普林斯顿大学破解神经科学界难题：大脑导航如何平衡灵活和效率

抖音热门 2025年08月27日 22:29 2 admin

普林斯顿大学研究团队在《Nature Communications》发表突破性研究，首次从计算层面解决了困扰神经科学界数十年的难题：大脑如何在保持导航灵活性的同时实现高效的路径规划。这项由Payam Piray和Nathaniel D. Daw领导的研究提出了基于预测对象表征的新理论框架，为理解内侧内嗅皮层神经元的工作机制提供了全新视角。

核心理论突破：预测对象表征模型

传统认知地图理论面临一个根本矛盾：如何在保持环境表征灵活性的同时支持实时决策。研究团队创新性地将数学中的伍德伯里矩阵求逆引理应用于神经计算，提出了预测对象表征理论。该理论将环境中的每个对象视为对开放空间基础地图的局部扰动，通过构建具有平移和旋转不变性的神经模块，实现了认知地图的组合式构建。

这一突破的关键在于计算效率的显著提升。传统方法的计算复杂度随环境大小呈立方增长，而新模型将复杂度降低至仅与对象数量相关，使大脑能够在复杂环境中进行实时导航决策。研究采用线性强化学习框架建立默认表征数学模型，通过虚拟导航实验验证了理论预测的准确性。

神经机制的重新理解

研究最重要的贡献之一是对内侧内嗅皮层神经元功能的全新解释。该区域包含两类关键细胞：占比高达30%的对象向量细胞和著名的网格细胞。长期以来，对象向量细胞的功能机制一直是神经科学界的谜团，而新研究首次提供了定量的计算解释。

实验数据显示，对象向量细胞的响应特性与预测对象表征的理论预测完全吻合。当环境中的对象发生位移时，这些细胞能够保持相对距离编码的稳定性，并且能够成功泛化到包含多个对象的复杂环境。更令人惊讶的是，这些细胞的感受野大小与对象的水平尺寸呈正相关，但不受垂直高度影响，这正好验证了理论模型中关于空间扰动效应的核心假设。

网格细胞的功能也在新理论框架下得到了重新阐释。研究发现，网格细胞实际编码的是开放空间特征向量的组合扩展，这解释了为什么在简单环境中添加障碍物只会引发局部神经活动重映射，而在复杂迷宫环境中则会出现全局模式重组。

学习算法的神经基础

研究团队还提出了一种新颖的学习算法，该算法仅需更新对象邻域的状态信息，大大提高了学习效率。这一发现为理解海马体回放现象提供了新的理论基础。海马体回放是指在休息或睡眠期间，大脑会重演之前的空间经历，这一现象被认为与记忆巩固和路径规划密切相关。

新理论表明，大脑可能通过预计算模块化组件来支持快速认知重构，这种机制不仅适用于空间导航，还可能扩展到社会认知等更抽象的认知领域。这为理解大脑如何处理复杂信息并做出快速决策提供了全新的计算框架。

技术创新与方法学进展

研究在方法学上也有重要创新。团队运用非负主成分分析技术解码网格细胞的空间编码模式，并通过将环境对象效应压缩为低秩矩阵，实现了计算复杂度的显著降低。这种方法不仅在理论上具有重要意义，也为开发更高效的人工智能导航算法奠定了基础。

实验设计方面，研究者采用虚拟导航实验采集啮齿动物内侧内嗅皮层神经元的活动数据，并通过多种环境条件的测试验证了模型的鲁棒性。结果表明，该模型在预测神经元响应特性方面显著优于传统的继任表征理论。

未来研究方向与应用前景

尽管取得了重要突破，研究仍存在一些待解决的问题。例如，模型对悬浮物体的响应机制仍需进一步完善，动态环境中的地图更新算法也有待优化。未来研究可能需要结合最新的高通量电生理技术，同时记录内侧内嗅皮层中各类空间调制神经元的活动，以验证模型预测的微环路交互机制。

这项研究的应用前景广阔，不仅为类脑导航算法的开发提供了新的理论基础，也为治疗空间认知障碍相关疾病开辟了新途径。在人工智能领域，该理论可能推动更智能、更高效的机器人导航系统的发展，特别是在复杂动态环境中的自主导航能力。

研究结果还暗示，大脑的组合式认知机制可能比以往认为的更加普遍和强大，这为理解人类认知能力的本质提供了新的科学视角，也为构建更接近人类智能的人工系统指明了方向。

参考文献

Piray, P., Daw, N.D. Medial entorhinal cortex represents a compositional cognitive map. Nature Communications (2025).

必看盘点揭秘“微信里的麻将确实有挂吗”（骗局大揭秘)

厉害了“微小程序河北麻将神器”（可以设置输赢吗)

发表评论