长期以来，人们认为大脑处理信息的方式类似于单向传送带——从底部的感觉输入到顶部的决策制定，这一假设正受到挑战。一项新研究揭示，决策信号早在初级躯体感觉皮层（S1） 就已出现。研究团队提出，“自然智能”依赖于复杂的双向反馈回路，而非当今人工智能使用的简单层级流。通过记录小鼠在触觉虚拟现实导航任务中的神经活动（使用密集电生理记录），结合单次试验决策信号的分析，他们发现：
-
感觉证据积累期间的高维尖峰活动坍缩为单一的潜在变量（决策变量），随后整个皮层柱出现缓慢且几乎同步的斜坡上升。
-
该变量与“噪声感官证据逐渐积累至决策边界”的模型一致。
-
初级躯体感觉皮层可能通过皮层-皮层反馈回路直接参与二选一决策变量的分类编码，感觉信息通过这种回路被反复处理，转化为知觉和行动。
传统层级模型 vs. 新发现的反馈模型
| 特征 | 传统层级模型（人工智能启发） | 新发现（自然智能） |
|---|---|---|
| 信息流 | 单向（前馈）：感觉区域 → 联合皮层 → 运动皮层。 | 双向（反馈回路）：高级区域（额叶）调节早期感觉区域（初级躯体感觉皮层）。 |
| 决策相关活动的位置 | 定位于高级脑区（前额叶皮层，运动前区）。 | 决策信号早在初级躯体感觉皮层（S1，传统上被视为“感觉”加工区）就已出现。 |
| 加工模式 | 串行（S1 → 次级感觉皮层 → 联合皮层）。 | 并行/分布式坍缩（高维活动坍缩为单个决策变量）。 |
| 能量效率 | 低（GPU/TPU密集）。 | 高（大脑通过稀疏编码和时间动力学实现高效计算）。 |
| 演化灵感 | 人工神经网络（反向传播）。 | 10亿年的演化（修剪，可塑性，能量最小化）。 |
核心机制：通过反馈回路的决策变量形成
| 阶段 | 神经活动特征 | 解释 |
|---|---|---|
| 感觉编码 | 初级躯体感觉皮层中的高维尖峰活动（许多神经元在不同方向上调节）。 | 编码触觉刺激参数（例如，左 vs. 右）。 |
| 证据积累 | 高维活动坍缩为单一的潜在变量（跨神经元、跨试次）。 | 整合随时间变化的证据（决策变量）。 |
| 决策达到阈值 | 整个皮层柱出现缓慢的斜坡上升（跨神经元群体）。 | 达到决策边界（左 vs. 右）。 |
| 自上而下的调节 | 如果存在反馈回路扰动（药理学/光遗传学沉默高级区域），决策信号的幅度和时序可以改变。 | 推断存在皮层-皮层反馈（通过直接实验检验仍待完成）。 |
关键点：决策并非发生在串行链条的末端，而是作为在感觉和联合皮层之间反复处理的感觉证据的涌现属性。
对人工智能架构设计的影响
| 当前人工智能局限 | 大脑的解决方案 | 潜在的下一代人工智能设计 |
|---|---|---|
| 高能耗（基于反向传播的深度学习需要大量GPU计算）。 | 低能耗（事件驱动尖峰，稀疏连接）。 | 脉冲神经网络（SNNs）可能更接近大脑的能量效率。 |
| 缺乏对不确定性的推理（在黑盒输出概率中）。 | 通过反馈回路执行概率计算（贝叶斯推断）。 | 受大脑启发的预测编码网络结合自上而下的反馈。 |
| 在分布外泛化中表现差。 | 适应动态环境（通过上下文调制）。 | 动态连接性或元学习系统，能够即时重组。 |
对脑机接口的影响
-
解码：在感觉皮层中植入的脑机接口（例如，用于假肢控制）可能不仅恢复感觉，还能直接解码运动意图传感器（通过皮层-皮层反馈回路）。
-
闭环神经调控：监测初级躯体感觉皮层中的决策变量（斜坡上升）可能用于早期检测即将到来的错误决策并触发纠正措施（例如，在认知任务中）。
关键信息速览
| 项目 | 内容 |
|---|---|
| 关键脑区 | 初级躯体感觉皮层（S1）。 |
| 传统模型 | 单向信息流（感觉→决策）。 |
| 新发现 | 决策信号在S1中出现。 |
| 机制 | 反馈回路（自上而下调节） → 高维活动坍缩为决策变量 → 斜坡上升达到阈值。 |
| 对人工智能的影响 | 下一代人工智能架构应合并反馈连接，以实现更高的能源效率和决策能力。 |
| 对脑机接口的影响 | 感觉皮层可用于解码主观决策/意图。 |
| 发表期刊 | PNAS。 |
关键概念：决策（Decision-making） | 初级躯体感觉皮层（S1） | 反馈回路（Feedback loops） | 层级处理（Hierarchical processing） | 自然智能（Natural intelligence） | 证据积累（Evidence accumulation） | 预测编码（Predictive coding）
相关领域：系统神经科学 | 认知神经科学 | 人工智能 | 神经形态计算
——本文基于伊利诺伊大学厄巴纳-香槟分校在 PNAS 发表的研究编译，为系统神经科学家、认知神经科学家及人工智能研究人员提供关于决策信号在初级躯体感觉皮层中出现（挑战层级模型）的证据，以及受自然智能启发的未来AI设计所依赖的反馈回路框架。