想象正在觀看一部話劇。

幕布拉開，燈光亮起，人物魚貫登場。随着情節展開，我們腦中會逐漸構建一副人物關系網絡來，比如朋友敵人、情侶情敵、匪兵甲路人乙等等。更有趣的是，我們會進一步以此形成新的知識，比如推理出兩個從沒一起出現過的人可能同屬一個陣營。可以說，人類一個重要能力就是不斷追尋萬事萬物之間的關系，這也是人類智能的重要體現。因此，理解人腦如何學習和推理這些碎片化信息背後的網絡關系結構對于揭示人類智能基本機制具有重要意義。

為了研究這一問題及其腦機制，研究者設計了一個新穎的序列預測實驗範式，并記錄高時間分辨率的腦電活動。15幅随機圖片（圖1A，右）被選取進而嵌入到一個社區網絡結構（圖1A，左），圖片間的概率轉移關系由它們在網絡中的相互關系決定。我們招募了人類受試來完成該圖片預測任務（圖1B）：他們觀看圖片流，預測下一幅圖片是什麼，并通過反饋來進行學習。換句話說，受試從來沒有見過該社區網絡結構，但如果他們能夠成功完成該預測任務，則表明他們已經學會了這些圖片間的關系，即在腦中形成了該抽象的社區網絡結構。

圖1. 轉移網絡和示例試次。

行為表現上，人類受試确實習得了該“隐藏”的網絡關系結構，表現在預測成績的不斷提高。最為核心的發現是，研究者在人腦活動中找到了該抽象關系網絡結構的神經表征，大約出現在圖片呈現後的540-930毫秒（圖2）。此外，該神經表征和受試的預測行為存在緊密關系，即圖片的神經表征相似性越高，其預測反映時也越快。進一步，行為和神經活動上也發現了高階統計結構的出現，表現在簇内壓縮和簇間遠離的特性。研究者進而通過建立和比較多個計算模型，發現人腦采用了繼承者表征策略來進行學習和推理，形成高階結構（圖3）。

圖2.低階轉移概率的神經表征。

圖3. 神經信号和計算模型中高階結構的湧現。

綜上所述，羅歡和張航課題組結合了行為、神經、計算模型多種手段揭示了人腦從連續圖片流中抽取和學習其背後的“抽象”關系網絡，并進而從該低階轉移概率中建立高階統計結構（簇内壓縮和簇間遠離）的神經機制和計算機理。

本研究以标題為“Dynamic emergence of relational structure network in human brains”的标題于11月10日在線發表于認知神經科學重要期刊《Progress in Neurobiology》上。beat365官方网站博士後任祥娟博士為本文第一作者。beat365官方网站、麥戈文腦科學研究所的羅歡研究員和張航研究員為本文共同通訊作者。本研究獲得國家科學和技術創新2030重大項目、國家自然科學基金重點項目、面上項目、beat365新工科項目、北大–清華生命科學聯合中心以及北大-清華生命科學聯合中心博士後項目資助。

全文鍊接：https://www.sciencedirect.com/science/article/pii/S0301008222001599

Ren, X., Zhang, H., & Luo, H. (In press). Dynamic emergence of relational structure network in human brains. Progress in Neurobiology. doi:https://doi.org/10.1016/j.pneurobio.2022.102373

2022-11-11