前沿 //Frontier Research

書寫是人類最精密的運動能力之一。然而，我們的大腦究竟如何將復雜的書寫意圖高效轉化為精細、連續(xù)的筆跡，仍是謎題。近期，浙江大學腦與腦機融合前沿科學中心祁玉/王躍明團隊在《Cell Reports》 期刊發(fā)表題為 “Surrogate Deep Neural Networks Reveal Hierarchical Handwriting Encoding in the Human Motor Cortex” 的研究論文。該工作結合運動皮層單神經(jīng)元記錄與任務驅動的代理神經(jīng)網(wǎng)絡，揭示人類大腦在書寫運動中同時編碼高級抽象特征與低級運動參數(shù)的多層級表征結構，為我們理解“人類如何高效書寫”提供了重要神經(jīng)機制證據(jù)，也為復雜精細運動的腦機接口與神經(jīng)解碼研究開辟了新思路。

問題：如何研究復雜運動的編碼機制

漢字書寫是人類文明最精妙的技能之一，這一復雜而連續(xù)的動作背后，隱藏著大腦運動皮層高效而神秘的編碼機制。傳統(tǒng)研究多將運動控制簡化為對速度、位置等基礎運動學參數(shù)的編碼，然而在面對漢字這類結構復雜、富含語義信息的精細任務時，這一解釋模型已顯得力不從心：許多神經(jīng)元實際上并不只響應運動參數(shù)，而是對字形結構、筆畫順序等高階特征表現(xiàn)出強烈的編碼偏好。這表明大腦在控制書寫時，可能運行著一套更深層、更抽象的層級化表征系統(tǒng)。

然而，如何研究這類復雜運動中的高層級神經(jīng)編碼，是一個方法學上的難題。其核心挑戰(zhàn)在于，高層級特征——如與字形、語義、書寫規(guī)劃等相關的抽象信息——本身高度復雜，且難以通過手工設計的特征進行完整描述與量化。這導致研究者雖能觀察到神經(jīng)活動與任務高階成分之間的關聯(lián)，卻難以系統(tǒng)性地揭示其編碼結構與計算原理。

用代理神經(jīng)網(wǎng)絡做復雜運動編碼研究的“探針”

為突破這一瓶頸，浙江大學腦與腦機融合前沿科學中心、腦機智能全國重點實驗室的祁玉/王躍明團隊提出了一項創(chuàng)新性研究。他們引入“代理神經(jīng)網(wǎng)絡”作為計算模型，構建了一個能完成相同漢字書寫任務的深度神經(jīng)網(wǎng)絡，并將其與臨床志愿者想象書寫時記錄到的運動皮層單神經(jīng)元信號進行系統(tǒng)性比對。這種方法的核心優(yōu)勢在于，網(wǎng)絡能夠從數(shù)據(jù)中自動學習并形成豐富的內部表征，從而為探索那些難以手工定義的高層級神經(jīng)編碼特征提供了一個強大的、數(shù)據(jù)驅動的分析工具。

圖1 代理神經(jīng)網(wǎng)絡與人類大腦完成相似的書寫任務

研究發(fā)現(xiàn)，該任務驅動的神經(jīng)網(wǎng)絡不僅能高精度重建書寫軌跡，其內部表征更能顯著提升對真實神經(jīng)元活動的解釋力——相比傳統(tǒng)運動學模型，其預測準確率提升了121%，并在調諧特性上與大腦表現(xiàn)出高度相似性。更重要的是，研究發(fā)現(xiàn)運動皮層的編碼結構具有清晰的層次性。通過分析不同層級網(wǎng)絡與大腦活動的對應關系，研究團隊識別出兩類功能分離的神經(jīng)元群體：一類位于功能層級上游，主要負責編碼與字符類別、字形結構相關的高級抽象信息；另一類則靠近輸出端，更偏向于處理具體的運動執(zhí)行參數(shù)。這種“高層規(guī)劃”與“底層執(zhí)行”相分離的編碼架構，很可能是大腦得以流暢、高效完成復雜書寫動作的關鍵。

圖2 左：代理網(wǎng)絡漢字上的書寫重建示例；右：代理網(wǎng)絡與運動皮層的相似性

研究還進一步揭示，這種層級化表征并非與生俱來，而是受到長期學習與語言經(jīng)驗的深刻塑造。實驗表明，使用中文書寫數(shù)據(jù)訓練的網(wǎng)絡，其內部表征與大腦信號的相似度，顯著高于使用隨機涂鴉或其他文字數(shù)據(jù)訓練的網(wǎng)絡。這表明，運動皮層的編碼機制不僅關乎“如何書寫”，更內嵌了我們對特定書寫系統(tǒng)與文化語境的深層認知。

圖3 大腦運動皮層中存在兩類功能分工明確的神經(jīng)元群體

該工作不僅在模型與神經(jīng)機制層面，系統(tǒng)性研究了人類書寫運動的分層編碼原則，也為發(fā)展下一代高性能腦機接口提供了重要啟示：未來的運動解碼系統(tǒng)應超越單純的運動軌跡重建，而是嘗試理解并利用這些高階、抽象的表征，從而更自然、更智能地還原人的書寫意圖與動作。

論文信息：

論文的第一作者為浙江大學計算機科學與技術學院博士研究生陳嘉浚，浙江大學腦與腦機融合前沿科學中心、腦機智能全國重點實驗室的祁玉研究員為論文通訊作者，作者還包括浙江大學計算機科學與技術學院王躍明教授，以及本科實習生徐天騏、博士研究生熊心竹、楊曉萌。

https://www.sciencedirect.com/science/article/pii/S2211124725016092

來源：浙大祁玉課題組