正文
研究设计
在本研究中,为深入探究杏仁核神经元对多维度奖赏参数的编码机制,研究人员采用了
改良的巴甫洛夫范式。
他们巧妙地设计了一种线索时序分离策略,即先呈现代表概率的线索(如 30% 的中奖概率),随后再呈现代表奖励幅度的线索(如 100 元金额)。这种设计使得研究人员能够清晰地区分神经元对单一参数(如纯概率风险)与复合参数(如概率 - 幅度联合风险)的编码阶段。
研究人员基于经济学原理构建了一个
倒 U 型风险函数模型。
借助该模型,
研究团队首次实现了对神经层面风险编码的动态解析,成功为揭示人类在面临复杂情境决策时的神经机制打开了一个毫秒级的时空解析窗口,
为我们理解大脑如何实时处理风险信息提供了全新视角。
本研究以非人灵长类动物为研究对象,通过行为学与神经记录双模态实验,深入探讨了大脑在面对多维度奖赏参数时的决策机制。在决策任务中,两只猕猴基于概率与幅度展现出了理性选择行为,这些行为证据为后续解析杏仁核神经元如何编码离散参数(概率 / 幅度)及其衍生变量(期望值 / 风险)提供了坚实的计算生物学基础,有力地推动了我们对大脑决策过程背后神经编码机制的理解。
杏仁核:决策背后的 “司令部”
研究人员对两只猕猴的杏仁核展开了深入探究,记录了来自其外侧核、基底外侧核、基底内侧核及中央核的 483 个神经元的活动情况。
研究发现,在概率线索呈现阶段,
有相当一部分杏仁核神经元对奖励概率进行了编码,且有 148 个神经元(占总数 30%)对概率信息有显著反应,其中 84 个神经元(约 57%)能够跨越不同的线索格式(彩色分形图案和单色扇形图案)对概率进行抽象编码,即无论概率是以哪种视觉形式呈现,这些神经元都能准确地捕捉到概率信息本身。
这就好比在一场音乐会上,有些观众只关注旋律本身的高低起伏,而不受演奏乐器种类的影响一样,这些神经元关注的是概率这一“旋律”,而不受呈现线索的“乐器”(视觉格式)干扰。
图2:顺序奖励预测任务和奖励引导行为
相比之下,
剩下的 43% 神经元则表现出对单一特定线索的偏好,
它们只在接收到某一类特定的概率线索时才会有所响应。
图3:杏仁核神经元对奖励概率的抽象和线索特异性编码
回归分析进一步揭示了 26% 的神经元具备动态概率编码的特殊能力,它们能够根据不断变化的概率信息及时调整自身的活动状态,为大脑提供实时更新的概率反馈。
更加有趣的是,
在那些进行抽象编码的神经元中,
有 16.7% 的神经元在面对不同线索时呈现出相反的编码方向。
这就好比是同一支乐队中,部分乐手根据指挥和乐谱演奏出和谐的旋律,而有少数乐手却能根据不同观众的反应即兴发挥,演奏出截然不同的变奏曲。这种现象表明杏仁核内部可能存在着一种情境依赖的神经计算策略,大脑会根据不同的决策场景灵活调用不同的神经元组合来进行概率计算。