PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關(guān)注，點亮星標(biāo) ??

不錯過每日前沿資訊

認知神經(jīng)科學(xué)前沿文獻分享

基本信息

Title:The effects of task similarity during representation learning in brains and neural networks

發(fā)表時間：2025.11.29

發(fā)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

人類的認知系統(tǒng)面臨著一個巨大的挑戰(zhàn)：環(huán)境極其復(fù)雜，但我們必須做出快速且適應(yīng)性的行為決策。為了解決這一問題，大腦并不總是死記硬背每一個感官輸入的細節(jié)，而是試圖從繁雜的信息中提取出抽象的低維結(jié)構(gòu)或規(guī)則。理論上，如果在不同的任務(wù)之間識別出這種共享的結(jié)構(gòu)，應(yīng)該能夠通過泛化和遷移學(xué)習(xí)來促進學(xué)習(xí)效率。例如，通過觀察植物生長與光照和水分的關(guān)系，我們能夠建立一個內(nèi)部模型，并將其推廣到類似的新情境中。

然而，這種 “舉一反三” 的能力是否總是奏效？認知神經(jīng)科學(xué)領(lǐng)域一直存在一個關(guān)于表征（Representation）與遷移（Transfer）的爭論：共享的表征究竟是加速了學(xué)習(xí)，還是引發(fā)了干擾？盡管已有的機器學(xué)習(xí)和神經(jīng)科學(xué)研究表明，利用任務(wù)間的相似性可以提高效率，但人類大腦如何在動態(tài)學(xué)習(xí)過程中構(gòu)建這些表征，以及任務(wù)相似性在何種條件下會轉(zhuǎn)變?yōu)橐环N負擔(dān)，目前仍知之甚少。

本研究結(jié)合了行為實驗、腦磁圖（MEG）和人工神經(jīng)網(wǎng)絡(luò)（ANN）建模，挑戰(zhàn)了“相似結(jié)構(gòu)總是促進學(xué)習(xí)”的傳統(tǒng)假設(shè)，揭示了任務(wù)相似性、神經(jīng)動力學(xué)與行為表現(xiàn)之間復(fù)雜的相互作用 。

研究核心總結(jié)

本研究通過設(shè)計一項需要被試在“概念任務(wù)”（基于抽象特征）和“空間任務(wù)”（基于位置特征）之間交替學(xué)習(xí)的實驗，通過改變兩類任務(wù)底層結(jié)構(gòu)的相似性（相同結(jié)構(gòu)組 vs. 不同結(jié)構(gòu)組），揭示了表征學(xué)習(xí)中的干擾-正交化機制。

Fig. 1 | Stimuli, Task Structures and Trial Structure.

“相似性詛咒”：共享結(jié)構(gòu)導(dǎo)致學(xué)習(xí)初期的行為干擾

研究發(fā)現(xiàn)了一個反直覺的現(xiàn)象：在訓(xùn)練階段，任務(wù)結(jié)構(gòu)完全相同的被試組（SameSt），其學(xué)習(xí)表現(xiàn)反而顯著差于任務(wù)結(jié)構(gòu)正交的被試組（DiffSt）。這意味著，簡單的結(jié)構(gòu)共享并沒有像預(yù)期那樣促進遷移，反而因為任務(wù)間的高度重疊引發(fā)了認知干擾。只有經(jīng)過充分練習(xí)后，這種性能差距才在測試階段消失。

Fig. 2 | General performance and generalization.

Fig. 3 | Model distances.

神經(jīng)機制：從“相關(guān)”到“反相關(guān)”的動態(tài)重組

利用表征相似性分析（RSA）對MEG數(shù)據(jù)的解碼顯示，這種行為干擾與大腦的神經(jīng)表征幾何密切相關(guān) 。

Fig. 4 | Cross-domain representations during training.

• 初始階段：相同結(jié)構(gòu)組（SameSt）的神經(jīng)表征表現(xiàn)出顯著的跨任務(wù)正相關(guān)。這種高度重疊的神經(jīng)活動模式雖然反映了客觀的任務(wù)結(jié)構(gòu)，但卻阻礙了大腦區(qū)分不同任務(wù)情境，導(dǎo)致了行為上的干擾。相反，不同結(jié)構(gòu)組（DiffSt）的表征一開始就是反相關(guān)的，這種天然的分離有助于減少干擾 。

• 學(xué)習(xí)重塑：關(guān)鍵的發(fā)現(xiàn)是，隨著練習(xí)的進行，相同結(jié)構(gòu)組的大腦發(fā)生了一種表征重組。在測試階段，他們的神經(jīng)表征從正相關(guān)轉(zhuǎn)變?yōu)轭愃朴诓煌Y(jié)構(gòu)組的反相關(guān)模式。這表明，為了克服干擾，大腦必須主動將共享結(jié)構(gòu)的任務(wù)表征進行正交化，將其投射到不同的神經(jīng)子空間中 。

Fig. 5 | Cross-domain representations during testing sessions.

計算驗證：神經(jīng)網(wǎng)絡(luò)中的正交化代價

人工神經(jīng)網(wǎng)絡(luò)（ANN）模型的模擬結(jié)果進一步證實了這一機制：當(dāng)輸入特征在低維流形上較為相似（非正交）時，網(wǎng)絡(luò)需要更多的訓(xùn)練迭代次數(shù)來將這些表征正交化，以實現(xiàn)可靠的任務(wù)性能。這解釋了為何結(jié)構(gòu)相似的任務(wù)在人類學(xué)習(xí)初期反而更慢：因為大腦需要額外的計算成本來“拆分”這些重疊的表征以避免災(zāi)難性干擾 。

Fig. 6 | Schematic and learning performance of the neural network across different input structures and tasks.

綜上所述，本研究提出了一種動態(tài)的表征學(xué)習(xí)觀點：盡管共享結(jié)構(gòu)是泛化的基礎(chǔ)，但在多任務(wù)學(xué)習(xí)中，大腦必須在利用共享結(jié)構(gòu)與分離任務(wù)表征之間取得平衡。有效的學(xué)習(xí)往往伴隨著將相似任務(wù)的表征推向互不干擾的神經(jīng)子空間的過程 。

Abstract

The complexity of our environment poses significant challenges for adaptive behavior. Recognizing shared structures across tasks can theoretically improve learning through generalization. However, how such shared representations emerge and influence performance remains poorly understood. Contrary to expectations, our findings revealed that individuals trained on tasks with similar low-dimensional structures performed worse than those trained on dissimilar tasks. Magnetoencephalography revealed correlated neural representations in the same-structure group and anticorrelated ones in the different-structure group. Crucially, practice reduced this performance gap and shifted the neural representations of the tasks in the same-structure group towards anticorrelation, resembling those in the different-structure group. A neural network model trained on similar tasks replicated these findings: tasks with similar structures require more iterations to orthogonalize their representations. These results highlight a complex interplay between task similarity, neural dynamics, and behavior, challenging traditional assumptions about learning and generalization.

請打分

這篇剛剛登上Nature Communications的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區(qū)分享您的深度見解。

前沿交流|歡迎加入認知神經(jīng)科學(xué)前沿交流群！

核心圖表、方法細節(jié)、統(tǒng)計結(jié)果與討論見原文及其拓展數(shù)據(jù)。

分享人：飯哥

審核：PsyBrain 腦心前沿編輯部