的能力在很大程度上取决于当前线索的结构。当线索清晰时，系统可以轻松调取正确的历史来引导其选择。但随着线索变得更加相似，过去与现在之间的联系就会减弱，系统的选择也会趋向于随机猜测。至关重要的是，模型在做出这些选择时的表现与其能否仍然访问其历史直接相关；当通往过去的路径被混乱的信号阻断时，正确选择的能力也会随之消退。
通过将他们的先进模型与一个缺乏这些动态控制机制的简化版本进行对比，研究人员证实，这种能够选择性地进行“门控”（即过滤）信息的能力，正是让该系统如此出色地处理复杂且依赖历史的任务的原因。那个较简单的模型在当前景象看起来相同时，难以维持不同过去的区分。而拥有这种调节信息写入和读取能力的先进模型，则保持了不同历史之间的清晰分离。这项工作为大脑如何解决利用过去来导航不确定的未来这一问题提供了一个详细的计算蓝图，表明这不仅仅在于拥有良好的记忆，更在于拥有一个实时管理记忆的聪明系统。研究结果表明，大脑的力量在于其对信息的动态调节，这使得它在保持内部表征灵活性的同时，确保其采取的行动保持精准且得当。
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。