长期以来，科学家基于层级模型，认为决策信号是从早期感觉区域开始，最终到达额叶皮层，通过逐级信息流完成的。这一假设也是卷积神经网络等人工智能系统的设计基础。伊利诺伊大学厄巴纳-香槟分校的新研究发表在《美国国家科学院院刊》上，通过记录小鼠在虚拟现实走廊中运动并基于感知做出决策时的神经活动，发现：
- 传统上与基本感觉处理相关的区域——初级躯体感觉皮层（S1）——中也出现了与决策相关的信号。
- S1受到高级脑区通过反馈回路的影响，表明决策并非仅由单向、前馈信号驱动，而是涉及跨多个脑区的持续交互。
- 这一发现挑战了‘早期脑区仅被动处理感觉信息’的经典观点，揭示了它们在决策过程中发挥更主动、更动态的作用。
该研究为开发更高效、更智能（低功耗、更优决策）的下一代人工智能架构提供了新思路。
传统层级模型 vs. 新研究发现
| 特征 | 传统层级模型（前馈） | 新发现（交互式/递归） |
|---|---|---|
| 信息流方向 | 单向（前馈）：感觉区域 → 联合皮层 → 运动皮层 → 运动输出。 | 双向（前馈+反馈/循环）：高级区域（额叶、前额叶）通过反馈投射调节早期感觉区域（如S1）。 |
| 决策相关活动 | 定位于高级脑区（前额叶皮层，顶叶皮层，前运动皮层）。 | 初级感觉皮层（S1）中也出现决策信号（与感觉编码同时而非延迟出现）。 |
| 脑区角色 | 早期区域仅执行感觉/知觉功能，不参与决策本身。 | 早期区域不仅参与知觉，还主动整合自上而下的信号（例如，用于冲突解决，或根据任务上下文调节感觉增益）。 |
| 处理模式 | 串行（S1 → S2 → 额叶）。 | 并行/分布式（决策相关活动在多个脑区同时呈现）。 |
研究方法
| 项目 | 内容 |
|---|---|
| 模型 | 小鼠（头部固定，在虚拟现实（VR）线性轨道中运动）。 |
| 任务 | 感知决策：基于触觉提示（例如，左侧 vs. 右侧刺激）做出选择以获取奖励。 |
| 记录 | 初级躯体感觉皮层（S1，处理触觉/本体感觉信息）的神经尖峰信号（多电极阵列/硅探针）。 |
| 分析 | 解码模型（用于预测决策选择的神经活动）；连通性分析（识别自上而下的反馈回路）。 |
核心结果
| 发现 | 证据 | 意义 |
|---|---|---|
| S1神经元编码决策选择 | 解码模型能够从S1神经活动中准确预测小鼠的决策（左或右），且预测时间点早于运动输出。 | 表明S1不仅处理感觉信息，还直接参与决策过程。 |
| 反馈回路调节S1活动 | 连通性分析显示，高级脑区（如前额叶皮层）的神经活动与S1活动存在时间上的相关性，且方向为自上而下。 | 决策信号通过反馈回路影响早期感觉皮层，形成动态交互。 |
| 决策信号与感觉信号共存 | S1中同时存在编码触觉刺激和决策选择的神经元，且两者活动时间重叠。 | 感觉与决策过程在早期皮层中并行处理，而非串行。 |
结论与展望
该研究颠覆了传统层级模型，揭示了大脑决策机制中早期感觉皮层的主动参与和反馈调节的重要性。这一发现不仅深化了对神经科学基本问题的理解，也为人工智能领域提供了新的设计思路：未来的AI系统或可借鉴这种分布式、交互式的架构，实现更高效、更鲁棒的决策能力。