开云体育官方网站 Nature子刊解密高效学习的要道: 找准高档视觉皮层的“触发点”

开云体育官方网站 Nature子刊解密高效学习的要道: 找准高档视觉皮层的“触发点”

有莫得这么一种体验:一张无极的雀斑狗图片,在你看过原图之后,就再也不行能“回到”当初看不懂的景象了?这种“一次不雅看,弥远蜕变”的“豁然浩大”本事,恰是东说念主类单次感知学习的惊东说念主体现——大脑仅凭一次教师就能重塑视觉感知。但如斯快速的蜕变,到底发生在大脑的哪个边际?又是怎么的“算法”在背后撑握?

2026年发表于《当然·通信》的扣问,聚积心思物理学、7T功能磁共振、颅内脑电和深度学习模子,初次将这把“金钥匙”定位在东说念主类的高档视觉皮层,并揭示了其背后的神经计较机制。

一、实际揭密:大脑的“先验常识”究竟存于那边?

为了定位单次学习发生的位置,扣问者当先缠绵了一系列微妙的心思物理实际。中枢任务是让受试者不雅看无极的穆尼图片,然后展示对应的明晰原图,再测试他们对原穆尼图片的识别智商。要道是,他们系统性驾御了原图:蜕变大小、旋转、位置,甚而用同类别其他物体替代。

放胆发现:蜕变图片大小不影响学习后果,但换成同类别不同物体则全王人摒除学习。旋转或位置移动会收缩但不摒除学习。

这些放胆标明,大脑储存的“先验常识”并非笼统倡导,而是具有部分不变性的具体感知表征。这种模式——对大小不变,但对视角和位置敏锐——与已知的高档视觉皮层的神经编码特质高度吻合,为其是“先验”存储地提供了第一个波折把柄。

{jz:field.toptypename/}

心思物理学实际范式与假定

二、脑成像实锤:高档视觉皮层编码与“先验”完好匹配

为了平直考据,扣问团队进行了7T超高场功能磁共振成像。他们让受试者被迫不雅看经过上述各式驾御的明晰图片,并分析不同脑区对这些图片的神经表征。

要道发现:只消当使用基于步履实际放胆构建的计较模子(觉得“大小蜕变=一样,视角/位置蜕变=较不一样”)去匹配脑行径时,只消高档视觉皮层(相配是外侧枕叶复合区)的神经表征与模子测度显贵联系。

这意味着,高档视觉皮层的神经编码模式,其“不变性”特质赶或然乎步履上不雅察到的“先验常识”的特质,开云体育强有劲地支握了它是存储单次学习所得先验的要道区域。

基于模子的RSA放胆(n=10名受试者)

三、颅内脑电跟踪:学习信号最早在这里“亮起”

神经表征的匹配是静态的,学习是一个动态经由。哪个脑区最早流清晰学习带来的蜕变?扣问团队左右癫痫患者术中的颅内脑电记载,以毫秒级精度跟踪了学习前后的神经行径变化。

{jz:field.toptypename/}

震憾发现:在不雅看学习后的无极图片霎,高档视觉皮层在刺激呈现后约225毫秒,其神经行径模式就开动变得与不雅看对应明晰原图时一样,即“激活”了存储的先验。这一变化早于早期视觉皮层和其他高档贯通收集(如额顶收集)。

这一时序把柄标明,高档视觉皮层不仅是先验的“仓库”,更是先验被“激活”并开动影响感知的肇端站,而非只是被迫接管来自其他脑区的响应信息。

学习交流行径变化的时辰特质

四、AI模拟:一个“从上至下”的模子复刻了东说念主类学习

贯通机制的最高体式是模拟它。扣问者构建了一个基于视觉诊疗器并融入从上至下响应的深度学习模子。该模子包含一个可蓄积先验信息的“景象模块”。

模子告捷复现了东说念主类步履:它不仅能进展出单次学习效应,其诞妄模式与东说念主类一样,甚而能用其里面特征测度哪些图片东说念主类更容易学会。

最要道的考据:分析模子里面学到的“先验信息”,发现它与东说念主类高档视觉皮层的神经行径模式的一样度最高,显贵高于与其他脑区的一样度。况兼,特定图片在东说念主类高档视觉皮层中“先验信息”的强度,平直测度了东说念主类学习该图片的告捷率。

模子夸耀感知学习效应并测度东说念主类学习放胆

五、回归与启示:定位“学习引擎”,照亮AI与精神疾病新旅途

这项多模态交融扣问聚集了三条平安把柄链(步履不变性、神经表征匹配、动态时序优先),共同指向东说念主类高档视觉皮层是支握单次感知学习的中枢神经可塑性发生地。其计较机制可能依赖于该区域通过从上至下的阵势,将单次教师变成的先验快速整合,并响应调制统共这个词视觉措置流。

这一发现不仅破解了“Aha”本事的神经生物学之谜,为配置具有东说念主类式快速、雄厚学习智商的东说念主工智能模子提供了新架构灵感(即醉心骄贵低的先验整合),也为贯通某些精神疾病(如幻觉,可能与感知过度依赖先验联系)的病理机制提供了新的表面基础。

领导:本扣问主要基于视觉感知学习,其机制是否适用于其他感官模态(如听觉)尚待探索。此外,扣问中的颅内记载来自特定患者群体,在全王人健康东说念主群中的普适性可进一步考据。

参考文件:

Hachisuka, A., Shor, J.D., Liu, X.C. et al. Neural and computational mechanisms underlying one-shot perceptual learning in humans. Nat Commun17, 1204 (2026).