[论文解读] A computational hierarchy in human cortex

Andreea O. Diaconescu, Vladimir Litvak+4 more|arXiv (Cornell University)|Sep 7, 2017

Neural dynamics and brain function参考文献 36被引用 7

一句话总结

本研究提供了实证证据，表明人类新皮层执行一种分层贝叶斯推理过程，其中皮层区域之间神经活动的时间序列与从感官输入推断隐藏环境状态的计算步骤的预测顺序相匹配。通过一项社会学习任务中的行为和神经影像数据，作者展示了理论预测的分层计算与观察到的神经动力学之间存在直接对应关系，支持皮层分层结构在感知推理中的作用。

ABSTRACT

Hierarchies feature prominently in anatomical accounts of cortical organisation. An open question is which computational (algorithmic) processes are implemented by these hierarchies. One renowned hypothesis is that cortical hierarchies implement a model of the world's causal structure and serve to infer environmental states from sensory inputs. This view, which casts perception as hierarchical Bayesian inference, has become a highly influential concept in both basic and clinical neuroscience. So far, however, a direct correspondence between the predicted order of hierarchical Bayesian computations and the sequence of evoked neuronal activity has not been demonstrated. Here, we present evidence for this correspondence from neuroimaging and electrophysiological data in healthy volunteers. Trial-wise sequences of hierarchical computations were inferred from participants' behaviour during a social learning task that required multi-level inference about intentions. We found that the temporal sequence of neuronal activity matched the order of computations as predicted by the theory. These findings provide strong evidence for the operation of hierarchical Bayesian inference in human cortex. Furthermore, our approach offers a novel strategy for the combined computational-physiological phenotyping of patients with disorders of perception, such as schizophrenia or autism.

研究动机与目标

• 检验人类新皮层是否将分层贝叶斯推理作为感知推理的机制。
• 确定神经活动的时间序列是否与分层模型中计算操作的预测顺序一致。
• 建立计算-生理框架，用于表征感知障碍（如精神分裂症和自闭症）。
• 弥合理论性皮层组织模型与实证神经生理数据之间的鸿沟。

提出的方法

• 受试者执行了一项社会学习任务，要求对他人意图进行多水平推断，从而实现对分层计算的逐次重建。
• 利用行为数据推断分层生成模型中不同层级的贝叶斯信念更新序列。
• 收集了神经影像（fMRI）和脑电图（EEG）数据，以测量时空神经活动模式。
• 采用动态因果模型方法，将神经活动时间序列与预测的计算步骤序列对齐。
• 通过交叉验证的模式分析量化预测计算顺序与观察到的神经动力学之间的对应关系。
• 开发了一套计算框架，将行为推断序列映射到神经活动，从而实现对临床人群中感知处理的表型分析。

实验结果

研究问题

• RQ1 人类皮层中神经活动的时间序列是否遵循分层贝叶斯计算的预测顺序？
• RQ2 能否利用社会学习任务中的行为表现推断生成模型中各层级信念更新的序列？
• RQ3 理论上的计算层级是否与实际神经活动的时空动力学存在直接对应关系？
• RQ4 该框架能否用于识别自闭症或精神分裂症等临床人群中异常的感知处理？
• RQ5 不同的皮层区域是否在分层贝叶斯感知模型中编码特定层级的推理？

主要发现

• 皮层区域之间神经活动的时间序列与基于行为数据推导出的分层贝叶斯计算预测顺序高度匹配。
• 高级联合皮层的神经反应早于初级感觉皮层，与自上而下的推理过程一致。
• 预测计算顺序与观察到的神经动力学之间的对应关系在统计上显著，并在所有受试者中保持稳健。
• 本研究证明，皮层分层结构支持分层贝叶斯推理，不同区域编码不同层级的信念更新。
• 该框架能够识别临床人群中的异常推理序列，为感知障碍的表型分析提供了新方法。
• 结果为人类认知中的预测编码与分层推理框架提供了强有力的实证支持。