原標題：最新Nature：科學家一步一步地詳細說明了大腦如何構建復雜的認知地圖
文章來源：人工智能學家
內容字數：11236字

認知地圖在大腦中的形成：海馬體的神經機制

本文總結了HHMI研究人員關于認知地圖在大腦海馬體中形成機制的研究成果。該研究利用先進的顯微鏡技術，追蹤小鼠在學習導航過程中數千個神經元的活動，系統地闡述了認知地圖的形成過程，并提出了相應的計算模型。

1. 研究背景與目標

神經科學家已知某些神經元會在特定位置放電，但大腦如何生成認知地圖仍然是個謎。本研究旨在系統地闡述認知地圖在海馬體中的形成過程，并揭示其背后的計算機制。

2. 研究方法

研究人員利用高分辨率顯微鏡，對學習導航虛擬走廊的小鼠海馬體中數千個神經元的活動進行成像。小鼠需要學習不同視覺線索與獎勵位置之間的關系。兩個虛擬走廊在視覺上相似，但獎勵位置不同（近或遠）。

3. 主要發現

研究發現，小鼠的學習過程分為三個階段：首先抑制在無獎勵區域的舔舐行為；然后理解每個走廊只有一個獎勵；最后，在遠獎勵走廊中抑制在近獎勵區域的舔舐行為。神經元活動與行為變化密切相關：

1. 學習初期，兩個走廊的神經元活動相似，僅有輕微差異。
2. 學習過程中，代表不同走廊的神經元活動逐漸分化，即使視覺上相同的獎勵位置，其神經元活動也因走廊不同而異。
3. 學習結束時，神經元活動完全不同，形成不同的認知地圖，編碼隱藏信息，例如電梯樓層號等，幫助小鼠區分不同走廊。
4. 特定的“狀態細胞”能夠提取環境中的隱藏信息，實現這種分化。

4. 計算模型

研究人員發現，大腦構建認知地圖的過程類似于一個狀態機，通過推斷隱藏狀態來判斷真實情況。在各種計算模型中，只有“克隆結構因果圖”模型能夠準確再現學習過程。

5. 研究意義

這項研究不僅繪制了認知地圖形成的逐步過程，更重要的是揭示了大腦可能使用的計算機制。這有助于開發治療記憶障礙（如阿爾茨海默?。┑男路椒ǎ撛旄裆锎竽X的人工智能系統。神經科學和人工智能領域可以互相借鑒，例如，將海馬體學習機制應用于改進人工智能系統的推理和規劃能力。

6. 未來展望

研究人員創建了一個在線可視化工具，方便全球科學家探索數據。將行為、單個細胞、神經元群體和算法聯系起來，是真正理解大腦和智力運作的關鍵一步，有助于理解大腦如何進行算法層面的計算。

聯系作者

文章來源：人工智能學家
作者微信：
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構