进化将人类的大脑连接起来,就像超级计算机一样

诸平

Dr Reuben Rideaux

据澳大利亚悉尼大学（University of Sydney）2023年9月18日提供的消息，进化使人类的大脑像超级计算机一样运作(Evolution wired human brains to act like supercomputers)。

现在,科学家们有一个数学模型,它与人类大脑处理视觉信息的方式密切相关。科学家们已经证实,人类的大脑自然而然地就像一台高性能的计算机一样,通过贝叶斯推理（Bayesian inference）来实现对世界的感知。

来自澳大利亚悉尼大学（The University of Sydney, Camperdown, Australia）、昆士兰大学（The University of Queensland, St Lucia, Australia）和英国剑桥大学（The University of Cambridge, Cambridge, UK）的研究人员合作，开发了一种具体的数学模型,该模型与人类大脑在阅读视觉方面的工作密切匹配。该模型包含了实现贝叶斯推理所需的一切。相关研究结果于2023年9月1日已经在《自然通讯》（Nature Communications）杂志网站发表——William J. Harrison, Paul M. Bays, Reuben Rideaux. Neural tuning instantiates prior expectations in the human visual system. Nature Communications, 2023, 14, Article number: 5320. DOI: 10.1038/s41467-023-41027-w. Published: 01 September 2023. https://www.nature.com/articles/s41467-023-41027-w

贝叶斯推理是将先知之明与新证据相结合,进行智能猜测的统计方法。例如,如果你知道一只狗的样子,看到一只有四只腿的毛茸茸的动物,你可能会利用你先前的知识来猜测它是一只狗。

这种固有的能力使人们能够以非凡的精度和速度解读环境，而机器在提示人们在图像面板中识别消防栓时,可能会被简单的卡普查安全措施（CAPTCHA security measures）所击败。

这项研究的资深研究者,悉尼大学心理学学院（University of Sydney’s School of Psychology）的鲁本·里迪欧博士（Dr Reuben Rideaux）说:"尽管贝叶斯方法在概念上具有吸引力和解释力,但是大脑计算概率的方法在很大程度上还是很神秘的。"

"我们的新研究揭示了这个秘密。我们发现,大脑视觉系统中的基本结构和连接是以一种允许它对接收到的感官数据进行贝叶斯推理的方式建立起来的。这一发现的重要性在于确认了我们的大脑有一个固有的设计,能够允许这种先进的处理方式,使我们能够更有效地解释我们的周围环境。”

这项研究的结果不仅证实了现有的关于大脑使用类似贝氏推理的理论,而且为新的研究和创新打开了大门,在那里大脑自然的贝氏推理能力可以被用于有利于社会的实际应用。

"我们的研究,虽然主要集中在视觉感知上,但在神经科学和心理学的各个方面都有更广泛的意义," 鲁本·里迪欧博士说。

"通过了解大脑用来处理和解释感官数据的基本机制,我们可以为从人工智能到临床神经病学（clinical neurology）等领域的进步铺平道路,这些领域包括模拟大脑功能可以彻底改变机器学习,并可能为未来的治疗干预提供新的策略。"

由威廉·哈里森博士（Dr William Harrison）领导的这个研究小组,通过记录志愿者被动观看显示时的大脑活动来做出这项发现,他们设计了一种与视觉处理相关的特定神经信号。然后他们设计了数学模型来比较关于大脑如何感知视觉的各种不同的假设。 

另外，悉尼大学和中国复旦大学的科学家们已经发现人类大脑的信号在神经组织的外层上流动,这些信号自然地将自己排列成像漩涡状的螺旋状（resemble swirling spirals）。

大脑活动如何通过它的结构产生共鸣，可能比神经元之间的连接更为重要。对《自然》（Nature）杂志的新研究，可能意味着通过研究大脑来了解它在健康中的作用更为直接。

有史以来对海马体（hippocampus）--大脑的记忆控制中心--和大脑其他部分之间的通讯联系绘制的最详细的明细图是由澳大利亚科学家绘制的。它可能会改变我们对人类记忆的看法。

这项工作得到了澳大利亚研究理事会发现早期职业研究员奖(Australian Research Council Discovery Early Career Researcher Award: DE210100790)和惠康信托基金会高级奖学金(Wellcome Trust Senior Fellowship: 106926)的支持。

上述介绍，仅供参考。欲了解更多信息，敬请注意浏览原文或者相关报道。

Abstract

Perception is often modelled as a process of active inference, whereby prior expectations are combined with noisy sensory measurements to estimate the structure of the world. This mathematical framework has proven critical to understanding perception, cognition, motor control, and social interaction. While theoretical work has shown how priors can be computed from environmental statistics, their neural instantiation could be realised through multiple competing encoding schemes. Using a data-driven approach, here we extract the brain’s representation of visual orientation and compare this with simulations from different sensory coding schemes. We found that the tuning of the human visual system is highly conditional on stimulus-specific variations in a way that is not predicted by previous proposals. We further show that the adopted encoding scheme effectively embeds an environmental prior for natural image statistics within the sensory measurement, providing the functional architecture necessary for optimal inference in the earliest stages of cortical processing.