摘要

大腦究竟何時(shí)從“還在權(quán)衡”轉(zhuǎn)向“已經(jīng)決定”？發(fā)表在 Nature 的最新研究給出清晰答案。研究者在大鼠聽(tīng)覺(jué)決策任務(wù)中，結(jié)合 Neuropixels 大規(guī)模神經(jīng)記錄與無(wú)監(jiān)督深度學(xué)習(xí)，發(fā)現(xiàn)感知決策呈現(xiàn)雙階段神經(jīng)動(dòng)力學(xué)：早期由感覺(jué)輸入驅(qū)動(dòng)證據(jù)積累，隨后迅速轉(zhuǎn)入由自主動(dòng)力學(xué)主導(dǎo)的決策承諾階段。兩階段神經(jīng)模式近乎正交，并由“神經(jīng)推斷承諾時(shí)間”（nTc）精準(zhǔn)標(biāo)記。該發(fā)現(xiàn)彌合了經(jīng)典決策模型與神經(jīng)機(jī)制之間的關(guān)鍵缺口。

關(guān)鍵詞：感知決策（perceptual decision-making）、神經(jīng)動(dòng)力學(xué)（neural dynamics）、吸引子動(dòng)力學(xué)（attractor dynamics）、決策承諾（decision commitment）、吸引子網(wǎng)絡(luò)（attractor network）、神經(jīng)推斷承諾時(shí)間（neurally inferred time of commitment, nTc）、漂移擴(kuò)散模型（drift diffusion model, DDM）、無(wú)監(jiān)督學(xué)習(xí)（unsupervised learning）

趙思語(yǔ)丨作者

趙思怡丨審校

論文題目：Transitions in dynamical regime and neural mode during perceptual decisions 論文鏈接：https://doi.org/10.1038/s41586-025-09528-4 發(fā)表時(shí)間：2025 年 9 月 17 日 論文來(lái)源：Nature

一、研究背景：解碼大腦決策的核心謎題

感知決策是大腦將模糊感覺(jué)輸入轉(zhuǎn)化為明確行為選擇的核心認(rèn)知過(guò)程，其神經(jīng)機(jī)制是認(rèn)知神經(jīng)科學(xué)的關(guān)鍵探索方向。吸引子動(dòng)力學(xué)（attractor dynamics）理論為該領(lǐng)域提供了核心框架，認(rèn)為感知決策由神經(jīng)元網(wǎng)絡(luò)的穩(wěn)定狀態(tài)演化介導(dǎo)，這一理論已成功解釋運(yùn)動(dòng)規(guī)劃、空間表征等腦功能，推測(cè)神經(jīng)網(wǎng)絡(luò)可通過(guò)動(dòng)力學(xué)計(jì)算完成證據(jù)積累與選擇確定。

然而，現(xiàn)有理論存在關(guān)鍵缺口：決策過(guò)程中群體水平的實(shí)際神經(jīng)動(dòng)力學(xué)特征尚未被直接估算，經(jīng)典模型難以整合神經(jīng)層面的復(fù)雜反應(yīng)與行為數(shù)據(jù)的關(guān)聯(lián)性。而深度學(xué)習(xí)技術(shù)的發(fā)展為突破這一瓶頸提供了可能，數(shù)據(jù)驅(qū)動(dòng)方法可從大規(guī)模神經(jīng)元記錄中挖掘低維神經(jīng)活動(dòng)規(guī)律。

本研究立足上述背景，結(jié)合吸引子動(dòng)力學(xué)理論與無(wú)監(jiān)督深度學(xué)習(xí)方法，通過(guò)同步記錄大鼠前額葉皮層（frontal cortex）和紋狀體（striatum）的神經(jīng)元活動(dòng)，聚焦聽(tīng)覺(jué)證據(jù)積累過(guò)程，旨在解析感知決策背后的核心神經(jīng)動(dòng)力學(xué)機(jī)制。

二、研究設(shè)計(jì)：從動(dòng)物模型到技術(shù)突破

為了深入探究決策相關(guān)的神經(jīng)動(dòng)力學(xué)，研究團(tuán)隊(duì)設(shè)計(jì)了一套嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)方案，涵蓋動(dòng)物行為訓(xùn)練、神經(jīng)記錄和數(shù)據(jù)分析等多個(gè)環(huán)節(jié)。

（一）行為任務(wù)設(shè)計(jì)

研究人員訓(xùn)練大鼠完成一項(xiàng)聽(tīng)覺(jué)辨別任務(wù)。大鼠需要將頭部固定，傾聽(tīng)來(lái)自左側(cè)和右側(cè)揚(yáng)聲器的隨機(jī)定時(shí)點(diǎn)擊聲。任務(wù)的核心是，大鼠要積累聽(tīng)覺(jué)證據(jù) —— 也就是左右兩側(cè)的點(diǎn)擊聲數(shù)量信息，每一次點(diǎn)擊都是一次可用于判斷的 “證據(jù)單元”，待刺激結(jié)束后轉(zhuǎn)向點(diǎn)擊聲更多的一側(cè)以獲得水獎(jiǎng)勵(lì)。值得注意的是，大鼠最早的反應(yīng)時(shí)間被固定在鼻尖插入中心端口后的 1.5 秒，這一設(shè)計(jì)避免了反應(yīng)時(shí)范式的干擾，讓大鼠有充足時(shí)間完成證據(jù)積累與決策。實(shí)驗(yàn)結(jié)果顯示，熟練的大鼠對(duì)聽(tīng)覺(jué)脈沖數(shù)量的微小差異高度敏感，其行為策略與經(jīng)典的漂移擴(kuò)散模型（drift diffusion model, DDM）所描述的證據(jù)積累過(guò)程高度吻合：DDM 的核心正是決策變量隨證據(jù)逐步累加而變化，就像給左右兩側(cè)分別 “計(jì)分”，當(dāng)累計(jì)差值達(dá)到某個(gè)閾值時(shí)，便會(huì)觸發(fā)最終決策，這和大鼠統(tǒng)計(jì)點(diǎn)擊聲數(shù)量、選擇點(diǎn)擊更多一側(cè)的過(guò)程完全一致。

（二）神經(jīng)記錄與技術(shù)方法

在大鼠執(zhí)行任務(wù)的過(guò)程中，研究團(tuán)隊(duì)通過(guò)植入的神經(jīng)像素探針（Neuropixels probes），同時(shí)記錄了六個(gè)前額葉皮層和紋狀體區(qū)域的神經(jīng)元活動(dòng)，每個(gè)記錄會(huì)話平均能捕捉到 318±147 個(gè)神經(jīng)元的信號(hào)。為了從復(fù)雜的神經(jīng)信號(hào)中提取動(dòng)力學(xué)特征，研究團(tuán)隊(duì)采用了一種創(chuàng)新的深度學(xué)習(xí)方法 ——FINDR（flow field inference from neural data using deep recurrent networks）。與其他高維確定性的潛在動(dòng)力學(xué)推斷方法不同，F(xiàn)INDR 能夠推斷低維、隨機(jī)的潛在動(dòng)力學(xué)，這種特性與決策過(guò)程中的噪聲特性高度契合，也更利于結(jié)果的解讀。該方法通過(guò)一個(gè)門控多層感知器網(wǎng)絡(luò)近似決策相關(guān)的動(dòng)力學(xué)函數(shù)，借助這個(gè)函數(shù)量化神經(jīng)狀態(tài)隨時(shí)間的演變規(guī)律，還原出決策過(guò)程中神經(jīng)群體的動(dòng)態(tài)流動(dòng)模式，并將噪聲建模為高斯分布，同時(shí)考慮了每個(gè)神經(jīng)元與決策無(wú)關(guān)的時(shí)變基線發(fā)放率，確保模型能聚焦于選擇形成過(guò)程。

（三）模型構(gòu)建與驗(yàn)證

為了檢驗(yàn)現(xiàn)有的吸引子假說(shuō)，并發(fā)現(xiàn)潛在的未知?jiǎng)恿W(xué)，研究團(tuán)隊(duì)構(gòu)建了兩種核心模型：一是無(wú)約束的 FINDR 模型，純粹基于神經(jīng)發(fā)放數(shù)據(jù)和感覺(jué)輸入時(shí)間進(jìn)行推斷，不納入任何現(xiàn)有假說(shuō)的假設(shè)；二是約束性的cFINDR（constrained FINDR）模型，將動(dòng)力學(xué)參數(shù)限制在現(xiàn)有三種主流吸引子假說(shuō)（雙穩(wěn)吸引子、DDM 線吸引子、非正態(tài)線吸引子）的框架內(nèi)。

研究團(tuán)隊(duì)通過(guò)對(duì)比兩種模型的數(shù)據(jù)擬合度與樣本外預(yù)測(cè)能力發(fā)現(xiàn)：盡管 cFINDR 參數(shù)更少，但 FINDR 對(duì)神經(jīng)數(shù)據(jù)的擬合精度顯著更高，且能更準(zhǔn)確地預(yù)測(cè)未參與訓(xùn)練的神經(jīng)數(shù)據(jù)；而 cFINDR 的擬合效果和樣本外預(yù)測(cè)表現(xiàn)均明顯不足 —— 這說(shuō)明現(xiàn)有吸引子假說(shuō)框架（即 cFINDR 依賴的理論假設(shè)）無(wú)法完整捕捉實(shí)際的神經(jīng)動(dòng)力學(xué)特征。

正是從這種擬合效果的差距中，研究人員識(shí)別出了超出傳統(tǒng)假說(shuō)的新動(dòng)力學(xué)特征：現(xiàn)有假說(shuō)假設(shè)自主動(dòng)力學(xué)在決策全程起主導(dǎo)作用，但 FINDR 的擬合結(jié)果揭示，實(shí)際決策過(guò)程是 “輸入驅(qū)動(dòng)證據(jù)積累→自主動(dòng)力學(xué)主導(dǎo)決策承諾” 的雙階段模式，且兩階段的神經(jīng)流動(dòng)方向基本正交 —— 這一規(guī)律是 cFINDR 受限于傳統(tǒng)假說(shuō)無(wú)法解釋的，也正是通過(guò)兩種模型的擬合對(duì)比被明確發(fā)現(xiàn)的。

此外，基于FINDR發(fā)現(xiàn)的核心動(dòng)力學(xué)特征，研究團(tuán)隊(duì)還開(kāi)發(fā)了一種簡(jiǎn)化的多模式漂移擴(kuò)散模型（multimode drift diffusion model, MMDDM）。該模型保留了經(jīng)典DDM的核心結(jié)構(gòu)，同時(shí)加入了神經(jīng)模式轉(zhuǎn)換的機(jī)制——每個(gè)神經(jīng)元在證據(jù)積累階段和決策承諾階段采用不同的編碼權(quán)重，從而能夠捕捉到多樣化的單神經(jīng)元時(shí)間特征，并精確估計(jì)每個(gè)試驗(yàn)中的決策承諾時(shí)間。

三、核心發(fā)現(xiàn)：決策過(guò)程中的兩次關(guān)鍵轉(zhuǎn)變

通過(guò)對(duì)實(shí)驗(yàn)數(shù)據(jù)的深入分析，研究團(tuán)隊(duì)取得了一系列突破性的發(fā)現(xiàn)，揭示了感知決策過(guò)程中神經(jīng)動(dòng)力學(xué)的核心規(guī)律。

（一）動(dòng)力學(xué)狀態(tài)的雙階段演變

決策過(guò)程的神經(jīng)動(dòng)力學(xué)呈現(xiàn)明確的雙階段特征：初期由感覺(jué)輸入主導(dǎo)，左右兩側(cè)的聽(tīng)覺(jué)點(diǎn)擊作為證據(jù)，推動(dòng)決策變量沿 “證據(jù)積累軸” 演變，此時(shí)自主動(dòng)力學(xué)作用微弱；后期動(dòng)力學(xué)狀態(tài)反轉(zhuǎn)，自主動(dòng)力學(xué)占據(jù)主導(dǎo)，神經(jīng)軌跡脫離感覺(jué)輸入影響，轉(zhuǎn)而沿 “決策承諾軸” 發(fā)展。更關(guān)鍵的是，兩條軸線方向大致正交，導(dǎo)致神經(jīng)軌跡出現(xiàn)明顯彎曲 —— 初期沿輸入驅(qū)動(dòng)方向直線推進(jìn)，后期在自主動(dòng)力學(xué)引導(dǎo)下轉(zhuǎn)向決策承諾方向。這一現(xiàn)象在不同大鼠和行為會(huì)話中穩(wěn)定存在，不受模型參數(shù)或數(shù)據(jù)分割方式影響，是決策過(guò)程固有的神經(jīng)特征。

圖1：該圖為決策過(guò)程中神經(jīng)動(dòng)力學(xué)雙階段轉(zhuǎn)變的核心可視化結(jié)果，基于 dmFC 和 mPFC 區(qū)域 96 個(gè)選擇選擇性神經(jīng)元的記錄數(shù)據(jù)。圖中 c 為自主動(dòng)力學(xué)向量場(chǎng)，箭頭方向代表動(dòng)力學(xué)流動(dòng)方向，顏色深淺對(duì)應(yīng)自主速度（||F (z,0)||），可見(jiàn)左右邊緣區(qū)域自主速度更強(qiáng)；d 為自主動(dòng)力學(xué)速度熱力圖，量化了不同 z 空間位置的自主運(yùn)動(dòng)強(qiáng)度；e 為左右聽(tīng)覺(jué)點(diǎn)擊對(duì)應(yīng)的輸入動(dòng)力學(xué)向量場(chǎng)（F (z,left)-F (z,0) 和 F (z,right)-F (z,0)），箭頭方向反映感覺(jué)輸入對(duì)決策變量 z 的驅(qū)動(dòng)方向，整體呈略順時(shí)針于水平的方向；f 為輸入動(dòng)力學(xué)速度熱力圖，顯示輸入驅(qū)動(dòng)的運(yùn)動(dòng)強(qiáng)度分布；g 為自主與輸入動(dòng)力學(xué)速度差值圖，顏色越偏向負(fù)端表示輸入驅(qū)動(dòng)占優(yōu)，越偏向正端表示自主驅(qū)動(dòng)占優(yōu)，清晰呈現(xiàn)了從輸入主導(dǎo)到自主主導(dǎo)的空間過(guò)渡；h 為不同時(shí)間點(diǎn)（0.33s、0.67s、1.0s）的神經(jīng)軌跡演變，不同顏色代表不同證據(jù)強(qiáng)度的試驗(yàn)，可見(jiàn)初始階段（0.33s）軌跡沿輸入動(dòng)力學(xué)方向（證據(jù)積累軸）直線發(fā)展，后期（1.0s）轉(zhuǎn)向自主動(dòng)力學(xué)方向（決策承諾軸），形成明顯彎曲，直觀印證了 “輸入主導(dǎo)→自主主導(dǎo)” 的動(dòng)力學(xué)狀態(tài)轉(zhuǎn)換及兩階段流動(dòng)方向的正交關(guān)系。

（二）現(xiàn)有吸引子假說(shuō)的局限性

為驗(yàn)證現(xiàn)有理論，研究團(tuán)隊(duì)對(duì)比了無(wú)約束的 FINDR 模型與限定于主流吸引子假說(shuō)的 cFINDR 模型。結(jié)果顯示，盡管 cFINDR 參數(shù)更少，但 FINDR 對(duì)數(shù)據(jù)的擬合效果顯著更優(yōu)，尤其在樣本外預(yù)測(cè)中表現(xiàn)突出。這表明現(xiàn)有吸引子假說(shuō)存在局限性，例如其認(rèn)為自主動(dòng)力學(xué)在整個(gè)決策過(guò)程中均起關(guān)鍵作用，但本研究發(fā)現(xiàn)其僅在后期占據(jù)主導(dǎo)，且無(wú)法解釋決策初期輸入驅(qū)動(dòng)的持續(xù)積累過(guò)程。

（三）神經(jīng)推斷承諾時(shí)間（nTc）的發(fā)現(xiàn)與驗(yàn)證

基于雙階段動(dòng)力學(xué)特征，研究團(tuán)隊(duì)通過(guò) MMDDM 模型提出神經(jīng)推斷承諾時(shí)間，精準(zhǔn)標(biāo)記大鼠下定決心的時(shí)刻。與傳統(tǒng)僅基于行為的估算不同，nTc 結(jié)合神經(jīng)活動(dòng)與行為選擇數(shù)據(jù)，具有顯著的變異性和特異性：它與刺激起始、結(jié)束或運(yùn)動(dòng)反應(yīng)等外部事件無(wú)時(shí)間鎖定，在不同試驗(yàn)中廣泛分布，體現(xiàn)決策承諾的內(nèi)在性；同時(shí)，nTc 是感覺(jué)證據(jù)影響決策的臨界點(diǎn) —— 之前的聽(tīng)覺(jué)點(diǎn)擊會(huì)顯著改變選擇，之后的則無(wú)影響，這一預(yù)測(cè)被行為分析充分驗(yàn)證。此外，nTc 無(wú)法識(shí)別的試驗(yàn)中行為準(zhǔn)確性更低，證據(jù)強(qiáng)度越大越易檢測(cè)到 nTc，進(jìn)一步證實(shí)其是決策承諾的可靠神經(jīng)標(biāo)記物。

圖2：該圖聚焦nTc的核心特征與驗(yàn)證。圖 b 為 nTc 相對(duì)于刺激起始的時(shí)間分布直方圖，共納入 34.7% 可檢測(cè)到 nTc 的試驗(yàn)，可見(jiàn) nTc 在 0-1.0s 范圍內(nèi)廣泛分布，與刺激起始無(wú)鎖定關(guān)系，其頻率隨時(shí)間下降反映了刺激持續(xù)時(shí)間的隨機(jī)性（0.2-1.0s）；圖 c 為 nTc 相對(duì)于運(yùn)動(dòng)反應(yīng)起始（退出中心固定端口）的時(shí)間分布直方圖，nTc 同樣呈現(xiàn)寬范圍變異，最左側(cè)區(qū)間包含 nTc 早于運(yùn)動(dòng)起始 1s 以上的試驗(yàn)，證實(shí)其與外部運(yùn)動(dòng)反應(yīng)無(wú)時(shí)間鎖定；圖 d 為感覺(jué)證據(jù)權(quán)重隨 nTc 相對(duì)時(shí)間的變化曲線（黑色實(shí)線），綠色線為 MMDDM 模型預(yù)測(cè)，陰影為 95% 置信區(qū)間，結(jié)果顯示 nTc 之前（相對(duì)時(shí)間 <0）的聽(tīng)覺(jué)點(diǎn)擊對(duì)決策有顯著影響（權(quán)重> 0），而 nTc 之后（相對(duì)時(shí)間 > 0）權(quán)重急劇降至零，直接驗(yàn)證了 nTc 作為決策承諾臨界點(diǎn)的核心假設(shè)。右側(cè) “Shuffled” 曲線為 nTc 隨機(jī)打亂后的對(duì)照，無(wú)明顯權(quán)重下降趨勢(shì)，進(jìn)一步佐證了結(jié)果的特異性。

（四）單神經(jīng)元特征與腦區(qū)功能分化

研究還發(fā)現(xiàn)，MMDDM 模型能很好地解釋單神經(jīng)元的多樣化時(shí)間特征：斜坡式、階梯式等反應(yīng)模式，均源于決策承諾時(shí)刻神經(jīng)元群體活動(dòng)的快速重組。根據(jù)神經(jīng)元在兩階段的參與程度，可分為三類：均衡參與型表現(xiàn)為斜坡式反應(yīng)，更多參與證據(jù)積累型呈斜坡 - 下降式，更多參與決策承諾型則為階梯式。不同腦區(qū)也存在功能分化：內(nèi)側(cè)前額葉皮層神經(jīng)元在決策初期選擇選擇性達(dá)峰，側(cè)重證據(jù)積累；前額葉定向區(qū)神經(jīng)元后期選擇性最高，聚焦決策承諾，這種分工與神經(jīng)元在兩階段的參與程度高度相關(guān)，揭示了前額葉 - 紋狀體網(wǎng)絡(luò)的協(xié)作模式。

圖3：該圖整合了單神經(jīng)元反應(yīng)特征與腦區(qū)功能分化的核心結(jié)果。圖 a 為三類神經(jīng)元的承諾期神經(jīng)反應(yīng)時(shí)間直方圖（PCTH），左圖是 “更多參與證據(jù)積累” 的神經(jīng)元（n=1529），呈現(xiàn)斜坡 - 下降式反應(yīng)；中圖是 “均衡參與證據(jù)積累與決策承諾” 的神經(jīng)元（n=1116），表現(xiàn)為斜坡式反應(yīng)；右圖是 “更多參與決策承諾” 的神經(jīng)元（n=414），呈現(xiàn)階梯式反應(yīng)，縱坐標(biāo)為偏好選擇與非偏好選擇的發(fā)放率差值（Δspikes / s），陰影為 95% 置信區(qū)間。圖 d 為 MMDDM 與單模式 DDM 的樣本外對(duì)數(shù)似然差值分布（Δbits/(neurons×trials)），證實(shí) MMDDM 對(duì)數(shù)據(jù)的擬合效果更優(yōu)。圖 e 為不同腦區(qū)神經(jīng)元平均選擇選擇性的時(shí)間分布，可見(jiàn) mPFC 神經(jīng)元在決策初期（約 0.2s）選擇性達(dá)峰，而 FOF 神經(jīng)元在決策后期（約 0.8s）選擇性最高，不同腦區(qū)的曲線差異反映了功能分工。圖 g 為各腦區(qū)神經(jīng)元的參與指數(shù)（EI）分布，取值范圍 - 1 至 1，mPFC 神經(jīng)元 EI 更偏向 1（證據(jù)積累主導(dǎo)），F(xiàn)OF 神經(jīng)元 EI 更接近 0（均衡參與），dStr、dmFC 等腦區(qū)介于兩者之間，清晰呈現(xiàn)了從 “證據(jù)積累主導(dǎo)” 到 “均衡參與” 的腦區(qū)功能梯度，且整體腦區(qū)間差異經(jīng) Kruskal-Wallis 檢驗(yàn)具有統(tǒng)計(jì)學(xué)意義（P=1×10???）。

四、討論與意義：重新定義決策的神經(jīng)機(jī)制

本研究通過(guò)同步記錄大鼠前額葉皮層和紋狀體的神經(jīng)元活動(dòng)，結(jié)合無(wú)監(jiān)督深度學(xué)習(xí)與動(dòng)力學(xué)建模，揭示了感知決策的核心神經(jīng)機(jī)制：決策過(guò)程遵循 “輸入驅(qū)動(dòng)證據(jù)積累→自主動(dòng)力學(xué)主導(dǎo)決策承諾” 的雙階段模式，兩階段的神經(jīng)流動(dòng)方向基本正交，而nTc正是這一轉(zhuǎn)變的關(guān)鍵標(biāo)記。

這一發(fā)現(xiàn)具有多重突破性意義：理論層面，“雙階段動(dòng)力學(xué) + 神經(jīng)模式轉(zhuǎn)換” 框架填補(bǔ)了DDM在神經(jīng)層面的解釋空白，既契合其行為特征，又整合了神經(jīng)層面的多樣化反應(yīng)，為構(gòu)建跨尺度決策理論提供了新支撐；方法學(xué)上，“FINDR 無(wú)監(jiān)督發(fā)現(xiàn) + MMDDM 簡(jiǎn)化建?！?的范式，既實(shí)現(xiàn)了低維動(dòng)力學(xué)的客觀挖掘，又通過(guò)神經(jīng)模式轉(zhuǎn)換機(jī)制精準(zhǔn)捕捉單神經(jīng)元特征，為復(fù)雜腦功能研究提供了可借鑒的模板；應(yīng)用價(jià)值上，nTc 作為決策承諾的可靠神經(jīng)標(biāo)記物，不僅為注意力轉(zhuǎn)換、工作記憶更新等認(rèn)知過(guò)程的時(shí)序研究提供了直接指標(biāo)，也為沖動(dòng)決策、猶豫不決等相關(guān)神經(jīng)精神疾病的病理機(jī)制研究與靶向治療提供了潛在靶點(diǎn)。

值得關(guān)注的是，本研究發(fā)現(xiàn)的 “內(nèi)隱” 決策承諾，與反應(yīng)時(shí)范式中 “外顯”（耦合運(yùn)動(dòng)執(zhí)行）的決策信號(hào)存在顯著差異，提示決策機(jī)制的情境依賴性。未來(lái)研究可進(jìn)一步探索不同決策類型（如價(jià)值決策、道德決策）背后動(dòng)力學(xué)的共性與特異性，最終推動(dòng)跨場(chǎng)景、跨物種統(tǒng)一決策神經(jīng)理論的構(gòu)建。

計(jì)算神經(jīng)科學(xué)第三季讀書會(huì)

從單個(gè)神經(jīng)元的放電到全腦范圍的意識(shí)涌現(xiàn)，理解智能的本質(zhì)與演化始終是一個(gè)關(guān)于尺度的問(wèn)題。更值得深思的是，無(wú)論是微觀的突觸可塑性、介觀的皮層模塊自組織，還是宏觀的全局信息廣播，不同尺度的動(dòng)力學(xué)過(guò)程都在共同塑造著認(rèn)知與意識(shí)。這說(shuō)明，對(duì)心智的研究從最初就必須直面一個(gè)核心挑戰(zhàn)：局部的神經(jīng)活動(dòng)如何整合為統(tǒng)一的體驗(yàn)？局域的網(wǎng)絡(luò)連接又如何支撐靈活的智能行為？

繼「」與「」讀書會(huì)后，集智俱樂(lè)部聯(lián)合來(lái)自數(shù)學(xué)、物理學(xué)、生物學(xué)、神經(jīng)科學(xué)和計(jì)算機(jī)的一線研究者共同發(fā)起，跨越微觀、介觀與宏觀的視角，探索意識(shí)與智能的跨尺度計(jì)算、演化與涌現(xiàn)。重點(diǎn)探討物理規(guī)律與人工智能如何幫助我們認(rèn)識(shí)神經(jīng)動(dòng)力學(xué)，以及神經(jīng)活動(dòng)跨尺度的計(jì)算與演化如何構(gòu)建微觀與宏觀、結(jié)構(gòu)與功能之間的橋梁。

詳情請(qǐng)見(jiàn)：

1.

2.

3.

4.

5.

6.

7.