大脑将数据压缩用于决策

如果你是80年代的孩子，或者是复古电子游戏的粉丝，那么你一定知道《青蛙过河》。这个游戏很有挑战性。为了赢得胜利，你必须首先在拥挤的交通中幸存下来，然后在高速行驶的木头上迂回前进，侥幸逃脱遗忘。大脑怎么知道在这些混乱中该关注什么呢?

今天(6月6日)发表在科学杂志上的一项研究自然神经科学提供一个可能的解决方案:数据压缩．该研究的资深作者之一、葡萄牙尚帕利莫基金会理论神经科学实验室负责人克里斯蒂安·马钦斯说:“压缩外部世界的表象，类似于消除所有不相关的信息，对形势采取暂时的‘狭隘视角’。”

“这个想法大脑在感官处理研究中，通过使用数据压缩来最大化性能同时最小化成本是普遍存在的。然而，它还没有真正在认知功能上得到检验，”尚帕利莫神经科学研究项目主任、资深作者乔·佩顿说。“采用实验和计算技术我们证明了同样的原理可以延伸到比以前认识到的更广泛的功能范围。”

在他们的实验中，研究人员使用了计时范式。在每次试验中，老鼠必须确定两个音调之间的间隔是长还是短于1.5秒。与此同时，研究人员记录了动物在执行任务时大脑中多巴胺神经元的活动。

“这是众所周知的多巴胺神经元在学习行为的价值方面起着关键作用，”梅钦斯解释道。“因此，如果动物在给定的试验中错误地估计了间隔的时间，那么这些神经元的活动就会产生‘预测错误’，这应该有助于提高未来试验的表现。”

该研究的第一作者阿斯玛·莫蒂瓦拉(Asma Motiwala)建立了各种计算强化学习模型，并测试了哪种模型最擅长捕捉神经元的活动和动物的行为。这些模型共享一些共同的原则，但在如何表示可能与执行任务相关的信息方面有所不同。

研究小组发现，只有带有压缩任务表示的模型才能解释这些数据。“大脑似乎排除了一切无关的信息．奇怪的是，它显然也摆脱了一些相关信息，但还不足以对动物收集的整体奖励造成真正的影响。它显然知道如何在这场游戏中取得成功。”

有趣的是，所表示的信息类型不仅仅是关于任务本身的变量。相反，它还捕捉到了动物自己的行动。“以前的研究专注于独立于个人行为的环境特征。但我们发现，只有依赖于动物行为的压缩表示才能完全解释这些数据。事实上，我们的研究首次表明，学习外部世界表征的方式，尤其是像这项任务这样费力的表征，可能会以不寻常的方式与动物选择的行为方式相互作用。”

根据作者的说法，这一发现对神经科学以及人工智能具有广泛的影响。“虽然大脑显然已经进化到能够有效地处理信息，但人工智能算法往往通过蛮力解决问题:使用大量数据和大量参数。我们的工作提供了一套原则来指导未来的研究，即在生物学和人工智能的背景下，世界的内部表征如何支持智能行为，”帕顿总结道。

---

---