想象正在觀看一部話劇。

幕布拉開，燈光亮起，人物魚貫登場。隨著情節(jié)展開，我們腦中會逐漸構建一副人物關系網(wǎng)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(xiàn)過的人可能同屬一個陣營?？梢哉f，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(xiàn)。因此，理解人腦如何學習和推理這些碎片化信息背后的網(wǎng)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，北京大學心理與認知科學學院、麥戈文腦科學研究所的羅歡研究員和張航研究員課題組設計了一個新穎的序列預測實驗范式，并記錄高時間分辨率的腦電活動。15幅隨機圖片（圖1A，右）被選取進而嵌入到一個社區(qū)網(wǎng)絡結構（圖1A，左），圖片間的概率轉移關系由它們在網(wǎng)絡中的相互關系決定。課題組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么，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(qū)網(wǎng)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(jīng)學會了這些圖片間的關系，即在腦中形成了該抽象的社區(qū)網(wǎng)絡結構。

圖1. 轉移網(wǎng)絡和示例試次

行為表現(xiàn)上，人類受試確實習得了該“隱藏”的網(wǎng)絡關系結構，表現(xiàn)在預測成績的不斷提高。最為核心的發(fā)現(xiàn)是，研究者在人腦活動中找到了該抽象關系網(wǎng)絡結構的神經(jīng)表征，大約出現(xiàn)在圖片呈現(xiàn)后的540~930毫秒（圖2）。此外，該神經(jīng)表征和受試的預測行為存在緊密關系，即圖片的神經(jīng)表征相似性越高，其預測反映時也越快。進一步，行為和神經(jīng)活動上也發(fā)現(xiàn)了高階統(tǒng)計結構的出現(xiàn)，表現(xiàn)在簇內(nèi)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(fā)現(xiàn)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(jīng)表征

圖3. 神經(jīng)信號和計算模型中高階結構的涌現(xiàn)

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

本研究以標題為“Dynamic emergence of relational structure network in human brains”的標題于11月10日在線發(fā)表于認知神經(jīng)科學重要期刊Progress in Neurobiology上。北京大學心理與認知科學學院博士后任祥娟博士為本文第一作者。羅歡和張航為本文共同通訊作者。本研究獲得國家科學和技術創(chuàng)新2030重大項目，國家自然科學基金重點項目、面上項目，北京大學新工科項目，北大–清華生命科學聯(lián)合中心以及北大-清華生命科學聯(lián)合中心博士后項目資助。

來源：北京大學