Nat Commun | 行為背后的隱秘法則：如何通過前額葉表征幾何推斷大腦的“潛伏策略”？

認知神經科學前沿文獻分享

基本信息

Title:Inferring latent behavioral strategy from the representational geometry of prefrontal cortex activity

發表時間:2026-02-17

發表期刊:Nature Communications

影響因子:15.7

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

在面對同一個認知任務時，生物體往往可以采用多種不同的內部狀態或法則來達成目標，這些不同的路徑被稱為“任務策略”。有趣的是，有些策略會導致明顯的行為差異，比如反應時間的快慢或準確率的高低；但還有一些策略，它們最終產生的行為結果完全一致。這類無法通過外部行為表現來區分的策略，被稱為“隱性策略”（latent strategies）。

長期以來，認知科學對策略的研究大多集中在那些行為上可見的差異。隱性策略由于難以被直接觀測，往往被研究者忽略。即使我們用參數化模型去擬合神經活動，通常也只能揭示底層的神經實現機制，而無法回答動物在認知層面上究竟選用了哪套策略。

為了打破這一僵局，近期發表于《Nature Communications》的一項研究提出了一種巧妙的跨界比對思路。研究者訓練了循環神經網絡（RNN）來模擬執行同一任務的不同策略，隨后將獼猴前額葉皮層的真實神經活動與這些RNN模型的“表征幾何”（representational geometry）進行對比。通過這種方法，研究者成功推斷出了獼猴在工作記憶任務中真正使用的隱性策略。

研究核心總結

這項研究的核心在于將復雜的認知策略具象化為神經網絡中的高維空間幾何特征。研究者訓練獼猴和RNN模型完成一項“工作記憶更新任務”，并重點考察了兩種可能的隱性策略。

一、 兩種截然不同的工作記憶策略

在任務中，受試者需要先記住第一個目標（Item 1），經過一段延遲期后，可能會出現一個干擾項，也可能會出現一個新的目標（Item 2）來替換舊目標。最終，受試者需要報告最后一個有效目標的位置。

針對這個任務，存在兩種潛在的解決策略。第一種是“召回時提取”（Retrieve at Recall, R@R），即在早期階段先將記憶信息存儲在一個無注意力的獨立神經子空間中，直到最后需要做決定時，才將信息旋轉提取到用于輸出的“讀取子空間”。第二種是“復述與更新”（Rehearse and Update, R&U），即從一開始就將信息直接加載到讀取子空間中，并在新目標出現時直接在線覆蓋更新。研究者分別約束RNN模型學會了這兩種策略，并記錄了獼猴外側前額葉（LPFC）和弓狀溝前區（PAC）的神經活動。

Fig 1. 獼猴執行的工作記憶更新任務范式，以及兩種不同策略（R@R與R&U）在RNN模型中的輸入輸出活動設計。

為了初步評估大腦究竟傾向于哪種策略，研究者首先在全狀態空間下進行了跨時間解碼分析。結果顯示，在延遲期內，LPFC和PAC的神經群體都表現出了高度穩定的目標位置編碼。

這種穩定且跨時間泛化的代碼特征，與采用R&U策略的RNN模型高度一致。相反，采用R@R策略的RNN模型在早期延遲階段表現出了高度動態的編碼特征，且在面對干擾項時，其目標代碼會發生顯著的“變形”（morphing）。這一結果初步暗示，獼猴大腦采用的是持續復述并在線更新的策略。

Fig 2. 全狀態空間下的跨時間解碼準確率與代碼穩定性分析，顯示兩個大腦區域的編碼特征與R&U模型高度一致。

解碼分析雖然有效，但相對粗糙。為了更精確地刻畫神經表征，研究者進一步分析了編碼目標位置的神經活動子空間的幾何關系。

如果大腦采用R@R策略，那么早期記憶和晚期記憶應該存儲在不同的（正交或旋轉的）子空間中；如果采用R&U策略，兩者應該共享同一個子空間。幾何分析表明，LPFC、PAC以及R&U模型中，編碼早期目標和晚期目標的子空間是高度共面（coplanar）且對齊（aligned）的，代碼可以在兩個子空間之間完美遷移。而R@R模型則完全不具備這些共面與對齊特征。

Fig 3. 目標位置編碼子空間的幾何關系（共面性與對齊度）及代碼可遷移性，進一步證實了大腦未采用R@R策略。

最后，研究者將神經群體活動直接投影到最終驅動行為的“讀取子空間”上，觀察表征軌跡隨時間的漂移情況。

在遇到干擾項的試驗中，由于目標位置沒有改變，R&U模型以及獼猴的LPFC和PAC在讀取子空間上的投影幾乎沒有發生漂移。然而，R@R模型由于需要將早期無注意格式的信息重新格式化并轉移到讀取子空間，其軌跡出現了巨大的漂移。這一決定性的幾何特征差異，徹底鎖定了獼猴的真實行為法則：它們在任務中始終維持著一個可直接讀取的表征空間，并采用R&U策略來解決工作記憶更新問題。

Fig 4. 神經群體狀態在“讀取子空間”上的投影軌跡，直觀展示了不同策略下表征隨時間的漂移情況。

研究意義

這項工作為認知神經科學提供了一個極具啟發性的方法論范式。它證明了，即使在行為輸出完全一致的“黑盒”狀態下，我們依然可以通過對比生物大腦與人工神經網絡的表征幾何特征，來反推有機體正在使用的隱性認知策略。這種將抽象認知策略轉化為可量化幾何指標的思路，極大地拓展了我們解析神經群體數據的維度。

同時，這項研究也劃定了清晰的邊界。雖然數據強烈支持獼猴在當前任務中使用了“復述與更新”策略，但這并不意味著這是大腦唯一能用的法則。未來的研究可以借此框架進一步追問：大腦在面對多種可行策略時，究竟是如何通過學習來評估代價，并最終做出策略選擇的？這種選擇機制本身，或許隱藏著更深層的智能奧秘。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿