任务学习增加了猕猴视觉皮层神经反应的信息冗余性

《SCIENCE》：Task learning increases information redundancy of neural responses in macaque visual cortex

如何大脑在长期学习中优化神经表征以支持决策？研究发现视觉皮层神经元在任务学习中冗余度显著增加，通过反馈和循环交互共享信息，提升单个神经元的信息量而不降低群体总信息，支持动态生成推断而非经典单向处理模型。

　　

编辑总结

关于学习如何在长时间内改变神经表征，目前仍知之甚少。研究人员长期以来一直认为，在学习过程中，神经回路会变得更加高效，减少冗余，并进行微调，以便向下游系统传递清晰的信息。刘等人利用来自猴子视觉皮层的群体记录，研究了神经反应在数周的学习过程中以及单次试验中的变化。这些变化表明，大脑并没有减少冗余，而是逐渐在神经元之间传播和共享与任务相关的信息。这些发现表明，大脑的重点不是最大化效率，而是作为一个信息共享网络，以支持灵活、稳健的决策过程。——彼得·斯特恩

结构化摘要

引言

大脑是如何将感官输入转化为感知和行为的？指导大多数神经科学和现代深度学习的经典模型认为，感知主要是一个前馈过程：感官信号从早期视觉区域传递到更高层次的视觉区域，使行为相关的信息更加明确。反馈连接被认为只是对这个过程进行微调——在注意力和学习过程中增强相关特征或抑制噪声。

另一种框架，即生成推理，认为感官处理本质上是双向的。在这种观点中，神经元表示对外部世界原因的信念，并通过感官证据（前馈）和先验预期（反馈）之间的信息交换不断更新这些信念。

理论依据

生成推理框架最近的一个理论预测提供了一种方法，可以实证区分这两种模型。生成推理模型预测，在学习感知决策任务时，感觉神经元之间会更多地共享与任务相关的信息——这表现为它们反应中的冗余增加。这一预测与经典模型直接相反，经典模型认为学习和注意力会减少冗余和相关变异性，以提高编码效率。

为了验证这些相互矛盾的预测，我们测量了两只猕猴视觉区域V4中的神经元在两个独立任务（基本方向和倾斜方向）中学习区分时的信息冗余变化。使用Utah阵列在数周的训练期间持续记录神经活动。我们将信息冗余量化为完整群体活动所携带的线性Fisher信息与去除相关性后同一群体所携带的信息之间的差异。

结果

在学习开始时，冗余接近于零，表明神经元之间的反应基本独立。随着训练的进行，冗余逐渐增加，最终达到每个神经元大约有一半的信息与其他记录的神经元共享的程度。在单次试验中，冗余也在数百毫秒的时间内动态增加，这与信息的逐渐积累和共享一致。冗余的增加并没有导致群体信息的丢失，相反，单个神经元的信息量增加了——这与生成推理的预测相符。与同一天的被动观察相比，学习过程中的冗余增加更为显著，这表明由于信息重新分配而导致的冗余增加依赖于积极的任务参与。

结论

学习感知任务增加了感觉神经元之间的信息冗余——这一结果与传统关于学习和注意力作用的理解相矛盾。学习似乎是通过反馈和循环交互在神经元之间重新分配信息，从而实现对感官世界的一致信念。这些发现表明，皮层感觉处理最好被理解为一个动态的推理过程——该过程整合了先验预期和感官证据——挑战了长期以来关于大脑感觉处理过程中信息流动本质上是单向的假设。

在浏览器中打开

在学习辨别任务期间，视觉神经元之间的冗余和限制信息的相关性增加了。

摘要

大脑如何为新任务中的决策优化感官信息？一种假设认为，学习通过减少神经表征中的冗余来提高效率；而另一种基于贝叶斯推理的假设则认为，学习通过在不同神经元之间分配信息来增加冗余。我们通过追踪猕猴大脑V4区域的群体反应来验证这些假设。研究结果强烈支持贝叶斯预测：在数周的训练过程中以及单次试验中，任务学习增加了神经反应的冗余。这种冗余并没有减少信息，反而增加了单个神经元所携带的信息量。这些发现表明，大脑中的感觉处理反映了一个生成性的而非判别性的推理过程。