神經科學家發現隱藏腦迴路，塑造每一個決策

你的大腦時刻都在處理感官資訊，以便做出瞬間決策，但它是如何做到的呢？普林斯頓大學研究人員開發的一種新的潛在迴路模型揭示，小群神經元充當著決策的「領導者」，簡化了複雜的神經活動。這一發現不僅有助於理解心理健康狀況，還可能提升人工智慧，使機器能像人類一樣更聰明地處理資訊。

一個新的數學模型正幫助科學家理解大腦在做決策時如何處理不同型別的資訊，比如視覺和聽覺資訊。普林斯頓大學的神經科學家開展的這項研究，最終可能會提升我們對神經系統疾病（如阿茲海默症）中大腦迴路故障的理解。它也可能促進人工智慧的發展，讓亞馬遜語音助手Alexa和自動駕駛汽車等技術更高效。該研究成果於2月10日發表在《自然神經科學》期刊上。

日常決策依賴於大腦同時處理多種感官訊號的能力。想像一下你步行去上班：你看到斑馬線的訊號變綠，表明可以安全透過。就在你邁出腳步時，一輛救護車的警笛響起，迫使你停下來。你的大腦迅速篩選這些相互衝突的資訊，幫助你做出最安全的選擇。

大腦究竟如何處理相互衝突和相關的感官資訊，比如彩色訊號和響亮的警笛聲，並做出明智的決策，長期以來一直是研究的課題，但至今仍是一個謎。

額葉皮質是大腦中對決策至關重要的一個區域，它位於眼睛後方，被譽為高階認知的中心。先前的研究發現，額葉皮質中的單個腦細胞在決策過程中的反應是多方面且複雜的。例如，額葉皮質中的一個神經元可能只在斑馬線被車堵住時，才會對綠色交通燈做出反應。然而，研究人員一直未能對額葉皮質中的腦細胞如何處理感官資訊（如交通訊號），然後產生行為輸出（如決定闖紅燈）形成統一的理解。

此前，人們曾使用不同的數學方法試圖理解將神經動力學與行為輸出聯絡起來的迴路機制，但每種方法都有其侷限性。其中一種方法聚焦於遞迴神經網路，這是一種由許多相互連線的單元組成的神經迴路模型。遞迴神經網路可以被訓練來執行決策任務，但它們遞迴連線的複雜性使其難以解讀。

在最近的論文中，博士後研究員克里斯托弗·蘭登（Christopher Langdon）和神經科學助理教授塔蒂亞娜·恩格爾（Tatiana Engel）提出了一種新的數學框架——潛在迴路模型，以更好地解釋決策過程。蘭登和恩格爾沒有採用複雜的遞迴神經網路模型，而是提出了一種「見樹不見林」的方法。為了理解大規模的腦活動網路，並試圖弄清楚每個細胞的行為如何受到其他細胞的影響，也許只需少數神經細胞「領導者」就能解釋整個群體的活動並影響決策，神經科學家稱之為低維機制。

蘭登表示，這項研究的目標是瞭解低維機制是否在大型遞迴神經網路中運作。為了驗證他們的假設，蘭登和恩格爾首先將他們的新模型應用於經過訓練以執行依賴於情境的決策任務的遞迴神經網路。這項任務可以由人類、猴子或電腦完成，開始時螢幕上會出現一個形狀（方形與三角形，作為情境線索），隨後是一個移動的網格（感官線索）。根據形狀，參與者需要報告移動網格的顏色（紅色與綠色）或運動方向（左與右）。

使用他們的新模型，蘭登和恩格爾發現，當運動是參與者需要追蹤的重要線索時，處理形狀的額葉皮質細胞會關閉附近關注顏色的細胞。反之，當要求區分紅色和綠色時，情況則相反。蘭登說：「在一個大型網路中發現一個可解讀的、具體的機制，這非常令人興奮。」

潛在迴路模型預測了當不同潛在節點之間的連線強度改變時，選擇將如何變化。這很強大，因為它使研究人員能夠驗證潛在連線結構是否真的是支援任務表現所必需的。確實，作者發現，當移除迴路中的特定連線時，任務表現會以可預測的方式下降。蘭登說：「我們這項新研究的妙處在於，我們展示瞭如何將在迴路中能做的所有事情轉移到一個大型網路上。當你手工構建一個小型神經迴路時，你可以做很多事情來讓自己相信你理解了它。你可以玩弄連線、擾動節點，並大致瞭解當你以這種方式操作迴路時，行為會發生什麼變化。」

人類大腦中的神經元比銀河系中的恆星還多，其複雜程度令人畏懼。然而，這個新的潛在迴路模型為揭示一種機制開闢了新的可能性，這種機制可以解釋數百個腦細胞之間的連線如何產生驅使人們做出不同選擇的計算過程。

決策困難是幾種複雜心理健康障礙的標誌，從抑鬱症到注意力缺陷多動障礙不等。透過揭示大腦為幫助人們做出決策而進行的數學計算，這些發現可能有助於更好地理解這些具有挑戰性的疾病，並提升從亞馬遜語音助手Alexa到自動駕駛汽車等技術的決策能力。然而，第一步是將這個新模型應用於實驗室中常用的其他決策任務。蘭登說：「我相信，實驗人員研究的許多嚴格控制的決策任務，可能具有相對簡單的潛在機制。我希望我們現在可以在這些資料集中尋找這些機制。」

參考文獻：Christopher Langdon和Tatiana A. Engel的《從認知任務中的異質神經反應推斷潛在迴路》，2025年2月10日，《自然神經科學》。DOI：10.1038/s41593 - 025 - 01869 - 7