预期有利于适应性行为，因为它能够快速推断出对信息的合理解释。然而，这一过程的具体特征和潜在的神经计算机制尚不清楚。2025年7月28日，华南师范大学张喜淋唯一通讯在eLife在线发表题为“Center-surround inhibition by expectation: a neuro-computational account”的研究论文。该研究方向空间中存在一个中心-周围抑制特征，该特征与任务相关性对注意力的调节无关。通过计算建模，研究人员表明这种中心-周围抑制可以通过预期方向调谐曲线的锐化或非预期方向调谐曲线的偏移来重现。有趣的是，这两种计算结果得到了方向调整和方向辨别实验的进一步支持。最后，卷积神经网络的消融研究表明，预测编码反馈在预期的中心-周围抑制中发挥着关键作用。总之，本研究首次揭示了预期会导致增强和抑制，即通过增强预期并减弱相似但不相关且可能造成干扰的表征来优化感知过程中的合理解释。
人类行为出奇地高效且适应性强。尽管日常环境充斥着嘈杂且模糊的信息，我们的认知系统能够快速而熟练地将这些信息与先前的预期相结合，从而推断出合理的解释，最终促成灵活的行为。然而，关于预期如何将预期目标与各种干扰因素区分开来的结构化方式（换句话说，轮廓），以及其背后的神经计算机制，在很大程度上仍不清楚。这个问题尤为重要，因为这种轮廓被认为能够紧密反映神经回路，因此，它为我们提供了一个独特的机会来深入了解神经回路层面的预期计算，从而不仅能够加深我们对其如何促进感知和行为以适应不断变化的环境的理解，还能解答关于其潜在神经机制的长期争论。
这场争论的核心问题之一是如何处理足够新颖或令人惊讶的意外刺激。锐化模型（也称为贝叶斯理论）认为，预期会优先抑制那些关注意外刺激的神经元，从而导致群体反应更敏锐、更具选择性。这种对预期的锐化解释类似于神经元共振的概念，并得到了神经生理学、脑电图/脑磁图以及功能性磁共振成像 (fMRI) 研究的支持。相反，抵消模型（也称为抑制理论）认为，神经反应的抑制通过抑制关注预期刺激的神经元来减少感觉系统中的冗余。通过抵消预期信息，大脑可以突出意外信息的处理和认知资源。该理论也得到了神经生理学和脑成像研究的广泛支持。有趣的是，尽管这两个解释预期如何使感知变得真实或信息丰富的模型看似相互矛盾，但都可以纳入预测编码模型的框架。该模型假设大脑包含不同的神经元/单元，分别代表对外部世界的最佳猜测（预测单元）以及这些猜测与传入感官证据之间的差异（预测误差单元）。一些研究提出，锐化和取消机制可能分别发生在预测神经元和误差神经元中。在这个框架下，对即将到来的感官环境中可能发生或可能发生的事情的预测可以被视为一个分层贝叶斯推理的过程，其中预测单元更倾向于预期刺激而非意外刺激，同时预测误差单元选择性地偏向意外输入。对这些意外输入的增益增加将导致跨预测单元对意外刺激进行高保真度的表征。虽然到目前为止还没有直接证据证明这两种神经元类型的存在，而且也不清楚这两种机制如何在不同的神经群体中协调，但预测编码框架可能为各种潜在的预期概况提供底层计算基础。
概况实验的刺激和协议（图源自eLife）
在此，鉴于这两种机制对期望如何改变意外刺激的神经反应做出相反的预测，从而显示出不同的期望概况，研究人员推测，如果期望按照抑制意外信息的锐化模型运作，应该观察到期望焦点周围的抑制区，然后它的概况应该显示为中心环绕抑制。然而，如果期望按照取消模型的建议运作，突出显示意外信息，则应该消除围绕期望焦点的抑制区，并且概况应该显示单调梯度。为了在这两种理论可能性之间做出判断，研究人员操纵了特征空间中预期刺激和意外刺激之间的距离，以在两个心理物理实验中测量期望概况，这两个实验都通过在方向空间中显示经典的中心环绕抑制概况来支持锐化解释，对预期方向的神经反应增强，而对与预期方向相似的方向的神经反应相对于与预期方向更不同的方向受到抑制。其次，利用计算模型证明了在预期中观察到的行为中心-周围抑制可以通过预期方向的调谐曲线锐化（调谐锐化解释）或非预期方向的调谐曲线偏移（调谐偏移解释）来重现。第三，这些由调谐锐化和调谐偏移解释组成的神经计算通过方向调整和方向辨别实验得到了进一步证实。最后，研究人员发现深度预测编码神经网络 (DPCNN) 在训练执行方向或空间频率任务时，都表现出类似的预期中心-周围抑制。最重要的是，当研究人员消除预测反馈时，这些中心-周围抑制在 DPCNN 中被消除，这有力地支持了预期中的预测编码模型框架。总之，本研究首次揭示了预期会生成特定于方向的增强和抑制轮廓，通过增强预期和减弱干扰感官表征来优化视觉感知过程中的合理解释。
原文链接：https://url.scnu.edu.cn/record/view/index.html?key=cc742884f973ece2300ef398a82e64d4