《Journal of Cognitive Neuroscience》：Regularization, Action, and Attractors in the Dynamical “Bayesian” Brain
编辑推荐：
本推荐介绍一项针对经典“贝叶斯大脑”假说的理论探索。研究提出，大脑的核心计算任务是直接追踪观测数据自身的概率结构，而非其背后的隐藏状态。为应对观测噪声，必须引入“正则化”，而先验经验正是其最佳来源。该研究将先验期望、正则化和行为引导统一视为由大脑构成的动力系统中的“吸引子”，从而为理解大脑如何整合感知、预测与行动提供了新颖且更具解释力的框架，有望启发新的实证与理论工作方向。
长期以来，认知神经科学领域被一个极具影响力的思想所主导：大脑如同一台精密的概率推理机器，持续不断地试图“猜出”其感官输入背后的隐藏原因。这个被称为“贝叶斯大脑”的假说，为我们理解感知、学习和决策提供了强大的理论框架。然而，这个优雅的模型也带来了一些令人困惑的推论，例如，它似乎暗示大脑总是在为一个不存在的、完美的“外部世界模型”而疲于奔命。那么，是否存在一种更直接、更本质的方式来理解大脑的功能呢？近期发表在《Journal of Cognitive Neuroscience》上的一项理论性研究，为我们提供了一个全新的视角，试图绕过“隐藏状态”的迷思，直指大脑计算任务的核心。
该研究提出了一个对“贝叶斯大脑”思想的直接而深刻的扩展。它认为，大脑面临的首要计算任务，并非推断感官数据背后那些看不见的“原因”，而是直接追踪观测数据（感官输入）本身的概率结构。想象一下，你听到一串复杂的声音，传统观点会认为大脑在努力分辨是风声、人声还是音乐；而新观点则认为，大脑更在意的是这串声音自身的统计规律——它的起伏模式、时间关联等。在充满噪声的真实世界中，完成这项“追踪”任务绝非易事，很容易陷入过拟合或混乱。此时，就需要“正则化”来为这个动态系统提供稳定性和约束。那么，正则化从何而来？答案就藏在我们过往的经历中——先验经验是正则化的最佳来源。这些由经验塑造的先验期望，可以被看作观测空间中的一种抽象的“拉力”或“吸引力”。
有趣的是，这种“吸引力”的比喻并不局限于感知。对于行为目标而言，生物体努力趋向（或观察）目标状态，这意味着目标状态同样施加着一种吸引力。因此，先验期望、正则化以及由目标诱导的行动，在更高的层面上实现了统一：它们都可以被富有成效地视为大脑这个动力系统中的“吸引子”。在动力系统理论中，吸引子是系统演化最终趋向的状态或模式。将大脑的运作视为在由先验（吸引力A）、当前感官证据（推动力B）和行为目标（吸引力C）等多种力量构成的“力场”中运动，其轨迹最终被特定的吸引子所捕获，这就为感知-行动循环提供了一个更简洁、更动态的整合性描述。这个新视角不仅精炼了“贝叶斯大脑”框架内的思考，避免了先前一些反直觉的结论，更重要的是，它通过揭示研究者们此前未意识到的多个概念间的平行关系，有望激发全新的实证与理论研究。
作者在论文中主要进行了理论构建与概念分析，其核心方法是基于已有的贝叶斯推理、动力系统理论及认知科学模型进行理论推演与整合，并未涉及具体的实验技术、样本队列或分子生物学操作。研究侧重于建立概念框架和数学模型之间的联系。
研究核心框架：从隐藏状态推断到观测结构追踪
该研究首先对经典的“贝叶斯大脑”假说进行了剖析。传统观点将感知视为对隐藏状态的后验推断，其目标是最大化模型证据（或最小化预测误差）。然而，本文指出，这等价于在观测数据上施加了一种特定的复杂性惩罚（正则化）。由此，研究提出一个更一般的观点：大脑的核心任务是追踪观测序列的概率结构P(o1:t)，其中o代表观测值。为了在噪声中稳健地完成这一任务，必须引入正则化项R，因此实际追踪的是log P(o1:t) + R。而正则化R本身，最自然的来源就是过去的观测数据，即先验经验。这便将先验期望与正则化在数学上联系了起来。
将先验、正则化与目标视为动力系统的吸引子
在动力系统的语言下，系统的演化由势函数（或向量场）的梯度决定。该研究将上述数学框架映射到动力系统理论中。对数概率log P(o)可以被解释为一个“能量”景观，系统倾向于向能量低处（高概率处）运动。正则化项R则相当于对这个景观进行了修改，增加了新的“洼地”。因此，先验期望（由R体现）在观测空间中充当了“吸引子”，将系统的状态拉向特定的模式或轨迹。同样，行为目标——定义为期望观测到的未来状态——也在观测空间中创建了吸引子。行动（或策略选择）则可以理解为选择一条路径，使系统状态从一个吸引子盆地转移到另一个（例如，从当前状态转移到目标状态）。
统一框架的解释优势与理论意义
通过将先验、正则化和目标导向的行动统一视为动力系统中的吸引子，该框架提供了几个关键的理论优势。首先，它避免了传统贝叶斯推断中需要精确指定隐藏状态生成模型的必要性，将重点完全放在可观测的动力学上。其次，它为“感知、认知和行动是连续且不可分割的过程”这一观点提供了自然的数学表述：它们都对应着在同一动力系统景观中，受不同吸引子影响的轨迹演化。最后，这个视角能够自然地解释一些认知现象，如习惯形成（吸引子景观的固化）、注意力（暂时增强特定吸引子的影响力）以及认知僵化（陷入局部吸引子而无法逃脱）。
研究的结论与讨论部分强调，这项工作是“贝叶斯大脑”范式内部的一次重要精炼与拓展。它没有推翻贝叶斯原则，而是将其置于一个更广泛的动力系统理论背景下，从而获得了更大的解释灵活性和概念清晰度。将先验期望、正则化和行动诱导统一理解为吸引子，打破了这些概念之间传统上的人为界限，揭示了它们共享的深层动力学原理。这一框架避免了早期模型中将大脑描绘成不断追求一个可能不存在的、最优内部模型的“苦工”的反直觉图景，取而代之的是一种更接近自组织系统本质的、由多稳态吸引子引导的动态平衡观。论文最后指出，这一理论视角有望开辟新的研究路径，例如，启发研究人员从动力系统的角度重新审视神经振荡、大规模脑网络活动以及发展性和精神病理学中的状态转变，从而在计算、神经和认知层次之间建立更坚实的桥梁。
