Curr Biol︱灵长类大脑中新颖性检测和惊奇与新近性的关系

撰文︱张凯宁

责编︱王思珍

人类和其他动物通过探索物体学习， 而新颖物体常常在我们的日常生活中扮演着重要的角色。灵长类动物的行为实验表明，新颖的视觉物体能够吸引注意力，头部、眼睛的转向，和促进新记忆的形成[1-6]。而新颖性检测（novelty detection），即判断一个给定的物体是否之前见过。是一个在神经科学和机器学习领域都有研究的话题。在机器学习领域里已经有若干算法来实现新颖性检测[7, 8]。在神经科学领域也有报告，许多大脑区域的神经元都会对新颖刺激和熟悉刺激有不同的反应 [9-11]。然而对于灵长类动物的大脑是如何实现新颖性检测的，人们仍然不完全清楚。

2022年4月，美国圣路易斯华盛顿大学的Ilya Monosov研究团队在《当代生物学》（Current Biology）上发表了为题“Surprise and recency in novelty detection in the primate brain”的文章。张凯宁为第一作者，Ilya Monosov为通讯作者。该文阐述了灵长类动物大脑中对新颖物体检测的大脑回路与新近度（多久以前经历过相似的刺激）和惊奇（刺激的不可预测性）的计算回路互相交织与支撑。并且发现在学习新物体的过程中，大脑中的神经元具有多个时间尺度的学习速率和遗忘。

新颖的刺激在许多方面不同于熟悉的刺激。例如，新颖的刺激常常也是出乎意料的，或者和最近经历过的刺激有所区别[12, 13]。之前的研究有提出几种大脑中新颖性检测理论和模型，每一种模型都对大脑中对新物体反应神经元的性质做出了不同的预测（图 1A）。第一类模型将新颖性概念化为感官惊奇（sensory surprise）的一种形式 [14]。感官惊奇来自于传入的感官信息和预测的不相符[6]。在这类模型下，对新物体有反应的神经元应该也对感观惊奇敏感。第二类模型将新颖性概念化为新近（recency）或重复效应，通常在操作上定义为神经元的信号能够区分上一次相同的刺激发生在多久以前[13, 15, 16]。这两类模型也可能是相互依赖和合作的[17, 18]，特别是当大脑包含具有多个记忆时间尺度的回路。因此，第三类模型预测新颖性检测可能会同时和感官惊奇和新近度的计算有关。最后，第四类模型预测新颖性检测可能独立于感官惊奇或新近度的计算，纯粹用以区分以前是否曾见过同样的刺激[19, 20]。

在本项研究中，研究者们为了（1）测试了新颖性、新近度和感官惊奇之间的关系，以及 （2） 探索了单个神经元活动中新颖性检测的时间尺度，他们给两只猴子植入了电极阵列，用以记录颞叶皮层、杏仁核、海马、基底神经节和前额叶皮层的神经元。在记录神经元信号的同时，这俩只猴子参与了一个无监督学习的行为任务（图1B）。

这个行为任务总体来说是给动物观看一系列的分形图片。这些图片中包括了新颖的或者熟悉的图片，可预测的或者不可预测的熟悉图片，以及新近的或者不新近的熟悉图片。

图1 新颖性检测的模型预测和行为实验任务

（图源：Zhang K, et al., Curr Biol, 2022）

在记录的神经元数据中，研究者发现神经元对新颖性、惊奇和新近度的反应之间的关系与第三类模型预测的一致。图2展示了杏仁核中的一个示例神经元。该神经元对新刺激比熟悉刺激表现出更强的兴奋。同时这个神经元对惊奇也很敏感：它对不可预测的熟悉刺激比可预测的熟悉刺激更兴奋。此外，这个神经元对新近度也敏感：它对最近没有出现过的熟悉刺激更兴奋。因此，细胞会对所有三种类型的物体有反应——新颖的、令人惊讶的和最近没有见过的物体。

图2 示例神经元

（图源：Zhang K, et al., Curr Biol, 2022）

在神经元的群体编码中， 研究者发现了同样的结果，对新颖性有反应的神经元作为一个群体同时对感官惊奇和新近度表现出显著敏感性（图3A）。同时研究者还用训练于检测图片是否是惊奇的或者新近的分类器（classifier）来检测图片是否是新颖的（图3B）。结果显示，这些分类器都能够显着高于机会地判断图片的新颖性。这表明新颖性与惊奇、新近有相似的神经元群体编码。并且，在对新颖性兴奋的神经元中，神经元对新颖的敏感性程度与对感官惊奇和新近度的敏感性程度呈显著正相关（图3C）。此外，研究者有对照实验表明神经元对新颖与新近和惊奇反应的相关关系并不是由于一些全局的变量比如唤醒程度或注意引起的。

图3 对新颖性敏感的神经元也对感官惊喜和新近度敏感

（图源：Zhang K, et al., Curr Biol, 2022）

对新颖敏感性敏感的神经元在灵长类大脑的中的分布并不均匀（图4左）。在一些大脑区域，特别是前腹内侧颞叶皮层（AVMTC），以及与之相连的区域，例如46v区、基底前脑（basal forebrain）和杏仁核（amygdala），富含对新颖物体有反应的神经元。研究者发现新颖性、新近性和感官惊奇之间存在跨区域的关系——大体上富含对新颖物体有反应的神经元的区域同时也也富含对新近度和感觉惊奇有反应的神经元，这与神经元群体编码的结果一致。

这一发现提出了另一个问题，即新颖性与感官惊奇和新近度之间的关系是否仅与少数富含有新颖反应的神经元的脑区相关？或者是这种关系是参与新颖事物处理的脑区共有的特征？数据表明后者是这样的：在绝大多数记录到的脑区中，新颖性与感官惊奇和新近度之间存在非常一致的正相关（图4右）。

总而言之，神经元的新颖敏感性和感官惊奇和新近度的关系密切相关，并且研究者在大脑区域间和大脑区域内都观察到了这种关系。

图4 对新颖、感官惊奇和新近度敏感的神经元在不同脑区的分布

（图源：Zhang K, et al., Curr Biol, 2022）

在研究了大脑中神经元处理新颖刺激的相关因素后，研究者又测量了新颖性检测的时间尺度。物体的新颖性是和学习过程密不可分的，新物体在有重复经验之后会被逐渐熟悉。这种学习可以有多个时间尺度；可快可慢，也可能会掺杂着遗忘。为了研究这种学习的时间尺度，行为任务还（图1）包含了会重复的新颖图片，这些图片在实验开始之前被生成，然后会重复的出现在实验里，可以达到5 天之久。研究者用这些“重复新颖”（repeating novel）的图片测量神经元在不同学习阶段的反应。

研究者发现，对新颖有正向反应的神经元群体对重复新颖的图片有渐进的学习过程，其特点是在每次实验中会有快速的学习，然而在隔天会出现大量遗忘（图 5）。值得说明的一点是，为了排除感觉适应（sensory adaptation）的因素，研究者用的是相对于出现同样次数的完全新颖和完全熟悉的物体的标准化神经元活动。

在重复新颖的图片出现的第一天，神经元对它们的兴奋快速减弱，这表明动物及其神经元出现了学习的行为。而在第二天和之后，在实验一开始，面对同样的重复新颖图片，神经元的反应出现了回弹，但仍然低于它们对完全新颖图片的反应，这表明神经元保留了一些学习结果但也有大量的遗忘。这与一些理论期望不同，一些理论认为的神经记忆在一夜休息后会得到增强[21]，而这些发现更类似于在感觉、运动和动机学习中观察到的“自发恢复”[22, 23]。

图5神经元对重复出现的新颖图片的学习和遗忘

（图源：Zhang K, et al., Curr Biol, 2022）

在生活中，新颖事物有些只在短期出现然后消失，而另一些则具有长期的重要性。大脑是否包含具有不同学习速率或者时间尺度的神经网络，来处理生活中新事物的在时间尺度上的多样性？研究者对此也进行了探究，他们发现了新颖反应神经元存在着不同的学习模式。即使是在同一脑区，有的神经元是 “快速学习，快速遗忘”， 而有的神经元是 “缓慢学习，缓慢遗忘”（图6A）。

研究者对每个神经元用两个指数量化了神经元在一天之内的学习和隔天的遗忘， 发现这两个指数在对新颖正反应的神经元中显著正相关（图7C）。这表明在一天内学习更多的神经元也倾向于在隔天忘记更多。此外，虽然在大脑区域内，这些类型的神经元是混合在一起的（图6A），不同脑区之间也存在着差异性，在一天内学习更多的脑区也倾向于在隔天遗忘更多（图6C）。这一结果支持了大脑中存在不同时间尺度学习的理论[24-26]。

图6 不同神经元和脑区有多样的学习和遗忘

（图源：Zhang K, et al., Curr Biol, 2022）

文章结论与讨论，启发与展望

新颖性检测有不同的模型，其机制可以和判断新近度相关，也可以化为感官惊奇的一种形式。这篇文章中，研究者发现灵长类动物大脑中的新颖性检测与新近度和惊奇的计算都有密切关系。这表明新颖性检测和多种机制的关联并受其影响，也包括与预测编码相关的机制。这为未来构建大脑中的新颖性检测模型提供了方向。然而，其具体的回路和计算细节仍然有待研究。

神经元学习和遗忘的多样性进一步表明大脑中可能存在多个处理新颖性信息的系统。这种多样的系统可以控制信息流，并适应具有各种时间尺度的新事物。一种可能的假设是短期相关的事物的信息主要存留在快速时间尺度的系统中，而长期重要的事物的信息会逐渐从快速时间尺度系统中逐渐转移到缓慢时间尺度的系统，然后长时间地存留。

总而言之，该研究发现和探究了对新颖性检测与惊奇和新近度的计算之间的关系，以及时间尺度上新颖性检测和记忆编码机制的多样性。

原文链接：https://doi.org/10.1016/j.cub.2022.03.064

第一作者张凯宁（左）通讯作者Ilya Monosov（右）

（照片提供自Ilya Monosov实验室）

Monosov实验室长期招收对于认知神经科学和计算神经科学有兴趣的同学 https://neuroscience.wustl.edu/people/ilya-monosov-phd/ 。

往期文章精选

优质科研培训课程推荐

参考文献（上下滑动阅读）  

1.Jaegle, A., V. Mehrpour, and N. Rust, Visual novelty, curiosity, and intrinsic reward in machine learning and the brain. Curr Opin Neurobiol, 2019. 58: p. 167-174.

2.Zhang, K., C.D. Chen, and I.E. Monosov, Novelty, Salience, and Surprise Timing Are Signaled by Neurons in the Basal Forebrain. Curr Biol, 2019. 29(1): p. 134-142 e3.

3.Tiitinen, H., et al., Attentive novelty detection in humans is governed by pre-attentive sensory memory. Nature, 1994. 372: p. 90.

4.Tapper, A.R. and S. Molas, Midbrain circuits of novelty processing. Neurobiology of Learning and Memory, 2020: p. 107323.

5.Ghazizadeh, A., W. Griggs, and O. Hikosaka, Ecological Origins of Object Salience: Reward, Uncertainty, Aversiveness, and Novelty. Front Neurosci, 2016. 10: p. 378.

6.Barto, A., M. Mirolli, and G. Baldassarre, Novelty or surprise? Front Psychol, 2013. 4: p. 907.

7.Markou, M. and S. Singh, Novelty detection: a review - part 2: neural network based approaches. Signal Processing, 2003. 83(12): p. 2499-2521.

8.Pimentel, M.A.F., et al., A review of novelty detection. Signal Processing, 2014. 99: p. 215-249.

9.Ranganath, C. and G. Rainer, Neural mechanisms for detecting and remembering novel events. Nat Rev Neurosci, 2003. 4(3): p. 193-202.

10.Petrides, M., B. Alivisatos, and S. Frey, Differential activation of the human orbital, mid-ventrolateral, and mid-dorsolateral prefrontal cortex during the processing of visual stimuli. Proc Natl Acad Sci U S A, 2002. 99(8): p. 5649-54.

11.Ogasawara, T., et al., A primate temporal cortex–zona incerta pathway for novelty seeking. Nature neuroscience, 2022. 25(1): p. 50-60.

12.Berlyne, D.E., Novelty and curiosity as determinants of exploratory behaviour. British Journal of Psychology, 1950. 41(1): p. 68.

13.Brown, M.W. and J.Z. Xiang, Recognition memory: neuronal substrates of the judgement of prior occurrence. Prog Neurobiol, 1998. 55(2): p. 149-89.

14.Kumaran, D. and E.A. Maguire, Which computational mechanisms operate in the hippocampus during novelty detection? Hippocampus, 2007. 17(9): p. 735-48.

15.Xiang, J.-Z. and M. Brown, Differential neuronal encoding of novelty, familiarity and recency in regions of the anterior temporal lobe. Neuropharmacology, 1998. 37(4-5): p. 657-676.

16.Vogels, R., Sources of adaptation of inferior temporal cortical responses. Cortex, 2016. 80: p. 185-95.

17.Bogacz, R., M.W. Brown, and C. Giraud-Carrier, Model of co-operation between recency, familiarity and novelty neurons in the perirhinal cortex. Neurocomputing, 2001. 38: p. 1121-1126.

18.Hart, E.W. and J. Jacoby. Novelty, recency, and scarcity as predictors of perceived newness. in Proceedings of the Annual Convention of the American Psychological Association. 1973. American Psychological Association.

19.Bogacz, R., M.W. Brown, and C. Giraud-Carrier, Model of familiarity discrimination in the perirhinal cortex. J Comput Neurosci, 2001. 10(1): p. 5-23.

20.Bogacz, R. and M.W. Brown, Comparison of computational models of familiarity discrimination in the perirhinal cortex. Hippocampus, 2003. 13(4): p. 494-524.

21.Stickgold, R., Sleep-dependent memory consolidation. Nature, 2005. 437(7063): p. 1272-1278.

22.Kording, K.P., J.B. Tenenbaum, and R. Shadmehr, The dynamics of memory as a consequence of optimal adaptation to a changing body. Nature neuroscience, 2007. 10(6): p. 779-786.

23.Smith, M.A., A. Ghazizadeh, and R. Shadmehr, Interacting adaptive processes with different timescales underlie short-term motor learning. PLoS biology, 2006. 4(6): p. e179.

24.Spitmaan, M., et al., Multiple timescales of neural dynamics and integration of task-relevant signals across cortex. Proceedings of the National Academy of Sciences, 2020. 117(36): p. 22522-22531.

25.Murray, J.D., et al., A hierarchy of intrinsic timescales across primate cortex. Nature neuroscience, 2014. 17(12): p. 1661-1663.

26.Bromberg-Martin, E.S., et al., Multiple timescales of memory in lateral habenula and dopamine neurons. Neuron, 2010. 67(3): p. 499-510.

制版︱王思珍

本文完