2020年人工智能的认知神经基础白皮书.pdf

2020 年 2021 年 3 月 人工智能的认知神经基础重大研究方向 人工智能的认知神经基础白皮书Brain and Machine Intelligence 1/52 前 言 这些新工具的出现所揭示的新发现往往会颠覆人们对于不同层次上神经活动发生机制的传统认知。例如，突触水平上，马普佛罗里达神经研究所的 Fitzpatrick 研究组通过光电联合实验，研究雪貂的初级视皮层神经元发现，不同刺激激活的全部突触（包括强、弱突触）共同“投票”所决定其神经元选择特异性，挑战了赫布理论所认为的强突触调控神经元选择特异性的决定性作用。神经元水平，Allen Brain Observatory 的 Christof Koch 和 Clay Reid 研究组通过分析大规模标准化神经活动数据，揭示小鼠视皮层中存在大量低特异性神经元，表明之前的视觉神经元-特定视野空间-特定特征的视觉信息模型的局限性。在视觉系统上，同样是艾伦研究所的 Christof Koch 和 Shawn R.Olsen 研究组，通过构建新型的神经电信号记录系统和神经像素电极阵列（Neuropixels），成功的观察到了小鼠视觉系统，存在如灵长类一样的功能层级活动。全脑水平上，Alipasha Vazir 研究组通过高通量全脑成像辅助预测斑马鱼决策行为，将这个行为划分成 6 个具有不同功能特征和解剖区域定位的神经元类群，并发现了小脑中的颗粒细胞神经活动对于运动的决策预测是十分重要。除了观察，神经调控手段的出现也可人工智能的终极目标是研究使计算机来模拟人的思维过程和智能行为（如学习、推理、思考、规划等），制造类似于人脑智能的机器。为了实现这个目标，理解构成智能必要的元素，必须研究人和动物智能的载体生物大脑的本身结构以及其运行方式。神经科学聚焦于大脑如何进行信息加工，力图阐明复杂行为之下的机制和物理实现形式；认知科学研究研究人类的心智和认知过程，通过构建认知框架，预测复杂行为，揭示智能的产生机制。认知科学、神经科学与信息学科分别从不同的路径来探索智能本质的，它们的交叉碰撞出炫丽的火花。北京智源人工智能研究院的人工智能的认知神经基础重大研究方向，期望利用本方向的多学科交叉基础，用白皮书的形式总结过去一年间在这个前沿领域的一些重要探索和发现，更好的为这几个方向的研究者搭建沟通的平台和桥梁。解析大脑和神经系统的连接方式及工作原理离不开借助先进的技术，因此高时空分辨率的生物荧光成像是系统神经科学的必要工具。康奈尔大学的 Chris Xu 研究组，一直研究三光子显微成像，实现成年斑马鱼全脑任意位置的深层高分辨率成像，相关技术也被应用于大型的模式动物如猕猴的深层脑区。高分辨率显微镜的另一个缺点是往往只能够成像很小的区域，无法看到多个神经回路和脑区的活动。为了克服这个问题，清华大学戴琼海团队一直在发展大视场、可以观察小鼠全脑很大视场内结构和功能变化的单光子显微镜。为了提高单光子成像的对比度和实现多层同时成像，他们开发了一种新的多平面宽场荧光显微镜，同时具备光学层切、体成像能力以及 1.56 mm1.83 mm 的超大视场，并用于稀疏的小鼠血管和斑马鱼神经元成像。单个神经元脉冲发生的时间尺度在毫秒量级，因此如何提高成像的时间分辨率、用成像来观察动作电位的发生和传播也是领域内努力的重点。加州大学伯克利分校的 Na Ji 团队开发全光无源激光扫描高速成像，实现 XY 方向上的 3000 Hz 扫描的双光子成像；发展基于轴向扩展的贝塞尔光扫描双光子显微镜，实现稀疏标记样本的每秒 99 帧的体成像速率。哥伦比亚大学的Hillman 研究组发明了可以用于小鼠等哺乳动物的单镜头的单光子光片显微镜，实现高时空分辨率的体成像。最后，为了解决如何在自由行为动物上实现高分辨率成像，北京大学分子医学研究所牵头开发了超高时空分辨微型化双光子在体显微成像系统，实现了小鼠自由行为过程中大脑神经元和神经突触活动清晰的图像，并赋予微型化系统的体成像和多平面成像能力。伴随着不断发展出来的遗传编码或是化学合成的特异性荧光探针，高时空分辨率成像能够观察越来越多的神经递质和神经肽的动力学释放过程，从而描绘出正常和神经疾病时候它们调控神经元、回路、脑区活动以及整体动物行为的变化。2/52 以实现个体化神经认知相关的调控，如调节非侵入式的经颅电刺激等用于增强视觉运动学习和减弱视觉拥挤效应等以及新型侵入式神经调控技术手段用于重建大脑视觉认知功能等。由于神经科学中的新技术的发展正在产生海量的数据，大脑与人工智能算法的交互变得越来越重要。目前深度神经网络的一大问题是其对噪音的鲁棒性不够。2019 年在 Nature 发表了的小鼠视觉系统的大规模的神经记录开始阐明了其群编码原则，发现其在高效和保持泛化性之间做了一个权衡。利用了该原理的人工神经网络具有更好的鲁棒性。另外 MIT 的 Joel Dapello等人发现在传统神经网络前面加入一个模拟大脑初级视觉皮层的模型也可以提高其鲁棒性。借鉴小动物的神经环路设计也许可以帮助我们设计更高效的人工智能系统。2020 年在 Nature Machine Intelligence 上发表的 MIT 相关论文借鉴了秀丽线虫的神经系统中神经元的动态特性和连接的稀疏性和反馈结构，在跟踪道路的自动驾驶任务中比传统神经网络具有更好的鲁棒性和可解释性。人工智能系统的进展也为帮助理解大脑的计算原理提供帮助。大脑多巴胺神经元和我们的情绪和动机息息相关，当结果好于预期时，多巴胺会被更多的释放，带来愉快的心情。但对未来的预期经常是不确定的，用一个概率分布来表示更合理，这种被称为分布式强化学习的算法最近几年取得了很好的效果。Will Dabney 等人在 2020 年的 Nature 上发文指出，大脑中不同多巴胺神经元表征的值也形成一个分布，和分布式强化学习算法的预测吻合。目前人工智能的一个前沿是对抽象关系的推理，大脑中的海马和内嗅皮层系统和空间导航息息相关，最近被证明在表征抽象关系中也发挥重要作用。在 2020 年的 Cell 文章中，Whittington 等借鉴贝叶斯学习等人工智能方法建立的模型为该系统中多种类型神经元表征提供一个统一的解释。另外，目前支持深度学习成功的反向传播算法无法在大脑中直接实现，在大脑中寻找能够完成类似功能的机制也是一个活跃的研究方向。在当下人工智能的浪潮中，人类社会似乎从来没有像如今这样对“研究心灵本质”这个古老的问题产生过如此浓厚的兴趣，但力图从不同的方向来探寻这个问题答案的计算、神经、认知这三门学科本身存在着巨大的学科差异和鸿沟。Stephen Hawking 曾经说过，“Intelligence is the ability to adapt to change”。正确承认及认识学科间差异，在多学科的交叉区域相互沟通交流借鉴，可以从研究技术、揭示机制以及计算原理等方面来相互启发，促进不同学科的螺旋式相生相长。帮助研究人员更好的理解大脑工作的硬件、算法和实现，了解神经疾病背后机理并找到治疗方案，真正实现终极目标：“know yourself”。3/52 目 录 前 言.1 第一部分 认知与神经科学研究进展.4 1.1 神经递质：多巴胺神经元与瞬时遗忘.4 1.2 神经元突触：多突触输入调控神经元选择特异性.5 1.3 视觉神经元：小鼠视皮层中存在大量低特异性神经元.7 1.4 视觉系统：小鼠视觉系统的功能层级.8 1.5 全脑结构连接组：全连接组测序快速构建小鼠全脑连接组图谱.9 1.6 全脑功能连接组：高通量全脑成像辅助预测斑马鱼决策行为.10 1.7 认知理论:新证据引发修订传统认知理论的思考.12 1.8 总结与展望.14 第二部分 新技术在认知与神经科学领域的应用.16 2.1 成像技术在神经科学领域的应用.16 2.1.1 多光子深层成像技术.16 2.1.2 超大视场成像.18 2.1.3 超高速成像.19 2.1.4 自由行为动物高分辨率成像.21 2.2 探针技术在神经科学领域的应用.22 2.2.1 化学合成的荧光探针.22 2.2.2 遗传编码的荧光探针.22 2.3 神经调控技术在认知科学领域的应用.23 2.3.1 个体化非侵入式神经调控技术应用于大脑视觉认知功能的增强.23 2.3.2 新型侵入式神经调控技术应用于大脑视觉认知功能的重建.24 2.4 总结与展望.32 第三部分 神经科学对人工智能的启发.35 3.1 秀丽线虫的神经网络用于运动控制.35 3.2 果蝇的神经网络用于自然语言处理.36 3.3 模拟生物视觉系统提高对噪声的鲁棒性.36 3.4 模拟神经群编码机制提高对噪声的鲁棒性.38 3.5 总结与展望.39 第四部分 人工智能对神经科学的启发.41 4.1 强化学习理论帮助理解大脑的奖惩机制.42 4.2 反向传播算法在大脑可能实现的机制.43 4.3 神经网络建模帮助理解大脑海马中信息表征的机制.45 4.4 总结与展望.46 第五部分 结语.49 关于我们.51 4/52 第一部分 认知与神经科学研究进展 无论简单的知觉探测，还是复杂的认知决策，都与我们神经系统的结构基础与电化学活动密不可分。过去的一年中，随着多种新兴技术的发明和发展，认知与神经科学领域从微观尺度观测到宏观理论修订都取得了重大突破。一方面，在个体神经元尺度的研究向着更为精细的观测角度拓展，光电联合等技术手段让我们得以观测到更为丰富与详细的结构与活动信息；另一方面，从生物体全脑尺度，实施更多神经元的电生理记录、跨更多脑区的信号采集、或者开发更大的成像视野等技术让我们得以同时观测大脑中所有神经元进行同一任务时如何协同计算；此外，人类在体高场强磁共振、颅内单神经元记录等高精度测量技术的发展，让我们得以对社会认知、记忆、概念等高级认知功能的神经基础一探究竟。接下来，本章节将介绍在 2020 年中随着新技术的涌现，在神经活动的不同层次（递质突触神经元视觉系统全脑人类高级认知）取得的一些重大突破。1.1 神经递质：多巴胺神经元与瞬时遗忘 在以往对生物学习记忆的研究中，往往容易忽略一个重要的环节，那便是遗忘。近年来，随着科学家对遗忘研究的逐渐关注，人们发现遗忘并不是记忆的简单消失，而是一种大脑主动发起的生物过程，是大脑记忆管理系统的重要组成部分。遗忘的产生对生物脑的正常运行是十分重要的。与生物的学习记忆过程相比较，遗忘正是人工神经网络缺失的一环。那么，既然遗忘对于生物神经加工具有十分重要的意义，研究遗忘的神经机制，以及其在生物学习记忆过程中的角色和重要意义，也许会对人工神经网络的优化提供不同的见解。遗忘包括永久性遗忘（永久丢失先前的记忆）和瞬时性遗忘（记忆仍然储存在脑中，但是处于一种暂时性检索受损的状态）。2021 年 1 月由 John Martin Sabandal 等人发表在 Nature杂志上的工作6，进一步推进了对瞬时遗忘神经机制的研究。这项研究是以神经系统相对简单，并已得到广泛研究的果蝇为研究对象进行的。在实验中，研究者向果蝇呈现两种气味，并在其中一种气味呈现时向果蝇施加轻微的电刺激，以此来进行厌恶条件化训练。经此训练后，这一气味对于果蝇而言便会成为一种厌恶刺激，它们会条件反射性的避开这一气味。而另外一种气味因没有进行厌恶条件化，便作为中性刺激存在。随后将果蝇放入一个一端存有厌恶气味，另一端存有中性气味的 T 迷宫中进行记忆检测，发现经过训练的果蝇更偏好于有中性气味的一端。这一现象表明，果蝇已经学会了这一任务，并产生了相关记忆。为了研究瞬时遗忘，研究者会在经过厌恶条件化训练的果蝇开始进行记忆检测前，向其施加一个短暂的干扰刺激，如向果蝇吹气、电击或者施加一个蓝光刺激。以此来检测这些干扰刺激是否会对果蝇的记忆提取产生影响。类似的研究方法在人类的心理物理实验中经常会使用到。实验发现，这些短暂的干扰刺激确实会对先前的学习任务的记忆提取产生影响。经历过干扰的果蝇，对厌恶气味不再表现出明显的躲避行为。但是之所以认为干扰刺激是对记忆的提取产生了影响，是因为对先前学习任务的记忆并没有完全消失，而是出现了暂时性的遗忘，在干扰刺激施加一个小时后，经过厌恶条件化训练的果蝇再次表现出对厌恶气味的躲避行为。以这样一个巧妙的瞬时遗忘行为范式为基础，John Martin Sabandal 等人对瞬时遗忘的神经机制展开了进一步的研究。它们发现，这一瞬时遗忘现象的产生，与果蝇的 PPL1（protocerebral posterior lateral 1，含有 12 个多巴胺神经元）多巴胺神经元有关，尤其是 PPL1 中与22 蘑菇体神经元对应的多巴胺神经元。PPL1 中多巴胺神经元的激活，能够有效抑制果蝇对先前记忆的提取；而对这些神经元的抑制，则会消除干扰刺激对果蝇躲避厌恶气味记忆的干扰。并且通过 RNA 干扰技术，研究者发现22 中的 DAMB 受体也参与其中。5/52 1.2 神经元突触：多突触输入调控神经元选择特异性 近年来光电联合技术的应用，为神经科学家提供了更为丰富的信息。结合光学成像与电镜成像技术，神经科学家能够同时获得具有超精细组织解剖结构和神经动态响应活动信息的数据，从而将神经元间的“硬件连接”与功能响应特性整合在一起。在大脑新皮层中，单一神经元通过突触接收源自不同神经元的大量信号输入，并被这些兴奋性输入所驱动，构成了神经元对感觉输入不同特征的选择特异性基础。一直以来，人们认为这些神经元间的兴奋性连接会在发育过程中逐步成熟，通过兴奋依赖的赫布可塑性原则，选择性增强那些同步活动的突触连接，并削弱另一些不同步的突触连接。神经元上有一些突触相对更强（强突触），一些突触相对较弱（弱突触），赫布可塑性原则提示，这些强突触驱动了神经元的选择特异性而弱突触则与神经元的信号输出以及兴奋调节的关系较弱。2020 年 12 月，Benjamin Scholl 等人通过光电联合实验，向这一假设提出了挑战。该工作发表在 Nature 杂a)厌恶气味条件化行为范式示意图。b)-d)果蝇在接受干扰刺激（吹风(b)，电击(c)，蓝光(d)）时行为范式示意图，及其分别在干扰刺激呈现后（72h）和干扰刺激呈现后一小时后（73h），进行记忆检测时的行为表现。图 1.1 果蝇瞬时遗忘的行为范式（图片源自6）DAMB 受体的表达降低后，果蝇的瞬时遗忘现象也随之消失。由此可见多巴胺在调节瞬时遗忘与记忆提取过程中起到了至关重要的作用。而在以往的研究中，人们认为多巴胺与学习记忆密切相关。这一神经递质被认为参与到学习记忆过程中相关环路突触的可塑性。可见，为了更全面的了解生物神经系统的工作机制，除了神经元间的组织结构连接、不同神经元在加工不同信息时的响应特性外，神经递质在智能过程中的作用，以及相关的工作机制也是至关重要的。6/52 志上1。图 1.2 在体突触光学成像与扫描电镜成像的关联展示（图片源自1）a)示例神经元的双光子成像效果与电镜重构效果展示图。图左和图右分别是神经元胞体和其树突双光子成像的平均投影。中间两幅图展示了这一神经元的电镜重构结果。箭头指出了对视觉刺激有响应的突触，及其在两种结构图中的定位。b)示例突触的双光子成像平均投影（左）、单层电镜成像图（中），和电镜重构效果（右）。c)图 b 中所示的突触被视觉刺激诱发的神经响应的钙信号。d)图 b 中所示突触及其对应的神经元胞体被视觉刺激诱发响应活动（F/F）的对比。有些突触的响应与胞体相似，有些则不同。在该实验中，Benjamin Scholl 等人首先通过在体双光子成像技术，采集了雪貂初级视皮层中单一椎体神经元及其树突棘的神经活动信号。随后将包含这一神经元的组织进行灌注固定，并使用 SBF-SEM（serial block-face scanning electron microscopy）技术对这一神经元及其树突棘的解剖结构进行高分辨率的扫描电镜成像。经过重构，可以获得该神经元胞体、树突，以及其上每一个突触的头部、颈部、突触后密集区（PSD，postsynaptic density）和突触前终扣（presynaptic bouton）信息。与双光子获得的影像学数据相比，电镜成像获得的超微结构更加复杂多样，对单个突触的重构所获得的结构特征可作为这一突触强度的度量。结合视觉刺激诱发的神经功能信号，该研究未发现支持初级视皮层神经元选择特异性由强突触驱动的证据。相反，他们认为单一神经元的选择特异性，似乎是由被不同刺激激活的全部突触（包括强、弱突触）所共同“投票”所决定的。强突触的响应活动是比较独立的，而弱突触往往在空间上相邻，成簇聚集在一起，而且功能比较一致。因此弱突触可以通过时间上共同响应以及空间上的聚类激活，增强共同组成的联合突触的强度，以此来提高弱突触对胞体响应的影响。这一发现挑战了赫布理论在塑造神经环路中神经元选择特异性上的作用，并且表明了某一神经元 7/52 的选择特异性反映的是其突触前的一大群具有相似特性和不同权重的神经元的共激活作用。电镜成像能够提供在突触水平上足够精细的组织结构与连接信息，而光成像技术则反映了这些精细结构的功能活动。因此光电联合技术的大力发展，为神经科学家探索一些神经活动的基础原则提供了更为直观的视角。1.3 视觉神经元：小鼠视皮层中存在大量低特异性神经元 自从 Hubel 和 Wisel 发现了神经元的朝向选择性，长久以来的观点认为在哺乳动物的初级视觉皮层中，不同的神经元具有不同的选择特异性，这些神经元用以识别特定视野空间中具有特定特征的视觉信息。从初级视皮层到高级视皮层，这些神经元的选择特异性逐渐精细化，从简单的对特定朝向的纹理响应发放，到仅对特定的复杂特征响应发放。但是由于以往研究方法的局限性，人们通常仅对某一特定脑区中对视觉刺激有响应的神经元进行功能特性的检测。那么如果扩大神经元的采集范围至整个初级视觉皮层，或者全部视觉系统中的所有神经元，这一观点是否仍然成立呢？针对这一疑问，Saskia 等人于 2020 年 1 月发表在 Nature Neuroscience 杂志上的工作2，对 Allen Brain Observatory 的开放数据进行了研究。这份名为the Allen Brain Observatory Visual Coding dataset的数据集，包含了约 60，000 个视觉神经元的活动信息。这些神经元分别源自于 12 个转基因品系的 243 只成年清醒小鼠，涵盖了六个视觉区域、四个层内的神经元活动。这些神经元神经活动信号的获得，都遵循严格的采集流程，具有标准化的设备和实验方案，并且具有与刺激驱动响应无关的严格品控。在数据采集时提供的视觉刺激包括：光栅（移动的和静止的）、局部稀疏噪声、自然场景和自然场景视频。图 1.3 标准化数据采集流程及视觉刺激范式（图片源自2）a)每一只小鼠进行大规模数据采集的工作流程示意图。b)用于检测小鼠视皮层神经元响应特性的视觉刺激的标准化实验设计。六组视觉刺激（图左）被分散在三段成像过程中（图右），这三段成像过程分不同天进行。AB 8/52 依据神经元对不同视觉刺激的响应活动，对这些神经元进行分类，并通过神经响应模型对神经元的功能响应分类进行验证。这一模型包含了视觉神经生理学建模中发现的大多数基本特征，以及小鼠的奔跑速度。结果发现，对于一类神经元而言，模型能够很好的预测其对人工视觉刺激和自然视觉刺激的响应。但是对于许多神经元而言，模型的预测并不佳。尤其是其中最大的一类神经元，它们似乎对任何刺激都没有稳定的响应，并且随着视觉皮层级别的升高，这一类神经元的数量在逐渐增多。这个结果表明，仍然有许多神经元并没有按照人们预期的模式响应发放，它们的响应模式多变且特异性低，而这一现象在高级视觉皮层中更为明显。这一实验展示了，获得大量的、无偏差的神经响应数据，对于准确理解神经系统的计算机制是十分重要的，也表明之前的视觉神经元-特定视野空间-特定特征的视觉信息模型的局限性。图 1.4 神经元响应视觉刺激的比例（图片源自2）a)在不同视皮层中至少对一种视觉刺激响应的神经元的百分比。b)不同视皮层中对特定类型视觉刺激响应的神经元的百分比。1.4 视觉系统：小鼠视觉系统的功能层级 哺乳动物视觉系统的特点是具有层级结构。不仅是在解剖结构上，功能上也具有层级现象。源自于外界的视觉信息通过视网膜传递至高级视觉皮层，信息会经历层层加工、提取与传递。依据这一架构，人工神经网络的建立也获得了许多启发。AlexNet 是 Hinton 与其学生Alex Krizhevsky 设计的一个卷积神经网络，并获得 2012 年 ImageNet 竞赛的冠军。这一网络的出现，将计算机视觉的研究带入了一个新的高潮。如今越来越多的研究发现，AlexNet 对图像的加工与人类的视觉系统有着很多相似之处。比如二者对物体特征的识别均从简单向复杂演化；而且在人脑视觉系统与 AlexNet 的不同层级中，对相同一组图片的表征相似性矩阵（RDM）也是十分相似的。但是由于技术上的挑战，同时记录哺乳动物多个脑区的神经活动较为困难，因此长久以来一直缺乏在细胞水平直接观察不同层级的功能以及跨层级的交互作用。2021 年1 月，来自于艾伦研究所的 Joshua H.Siegle 等人，通过构建新型的神经电信号记录系统和神经像素电极阵列（Neuropixels），成功的观察到了小鼠视觉系统的功能层级活动。相关工作发表在 Nature 杂志上3。在实验中，小鼠需要接受移动的光栅 全屏闪烁和局部的 Gabor 光栅等视觉刺激，并通过 Neuropixels 记录鼠脑中 6 个视觉相关皮层和两个丘脑视觉核团中约 100，000个神经元的动作电位。在以往的研究中，人们并不确定鼠脑是否也如灵长类一样，存在视觉系统的功能层级。而本实验中的发现指出，鼠脑的 V1 神经元总是先于其它区域的神经元活动，AM 区域（antero-medial area）神经元总是晚于其它区域活动。这一现象暗示了小鼠的视觉系统也存在功能层级的结构。进一步的研究发现，随着层级的升高，各对应区域视觉反应的延迟也随之增加，感受野大小逐渐增大，其感受野的复杂度也逐渐增加。并且高级区域对反应的衰减时间也相对更长。而且实验还发现，这些神经活动与行为选择之间的相关性也沿着层级结构增加。应用新的实验技术，该研究为理解信息编码与信号在视皮层与丘脑视觉核团中的逐级传AB 9/52 递提供了基础。图 1.5 探针定位与解剖组织层级（图片源自3）a)探针插入视觉皮层（V1,LM,AL,RL,AM,PM）和丘脑（LGN，LP）组织的轨迹示意图。b)依据参考文献计算的八个感兴趣区域的解剖学层级评分。随着电生理技术的不断优化，人们可以同时记录越来越多的神经元的神经活动。此时科学家对神经系统的探索，便可以不再局限于单一脑区的少量神经元。结合更多脑区间的相互作用信息，研究人员可以建立信息量更为丰富的系统模型。这不仅会拓宽人们对神经系统工作机制的理解，发现新的、或者以往无法直观观测的现象，有时还会对以往的理论提出新的观点。1.5 全脑结构连接组：全连接组测序快速构建小鼠全脑连接组图谱 电镜成像技术，可以通过采集十分精细的脑组织结构信息并进行重构，来获得生物脑的全联接图谱。但是这样的工作将会消耗大量的时间与人力，因为成本昂贵，往往仅对少量样本进行，难以处理大量样本。而用传统的病毒示踪法绘制脑内长距离连接组图谱，单一样本中仅能够绘制少量的连接，要做到全脑连接组，便需要将多个样本的数据进行汇总。2020 年 7 月，黄龙文等人发表在 Cell 杂志上的工作4，提供了一种能够快速、高效、低价格实现全脑绘制长距离连接组的技术BRICseq（Brain-wide individual-animal connectome sequencing）。在这项新的全脑连接组测序技术中，研究者使用核酸条形码作为示踪剂，来标记与追踪单个神经元的长距离投射。核酸分子具有无穷的多样性，使用核酸条形码标记神经元，不仅避免了传统方法中示踪剂颜色数目的局限性，还能够通过测序技术来提高长距离连接组的测绘通量。在实验中，研究者将携带有大量、多样且独特的核酸条码的病毒注入到小鼠的右侧大脑半球中。病毒感染神经元，并将扩增的核酸分子定位在神经元轴突的末端。经过扩增，神经元胞体中的核酸丰度要显著高于其在轴突中的丰度。因此通过测序技术，便能够获得哪些脑区中包含同一个神经元的胞体及轴突（即，可以检测到相同核酸条码），以及这一神经元是从哪一个脑区投射至其它脑区的。将充分进行病毒表达后的鼠脑分割成若干小块，然后通过对每一个小块中的核酸条码进行测序分析，便可以获得小鼠的全脑长距离连接组。通过将 BRICseq 技术应用于小鼠的新皮层，研究人员发现少量基因的空间表达模式，能够预测皮层间的长距离连接。AB 10/52 而皮层间解剖学上的连接强度，则与皮层间的功能连接强度十分相关。这一结果提示了大脑的基因表达、连接模式和神经活动间可能存在简单而直接的关联。另外，研究者还利用 BRICseq技术重现了 BTBR 品系小鼠的脑连接缺陷。这意味着该项技术将在研究检测一些神经连接缺陷的疾病动物模型中，发挥重要的作用。BRICseq 技术的出现，将使得全脑尺度的基因表达、结构连接、神经活动和行为学数据能够整合在一起，从而更为全面的探究脑的工作机制。生物脑内大量神经元间的长距离与短距离连接，为生物的脑网络提供了“硬件”基础。虽然以往的研究已发现，神经系统的运行受到多方面因素的调节，单纯的获得硬件连接的信息，还远不足以充分解析生物智能的工作机制。但正如上文中对单一神经元精细结构的获得，有助于人们更好的理解神经活动的基础原则一样；开发快速、方便的全连接组图谱绘制技术，能够在全脑尺度上高效、大规模的获得神经元间，以及脑区间的组织连接关系，必将为人们理解神经系统的工作机制提供有力的支撑。图 1.6 BRICseq 技术绘制的全脑皮层连接组及各区域连接强度分析（图片源自4）a)BL6-1 小鼠全脑皮层中分割出的组织小块与组织小块间的连接示意图。b)鼠脑分割出的各小块组织间的连接强度分析。纵坐标代表源组织，纵坐标代表目标组织。图中已按照各组织所属的脑区进行了分类。1.6 全脑功能连接组：高通量全脑成像辅助预测斑马鱼决策行为 由于技术上的挑战，以往对生物脑的研究多集中在局部脑区。随着光学成像技术的兴起，结合斑马鱼幼鱼这样一种神经网络规模适中，且脑组织高度透明的模式生物，使得高通量的全脑成像成为可能。并且随着光片、光场显微成像技术的逐步发展，人们可以在更高的时间分辨率上获得生物全脑的神经活动信息。这就使得人们可以实时检测完整的生物脑在进行信息加工时的活动，这将为理解神经系统的工作机制提供更为丰富的信息。对生物智能过程的尽量如实的还原，也将有助于对生物智能进行仿真，为开发功能更为优化的类脑神经网络提供助力。2020 年 1 月 Qian Lin 等人在 Cell 杂志上发表的工作5，通过在全脑范围内对目标引导的决策行为进行研究，揭示了斑马鱼的小脑在认知功能上的作用。在外界刺激的作用下，生物会形成趋利避害的学习记忆，然后通过目标引导的行为对不同的外界环境作出相应的响应。Qian Lin 等人通过建立操作条件化范式，来研究斑马鱼幼鱼运动选择行为的神经基础。在实验中，实验者会在斑马鱼幼鱼的头部放置一个热源，通过加热向幼鱼施加一种厌恶刺激。当幼鱼的尾巴向目标方向（向左或向右）摆动时，热源的加热便会停止，否则（其它尾动情况）则会持续加热。经过少量试次的训练，幼鱼能够学会这一行为。这一范式涉及到了感觉输入、信 11/52 息整合、学习记忆、决策和目标引导的运动等多种神经认知过程。在执行任务的过程中，实验者通过自制的光场显微镜，在幼鱼的全脑范围内实时采集神经活动。经过对多个脑区中约 5000 个最为活跃的神经元进行追踪，发现参与这一行为任务的神经元分布在整个前脑、中脑和后脑前部。由此可见这一行为的执行，需要整合多个脑区的信息。依据 t-SNE 非线性降维分析，这些神经元可被划分成 6 个具有不同功能特征和解剖区域定位的神经元类群。每一个类群都参与到这一行为任务的不同阶段。比如类群 1 与热刺激的出现有关，类群 6 与热刺激的消失有关。经过分析这些神经元的响应模式，实验者能够依据神经活动在单个试次中运动发起前的 10s 以上，预测幼鱼即将发起的运动方向。他们发现，在一个个试次中，幼鱼的“脑状态”（即所有神经元在特定时间的活动状态）呈现周期性的动力学变化。在执行运动前，不同运动方向的决策会呈现出显著不同的脑状态。依据这些神经活动上的差异，能够成功的预测幼鱼接下来的尾动行为，无论在这一个试次中幼鱼决策时间的长短。然后在新的试次中，脑状态变化又会进入新的循环。这些神经活动的动力学变化产生于分布式神经网络，这一网络的功能连接会在试次间发生变化。人们发现在执行行为任务正确的试次中，在运动发起前，幼鱼同侧小脑（ipsi CB，ipsilateral cerebellum）与缰核（Hb，habenula）间的神经活动的相关性，要显著高于错误的试次。对于形成正确决策的运动计划，脑区内与脑区间的信息整合与调节是十分必要的。经过进一步的分析认为，幼鱼的小脑和 ARTR 区域（anterior rhombencephalic turning region）中的信号，对于尾动的方向决策具有最强的预测性。在进行运动计划过程中，小脑同侧和对侧半球的神经活动差异构成了方向决策的神经基础。神经响应更强的一侧，决定了方向选择的输出。而双侧小脑的群体神经活动编码了每一个试次中神经系统作出决策的时间。在以往的研究中，人们普遍认为小脑主要与运动相关。而这项研究则发现了小脑的认知作用，及其在运动计划中的重要性。在实验中，人们还发现小脑中的颗粒细胞的神经活动对于运AB图 1.7 斑马鱼的操作条件化范式（图片源自5）a)斑马鱼幼鱼的操作条件化范式。幼鱼的头部施加一个红外线激光热源，如果幼鱼在刺激呈现时向目标方向摆尾，则会诱发热源关闭，否则热刺激会持续呈现。在 block 2 中，目标方向会切换至另一侧。b)无论是 block 1 还是 block 2，幼鱼均能够快速学会向目标方向摆尾，以减轻厌恶刺激。其准确率在 15 个试次左右趋于稳定。12/52 动的决策预测是十分重要的。在以往的研究中，人们曾发现颗粒细胞也参与到学习记忆之中。可见这一实验使人们对小脑颗粒细胞的功能有了新的了解。此外这一实验结果还反映了，目标引导的行为需要多个脑区的共同参与，因此在日后的研究中，更多的获得跨脑区的神经信号，将有助于我们更全面的探索感觉运动整合的机制。斑马鱼幼鱼的优势在于能够进行高通量的在体光学成像。新型光学成像技术的不断优化，不仅在成像视野的水平上获得了提高，在成像的空间分辨率与时间分辨率的纬度上，也获得了较大的突破。这使得研究者不仅能够直接观测到单个神经元的活动，还能够更准确的分析神经活动的时间关系。这使得人们向更高还原度的检测神经系统的信息加工过程迈进了一步。图 1.8 参与行为加工的神经元位于的脑区及工作机制示意图（图片源自5）a)t-SNE 非线性降维分析划分的神经元类群，及其在斑马鱼幼鱼脑中的定位。b)斑马鱼小脑神经元的活动信号可以在运动发生前 10s 预测决策方向。同侧与对侧小脑半球神经活动的竞争决定鱼尾运动方向，两个半球的神经元群体的神经活动共同编码决策时间。1.7 认知理论:新证据引发修订传统认知理论的思考 随着脑成像、神经信号采集、神经调控等相关技术手段的更新与发展，人们对大脑的工作机制有了更深入的了解。与此同时，研究者们也发现了一些难以采用传统认知理论合理解释的新证据，例如 2020 年发表在Trends in Cognitive Sciences的两篇文章，分别就视觉通路7和人类海马神经元记忆编码8提出了新的观点和建议。传统模型认为，灵长类动物的视觉系统可以分为两个通路：以颞叶为代表的腹侧通路（what通路，负责辨认客体），和以顶叶为代表的背侧通路（where 通路或 how 通路，负责客体定位或为抓握、操作做准备）。然而，David Pitcher 等在Trends in Cognitive Sciences发表观点称，越来越多的证据提示人类和非人灵长类动物大脑外侧表面存在第三条视觉通路7。在解剖结构上，这条通路起始于早期视皮层，经由运动选择区（V5/MT），投射到颞上沟（STS）。与背侧和腹侧通路隔离（图 1.9）。在功能上，第三条视觉通路也与其他两条通路不同，它选择性地对运动中的面孔和身体做出反应，可根据动态的社交线索计算一系列较高级的社会认知功能（例如表情、注视、视听融合、意图和情绪等）。基于这些证据，David 等认为，第三条视觉AB 13/52 通路是计算面部信息以支持动态且不断变化的社交互动过程的关键，有必要在传统的背侧和腹侧视觉通路模型的基础上添加第三条通路的定义。图 1.9 第三通路的皮质连接（红色）（图片源自7）另一项颠覆传统认知的研究是关于人类海马记忆编码原理的探讨。在以往的研究中，来自理论、模型以及大鼠和猴子的单神经元记录实验等证据表明，模式分离是大鼠和猴子海马记忆编码的基本原理，而人类差异性 fMRI 激活的证据也反映了模式分离的过程。但是，莱斯特大学研究者 Rodrigo Quian Quiroga 基于人类单神经元信号采集的证据在 Trends in Cognitive Sciences发表观点称，人类海马中的记忆编码可能不存在模式分离8，这一结论对解释人类独具的认知能力（比如概括能力、创造性和抽象思维能力等）具有深远的影响。在该项研究中，Rodrigo 等人对内侧颞叶（MTL）植有电极的药物难治型癫痫患者进行了单神经元电信号采集，结果显示某些细胞只对特定的概念有反应（称为“概念细胞”）。例如，图 1.10A 展示的神经元仅有选择地对演员成龙的面孔及其名字响应，对其他面孔和物体则没有反应。此外，人类 MTL 神经元也可以对有关联的概念响应。如图 1.10B 中的神经元，对演员尼尔森的面孔图片和飞机的两张图片都做出了响应。这两张在视觉特征上几乎没有相似性的图片，都与尼尔森主演的电影飞机有关，属于相关联的概念。进一步分析发现，对同一概念的不同形式或两个关联概念有反应的 MTL 神经元，在响应强度和潜伏期上都是难以区分的。Rodrigo 认为这体现 （A)海马区某神经元对成龙的三张面孔图片、成龙的姓名音频以及成龙的姓名文本图片的响应。（B)海马区另一个对飞机图片及尼尔森的面孔图片的响应，前三个图片与尼尔森主演的电影飞机有关，该神经元对后两张无关图片无响应。（C)MTL 神经元对成龙的不同图片、成龙的面孔图片与姓名文本图片、不同但相关的两个人（成龙和李小龙）的图片，以及不同也不相关的两个人（成龙和梅西）的图片的经验发放概率。图 1.10 人类 MTL 神经元对概念和关联的编码（图片源自8）14/52 了一种类似二进制的编码机制，即 MTL 的神经元大多以同样的发放模式响应相同身份的面孔图片（因为它们在记忆功能上所传达的含义相同）；针对很相关的两种身份的面孔则保持不同的响应形式，但概念神经元可以将它们联系在一起（图 1.10C）。在 Rodrigo 的研究中，另一个有趣的结论是可以通过让被试学习概念间的新关联来调节MTL 神经元的响应。例如，图 1.11A 展示了某个神经元最初对演员布洛林的面孔（P）响应，而对单独的埃菲尔铁塔图片（NP）没有响应。而在被试观看了带有布洛林的艾菲尔铁塔图片后，得知了这两种刺激之间是相互关联的，之后该神经元也开始对没有布洛林的艾菲尔铁塔图片做出响应（图 1.11B）。1.8 总结与展望 在过去的一年里，随着新型实验技术的发展与应用，我们对认知功能的神经基础从微观到宏观都有了突破性的认识。如 1.1 所介绍，光学成像与电镜成像技术相结合，揭示了“强突触”和“弱突触”在视觉选择特异性的树突计算过程中同样重要。又如 1.7 中，通过回顾积累多年的人类在体单神经元结果，研究中提出海马中可能存在可以进行学习的，不拘泥于感觉输入模态的“概念细胞”。然而这些突破，对于我们庞杂的认知功能来说，只属冰山一角，未来尚有大量的“谜团”亟待探索。对于