2015年6月29日，北京大學(xué)心理學(xué)系和麥戈文腦科學(xué)研究所張航研究員與美國紐約大學(xué)的合作者Nathaniel D. Daw和Laurence T. Maloney在《Nature Neuroscience》雜志在線發(fā)表題為“Human representation of visuo-motor uncertainty as mixtures of orthogonal basis distributions”的研究論文 (DOI: 10.1038/nn.4055)。文章首次提出并證實了，人腦對運(yùn)動不確定性的內(nèi)在表征是基于少量正交基底函數(shù)的簡化和近似。
無論如何小心，我們的運(yùn)動系統(tǒng)總會隨機(jī)出錯。過去十年的許多研究表明，人類能夠很好地補(bǔ)償自身的視覺和運(yùn)動不確定性。不過，我們的神經(jīng)系統(tǒng)是如何表征運(yùn)動不確定性的呢？張航及其合作者采用了一種新穎的行為任務(wù)和計算建模方法來測量人腦如何表征快速指向運(yùn)動中的隨機(jī)誤差。在每個實驗試次中，她們要求人類被試判斷兩個目標(biāo)中的哪一個自己更容易擊中。通過比較被試在不同形狀和大小的目標(biāo)下的決策行為，她們可以構(gòu)建出被試對其運(yùn)動誤差隨機(jī)分布的內(nèi)部表征。她們也測量了每個被試實際的運(yùn)動誤差。
雖然被試實際運(yùn)動誤差的隨機(jī)分布是單峰的、接近于高斯分布，被試的內(nèi)在表征卻常常是多峰的，近似于對少量基本正交的（即，不重合的）基底分布的線性加和。相比高斯混合分布等其他的混合分布，以均勻分布為底的混合分布能夠更好地解釋被試的運(yùn)動決策。文中討論了正交基底函數(shù)表征有可能怎樣減少人腦在做出運(yùn)動決策時的計算負(fù)荷。從更廣泛的意義上講，張航研究組的發(fā)現(xiàn)為理解神經(jīng)回路如何實現(xiàn)認(rèn)知和決策中復(fù)雜的概率運(yùn)算提供了算法上的指引。
張航研究員是論文的第一和通訊作者，該研究得到北京大學(xué)-清華大學(xué)生命科學(xué)聯(lián)合中心和北京大學(xué)麥戈文腦研究所資助。
2015-06-30