本篇采訪，汪小京教授探討了兩方面內(nèi)容：一是他為何認(rèn)為編寫一本新的理論神經(jīng)科學(xué)教材的時機(jī)已經(jīng)成熟，二是“分岔”（bifurcation）作為關(guān)鍵概念，為何在當(dāng)前神經(jīng)科學(xué)的解釋體系中處于缺失狀態(tài)。

對談嘉賓

汪小京

紐約大學(xué)神經(jīng)科學(xué)教授

汪小京教授是紐約大學(xué)神經(jīng)科學(xué)教授、斯沃茨理論神經(jīng)科學(xué)中心主任，原上海紐約大學(xué)創(chuàng)始PROVOST(首席學(xué)術(shù)官)、科研副校長。在2012年加入上海紐約大學(xué)之前，他任耶魯大學(xué)神經(jīng)生物學(xué)終身教授，耶魯大學(xué)斯沃茨理論和計(jì)算神經(jīng)科學(xué)中心主任。

他是理論與計(jì)算神經(jīng)科學(xué)專家，研究重點(diǎn)是認(rèn)知功能的腦機(jī)制，尤其以在工作記憶、決策的神經(jīng)機(jī)制的研究而著稱。他的團(tuán)隊(duì)開拓了被稱為“大腦CEO”的前額葉皮質(zhì)模型研究。他也是“計(jì)算精神醫(yī)學(xué)”(COMPUTATIONALPSYCHIATRY)的創(chuàng)始人之一。最近，汪教授的團(tuán)隊(duì)正創(chuàng)建大型腦神經(jīng)系統(tǒng)仿真模型，來深入研究認(rèn)知、行為的神經(jīng)網(wǎng)絡(luò)機(jī)制和計(jì)算原理。

主持人

Paul Middlebrooks

卡內(nèi)基梅隆大學(xué)的特聘助理研究員

卡內(nèi)基梅隆大學(xué)的特聘助理研究員，同時是播客“Brain Inspired”的主持人。他主要研究運(yùn)動皮層和基底神經(jīng)節(jié)神經(jīng)群體活動如何在自由行為的小鼠中支持自然行為，致力于揭示神經(jīng)活動與復(fù)雜行為之間的關(guān)系。

目錄：

01 神經(jīng)科學(xué)研究的時代變遷

02 腦區(qū)功能分化的核心機(jī)制

03 超越馬爾層級：理論范式革新

04 分岔：動力系統(tǒng)理論的關(guān)鍵補(bǔ)充

05 神經(jīng)科學(xué)的跨界延伸：AI 與動物模型

06 高級認(rèn)知與臨床啟示

保羅：今天的嘉賓是汪小京（Xiao-Jing Wang），他現(xiàn)任紐約大學(xué)（NYU）斯沃茨理論神經(jīng)科學(xué)中心主任。他在中國出生并長大，之后在比利時學(xué)習(xí)了8年理論物理，研究方向包括非線性動力系統(tǒng)（nonlinear dynamical systems）和確定性混沌（deterministic chaos）。用他自己的話說，他從布魯塞爾到美國加州做博士后時，經(jīng)歷了一連串大洗牌：語言從法語換成英語，文化從歐洲模式融入美國模式，研究領(lǐng)域更是從物理學(xué)轉(zhuǎn)向了神經(jīng)科學(xué)。

在我眼里，汪小京是非人靈長類神經(jīng)生理學(xué)與理論神經(jīng)科學(xué)建模領(lǐng)域的傳奇人物，正是他，為我們后來人研究“工作記憶”、“決策”等高級認(rèn)知功能的腦活動機(jī)制，奠定了堅(jiān)實(shí)的基礎(chǔ)。最近，他剛出版了新書《理論神經(jīng)科學(xué)：理解認(rèn)知》（Theoretical Neuroscience: Understanding Cognition）。雖然這也是一本教材，涵蓋了該領(lǐng)域的基礎(chǔ)知識，但它有著獨(dú)特的靈魂。

具體來說，書中既梳理了認(rèn)知功能建模的研究歷史，也收錄了當(dāng)前的最新研究——從簡單的基礎(chǔ)問題到復(fù)雜的認(rèn)知層面問題都有涉及。同時，這本書還帶有一定的哲學(xué)思考，認(rèn)為我們需要更新神經(jīng)科學(xué)領(lǐng)域解釋大腦工作機(jī)制的方法：本質(zhì)上要超越大衛(wèi)?馬爾（David Marr）提出的“馬爾層級”（Marr's levels）。取而代之的，是進(jìn)入汪小京所說的“跨層級機(jī)制解釋探索”階段。

我也是剛發(fā)現(xiàn)，他在書里還引用了我的研究：包括我博士階段關(guān)于非人靈長類元認(rèn)知的研究，以及博士后階段關(guān)于反應(yīng)抑制的研究*。能被收錄進(jìn)參考文獻(xiàn)，對我來說就是這本書“優(yōu)秀且有價值”的鐵證。能邀請到自己的偶像來節(jié)目，我感到非常開心，也希望大家喜歡我們的對話。

* Middlebrooks, Paul G., and Marc A. Sommer. "Neuronal correlates of metacognition in primate frontal cortex." Neuron 75.3 (2012): 517-530.

Middlebrooks, Paul G., and Jeffrey D. Schall. "Response inhibition during perceptual decision making in humans and macaques." Attention, Perception, & Psychophysics 76.2 (2014): 353-366.

?Theoretical Neuroscience:Understanding Cognition

保羅：你的新書《理論神經(jīng)科學(xué)：理解認(rèn)知》，“理解認(rèn)知” 這個副標(biāo)題，聽起來可是野心勃勃啊。這本書的內(nèi)容很豐富，是別人邀請你寫的，還是你自己覺得 “是時候?qū)懸槐具@樣的書了”？

汪小京：其實(shí)我早就有寫這本書的想法了，我覺得現(xiàn)在推出一本這個領(lǐng)域的新教材，正是好時機(jī)。你也知道，過去20年左右，神經(jīng)科學(xué)領(lǐng)域有了巨大發(fā)展，主要體現(xiàn)在兩個方面：一是新的技術(shù)手段不斷涌現(xiàn)，由此產(chǎn)生了各類海量數(shù)據(jù)；二是大家逐漸意識到，或許需要讓理論與建模和實(shí)驗(yàn)研究齊頭并進(jìn)，這樣才能加速科學(xué)發(fā)現(xiàn)。與此同時，計(jì)算科學(xué)作為一個領(lǐng)域也已日趨成熟。綜合這些因素，現(xiàn)在確實(shí)是推出新教材的好時候。

神經(jīng)科學(xué)研究的時代變遷

保羅：如果你不介意我這么說的話，至少在我剛踏入計(jì)算神經(jīng)科學(xué)領(lǐng)域時，你就已經(jīng)是這個圈子里的傳奇人物了，我想現(xiàn)在依然是。而且這本書是只有你一個作者，大多數(shù)教材都是多作者編寫的，單從這一點(diǎn)來看，它就顯得很特別。

我還想深入問問，你剛才提到領(lǐng)域發(fā)展很快，現(xiàn)在已經(jīng)進(jìn)入了大數(shù)據(jù)時代?；叵胛覄?cè)胄心菚?，研究還停留在“單細(xì)胞記錄”的時代：動物在做任務(wù)時，我們插一根電極進(jìn)去，忙活半天，最多也就記錄到一兩個，頂多三個神經(jīng)元的活動。我對你的最初印象，也正是來自你在工作記憶領(lǐng)域的那些經(jīng)典研究。

你很早就開始做工作記憶和決策相關(guān)的計(jì)算神經(jīng)科學(xué)研究了。能不能請你回顧一下，現(xiàn)在的研究和你職業(yè)生涯早期相比，除了規(guī)模更大、數(shù)據(jù)更多之外，還有哪些本質(zhì)上的不同？

汪小京：嗯，就像你說的，我們聊的是大概30 年前、25年前的事了。那時候，對執(zhí)行任務(wù)的動物進(jìn)行記錄（哪怕設(shè)計(jì)的任務(wù)很有研究價值），大多都局限在一次只能記錄一個細(xì)胞。你本身也在這個領(lǐng)域，我想你應(yīng)該同意，像工作記憶、決策這類認(rèn)知功能的研究，大致是在世紀(jì)之交前后才開始的。

在那之前，我們這個領(lǐng)域的研究重心主要集中在感覺編碼、感覺信息處理，或是運(yùn)動相關(guān)領(lǐng)域，比如昆蟲的中樞部件和發(fā)生器這類課題。而在更靈活的信息處理過程中，單細(xì)跑層面究竟發(fā)生了什么，相關(guān)研究其實(shí)是在世紀(jì)之交前后才真正起步的。

比如鮑勃?德西蒙（Bob Desimone）關(guān)于選擇性注意的研究，杰夫?肖爾（Jeffrey Schall）關(guān)于動作選擇的研究，比爾?紐瑟姆（Bill Newsome）和邁克?沙德倫（Mike Shadlen）關(guān)于知覺決策的研究，還有Daeyeol Lee、保羅?格利姆徹（Paul Glimcher）等人關(guān)于經(jīng)濟(jì)決策的研究*，這些重要工作基本上都出現(xiàn)在那個時期。

* Desimone, Robert, and John Duncan. "Neural mechanisms of selective visual attention." Annual review of neuroscience 18.1 (1995): 193-222.

Schall, Jeffrey D., and Doug P. Hanes. "Neural basis of saccade target selection in frontal eye field during visual search." Nature 366.6454 (1993): 467-469.

Shadlen, Michael N., and William T. Newsome. "Neural basis of a perceptual decision in the parietal cortex (area LIP) of the rhesus monkey." Journal of neurophysiology 86.4 (2001): 1916-1936.

保羅：確實(shí)是這樣。

汪小京：但坦白說，在我看來，這些內(nèi)容此前從未以系統(tǒng)的方式在教材中呈現(xiàn)過，這也是我在這本書里試圖彌補(bǔ)的一點(diǎn)。

保羅：我不知道有多少教材會引用蘇斯博士（Dr. Seuss）的話，但你的書最后一章就有一句——“你滿腦子智慧，雙腳也充滿力量，聰明如你，絕不會走上歪路。”說實(shí)話，我讀蘇斯博士的作品讀得不太好，但你提到的這一點(diǎn)很關(guān)鍵：書的最后一章里有個表格，把你剛才聊到的內(nèi)容，也就是研究認(rèn)知時用到的各類實(shí)驗(yàn)任務(wù)，按某種層級順序整理了出來，而且涵蓋了很多常用任務(wù)。顯然，這是一本內(nèi)容全面又貼近前沿的書。你是不是覺得，我們對“認(rèn)知類任務(wù)”的現(xiàn)代理解，以及相關(guān)的理論概念，之前一直沒有被系統(tǒng)整合起來？

汪小京：沒錯。我認(rèn)為對于計(jì)算神經(jīng)科學(xué)來說，這一點(diǎn)非常重要。你剛才提到了“任務(wù)”，其實(shí)我作為物理專業(yè)出身的人，這對我來說也是一個很大的轉(zhuǎn)變。剛開始接觸神經(jīng)科學(xué)時，即便我嘗試構(gòu)建工作記憶的模型，也完全不了解行為心理學(xué)，所以當(dāng)時并沒有太關(guān)注行為表現(xiàn)。

我想，很多從物理或數(shù)學(xué)領(lǐng)域轉(zhuǎn)過來的人，可能都有過類似經(jīng)歷。那時候會覺得，“這是一個神經(jīng)網(wǎng)絡(luò)模型”，本質(zhì)上就是某種物理動力學(xué)系統(tǒng)。我會關(guān)注無標(biāo)度動力學(xué)（scale-free dynamics）、關(guān)注振蕩現(xiàn)象（oscillations）——這些都是動力學(xué)層面的現(xiàn)象，卻很少去思考“實(shí)驗(yàn)任務(wù)”本身的意義。

對我個人而言，這個轉(zhuǎn)變過程其實(shí)很有意思：我逐漸開始理解心理學(xué)領(lǐng)域的研究傳統(tǒng)，也慢慢意識到，研究者們是如何通過設(shè)計(jì)實(shí)驗(yàn)任務(wù)，來精準(zhǔn)解答“大腦如何工作”這類具體問題的。

你也知道，計(jì)算科學(xué)本身是高度跨學(xué)科的。我每次上課都會發(fā)現(xiàn)，學(xué)生里總有一些來自物理或數(shù)學(xué)專業(yè)，他們對大腦一無所知；當(dāng)然，也有少數(shù)生物背景的實(shí)驗(yàn)研究者，數(shù)學(xué)基礎(chǔ)相對薄弱。所以我覺得，寫這本書在某種程度上也是想傳遞一個理念：在這個領(lǐng)域里，關(guān)注“行為”、理解“任務(wù)設(shè)計(jì)”有多重要。

保羅：確實(shí)是這樣。你在書里也反復(fù)強(qiáng)調(diào)了這一點(diǎn)。那現(xiàn)在從物理領(lǐng)域過來的學(xué)生，是不是還會像你當(dāng)初那樣，不了解行為層面的知識，也不關(guān)注行為或心理學(xué)相關(guān)的內(nèi)容？你會不會特意跟他們強(qiáng)調(diào)這一點(diǎn)的重要性呀？

汪小京：情況因人而異。現(xiàn)在很多學(xué)生之所以對我們這個領(lǐng)域感興趣，其實(shí)是受了人工智能（AI）和機(jī)器學(xué)習(xí)的影響。但即便如此，我覺得至少目前來看，這種情況依然存在。來自定量學(xué)科（物理、數(shù)學(xué)等）的學(xué)生，可能還是沒有機(jī)會接觸到“行為”和“腦功能”背后豐富的內(nèi)涵。

保羅：關(guān)注人工智能的人可能更在意基準(zhǔn)測試（benchmarks），這和“行為”是兩回事。我不確定這算不算一種細(xì)微差異，你怎么看？

汪小京：沒錯，確實(shí)是這樣。這本質(zhì)上還是和 “表現(xiàn)”有關(guān)，對吧？

保羅：表現(xiàn)——這詞確實(shí)挺籠統(tǒng)的，但你說的對，是這么回事。

汪小京：但具體是“什么的表現(xiàn)”呢？我覺得不同人關(guān)注的點(diǎn)不一樣。另外還有個我覺得很有意思的點(diǎn)，某種程度上，我們談?wù)摯竽X時會有點(diǎn)前后矛盾。當(dāng)然，我們都知道，不同的心理過程、不同的腦功能，在一定程度上依賴大腦的不同區(qū)域。比如視覺、聽覺、運(yùn)動行為對應(yīng)的腦區(qū)，我們都有明確認(rèn)知。但很多時候，當(dāng)我們泛泛談?wù)摗吧窠?jīng)元計(jì)算”，比如討論大腦與人工智能的關(guān)系時，卻常常把這一點(diǎn)拋在腦后，不再強(qiáng)調(diào)“功能特化”的重要性。

保羅：你是說“模塊化”（modularity）嗎？

汪小京：對，類似模塊化的概念。比如你可以做個調(diào)查，問問普通大眾，甚至人工智能研究者：他們對視覺系統(tǒng)的腹側(cè)通路和背側(cè)通路了解多少？要知道，腹側(cè)通路可是卷積神經(jīng)網(wǎng)絡(luò)的最初靈感來源。這兩條通路有什么區(qū)別？為什么會有這些區(qū)別？該如何解釋這些區(qū)別？我敢說，真正深入思考過這些問題的人恐怕不多。

這就是我剛才說的“前后矛盾”——我們明明知道腦區(qū)功能不同，卻很少深入探討：大腦不同區(qū)域究竟是如何實(shí)現(xiàn)不同功能的。這本質(zhì)上就是“模塊化”要解答的問題。你能理解我的意思嗎？

保羅：能。我現(xiàn)在立刻就想聊工作記憶的問題。在我印象里，你最知名的研究就是關(guān)于工作記憶的。而且回顧你過去的成果，會發(fā)現(xiàn)你在很多領(lǐng)域都很有建樹。你之前提到過，大腦里有很多環(huán)路、很多區(qū)域，都存在“工作記憶類型的活動”，也就是你認(rèn)為的、屬于工作記憶范疇的環(huán)路活動。這似乎和你剛才聊的“模塊化”能對應(yīng)上。你覺得工作記憶是闡釋“模塊化”的好例子嗎？

汪小京：當(dāng)然是，絕對是個好例子。你知道，神經(jīng)科學(xué)研究中，我們通常會先從腦損傷患者身上獲得線索——也就是大腦特定區(qū)域受損的患者。之后，再通過嚴(yán)謹(jǐn)?shù)膿p傷研究（lesion studies）進(jìn)一步驗(yàn)證。這類研究指出，比如前額葉皮層（prefrontal cortex）在工作記憶中發(fā)揮著關(guān)鍵作用。也正因?yàn)槿绱?，像福斯特（Fuster）和帕特里夏?戈德曼-拉基奇（Patricia Goldman-Rakic）這樣的學(xué)者，才會在執(zhí)行工作記憶任務(wù)的動物大腦中，向前額葉皮層植入電極進(jìn)行記錄。

這種研究設(shè)計(jì)很巧妙：以延遲反應(yīng)任務(wù)（delayed response task）為例，實(shí)驗(yàn)不會讓動物在接收到刺激后立刻做出反應(yīng)，而是要求它先在工作記憶中“記住”刺激信息，在延遲期內(nèi)對信息進(jìn)行處理，之后才能做出“記憶引導(dǎo)的反應(yīng)”。

保羅：沒錯?；蛟S我們可以這樣定義工作記憶：它不僅是一種臨時記憶，還包含在這種臨時存儲階段內(nèi)進(jìn)行的信息處理。

汪小京：正是如此。關(guān)鍵在于，工作記憶不受外界環(huán)境直接支配，是一種內(nèi)在的腦活動過程。當(dāng)你觀察到工作記憶相關(guān)信號時，會發(fā)現(xiàn)它們并非由外部輸入直接驅(qū)動，這是在“主動在腦中記住信息”的階段產(chǎn)生的。這一點(diǎn)和初級感覺神經(jīng)元（比如接收刺激就產(chǎn)生反應(yīng)）形成了鮮明對比，很有意思。

保羅：我們的整個大腦都具有高度豐富的循環(huán)連接，這類（工作記憶）信號其實(shí)在大腦中隨處可見，只是在某些區(qū)域會更顯著。你可以聊聊這一點(diǎn)嗎？

汪小京：要解答這個疑問，需要從多個角度入手。而且說實(shí)話，這至今仍是個未解之謎，甚至可以說，它已經(jīng)成為當(dāng)前領(lǐng)域的核心問題之一。我展開給你說說原因：和我們之前聊的 “一次只能記錄一個神經(jīng)元”不同，現(xiàn)在有了像神經(jīng)元像素探針（Neuronpixels）這樣的技術(shù)突破，研究者已經(jīng)能在執(zhí)行任務(wù)的動物身上，同時記錄多個腦區(qū)的數(shù)千個神經(jīng)元活動。之后人們會用不同方法分析這些數(shù)據(jù)，比如解碼不同腦區(qū)神經(jīng)元活動中所編碼的信息。

結(jié)果發(fā)現(xiàn)，居然在很多腦區(qū)都能解碼出工作記憶信號。這一點(diǎn)非常有意思，它表明工作記憶具有“分布式”特征，但同時也帶來了困惑：我們能提出一連串問題，卻暫時找不到答案。比如，當(dāng)在某個腦區(qū)觀察到這類信號時，我們不知道它是如何產(chǎn)生的，也不清楚背后的原因。

就像你說的，腦區(qū)之間存在大量相互作用。舉個例子，通過對初級皮層的連接組學(xué)測量發(fā)現(xiàn)，約67%的潛在連接實(shí)際存在。具體來說，如果大腦有n個區(qū)域，每個區(qū)域理論上能和其他（n-1）個區(qū)域形成長距離連接，總潛在連接數(shù)就是n×(n-1)，而其中約67%是真實(shí)存在的。在小鼠大腦中，這個比例更高，有研究稱達(dá)到了95%甚至97%。

保羅：這我還真不知道，太有意思了。等等，這是不是意味著，在分類譜系的“更高層級”（比如非人靈長類和人類靈長類）中，大腦的模塊化程度更高？而小鼠的大腦則更均質(zhì)化？

汪小京：確實(shí)有這種可能。當(dāng)然，影響因素還有很多，但單從連接組學(xué)數(shù)據(jù)來看，這個推測是成立的。畢竟在小鼠腦中，幾乎通過一兩個突觸的連接，就能從任意一個區(qū)域到達(dá)另一個區(qū)域。舉個極端點(diǎn)的例子：

或許工作記憶本質(zhì)上只依賴少數(shù)幾個核心腦區(qū)，但由于腦區(qū)間的相互作用，其他區(qū)域會接收來自核心腦區(qū)的投射信號，進(jìn)而也表現(xiàn)出工作記憶相關(guān)的活動。從理論上來說，這種可能性是存在的。

接下來我們自然會從功能層面追問：這些“非核心區(qū)”的信號是無用的干擾，還是有實(shí)際功能？我認(rèn)為大腦會根據(jù)行為需求，找到利用這些信號的方式。目前，在新數(shù)據(jù)的推動下，研究者已經(jīng)開始著手探索這些問題了。

保羅：沒錯，這種冗余性確實(shí)很有意思。馮?諾依曼（Von Neumann）曾提到過，冗余性是大腦的一個特征，簡單來說，如果你傳遞多份信息副本，就能降低噪聲干擾。你剛才說的內(nèi)容，還讓我想到大腦的能量效率其實(shí)很高：如果核心區(qū)域之外存在這些“額外活動”，或許實(shí)際上并不會消耗太多成本。

汪小京：有道理，但問題是，如果初級視覺皮層（V1）中也存在記憶信號，大腦該如何利用這些信號呢？

保羅：確實(shí)，我正想問這個，那工作記憶的核心到底在哪個位置呢？

汪小京：順便說一句，其實(shí)我也沒有完全確定的答案。冗余性固然有不少好處，比如抗干擾，但我還想提一點(diǎn)：剛才說的這些現(xiàn)象，或許可以結(jié)合拉什利（Lashley）提出的“等勢性理論”（equipotentiality）來理解。你應(yīng)該記得，他的研究認(rèn)為——切除大腦越大的區(qū)域……

保羅：切除的大腦區(qū)域越大，（功能影響）反而越接近？對，我記得這個理論。

汪小京：沒錯，他認(rèn)為大腦不同區(qū)域在功能上或多或少是等效的。但我其實(shí)并不認(rèn)同這個觀點(diǎn)，這也正是我們面臨的謎題。我們一直在努力研究，并嘗試提出解決方案。要理解這個謎題，需要先明確兩個前提：第一，大腦存在大量長距離連接。順便說一句，在我看來，這也是神經(jīng)環(huán)路和物理系統(tǒng)最根本的區(qū)別之一——物理系統(tǒng)中的相互作用通常是局部的。

保羅：你說的“物理系統(tǒng)”具體指什么？

汪小京：比如分子之間的相互作用，要么是碰撞，要么是化學(xué)反應(yīng)，都屬于局部相互作用。但大腦環(huán)路完全不同，它的長距離連接能讓信號傳遞到各個不同區(qū)域——這是第一個前提。第二個前提，是“標(biāo)準(zhǔn)環(huán)路”（canonical circuits）的概念。

保羅：你說的是芒卡斯?fàn)枺∕ountcastle）提出的“皮層標(biāo)準(zhǔn)微環(huán)路”（canonical microcircuitry in the cortex）吧？

汪小京：正是。戴維?休伯（David Huber）、托爾斯滕?威塞爾（Torsten Wiesel），還有后來的凱文?馬丁（Kevin Martin）、羅德尼?道格拉斯（Rodney Douglas），都對這個理論有貢獻(xiàn)。這是一個非常精妙的原則：本質(zhì)上，皮層是由“相同的神經(jīng)組件”構(gòu)成的，相當(dāng)于把相同的局部標(biāo)準(zhǔn)環(huán)路重復(fù)排列。

保羅：這么說，如果我們能弄明白其中一個微環(huán)路的功能，就能解開整個皮層的工作原理了？這可是個大目標(biāo)。

汪小京：一點(diǎn)沒錯。而且這個原則在不同物種中都適用，從嚙齒類動物到猴子，再到人類。這是個極具說服力且精妙的理論，很多人都認(rèn)同它。但問題來了：如果同時認(rèn)可這兩個前提，要解釋“模塊化”就變得非常不簡單了。對了，需要說明的是，“模塊化”這個詞的用法其實(shí)很靈活，比如研究圖論的學(xué)者在分析神經(jīng)網(wǎng)絡(luò)，甚至大腦連接組時，對“模塊化”的定義就和我不一樣。

保羅：你是說，他們指的是物理結(jié)構(gòu)層面的模塊化，對吧？

汪小京：是的，也就是網(wǎng)絡(luò)科學(xué)（Network science）中的定義。在圖論分析中，人們會默認(rèn)所有“節(jié)點(diǎn)”（對應(yīng)腦區(qū)或神經(jīng)元）的本質(zhì)是相同的，差異只存在于輸入和輸出的連接上。

保羅：不過，節(jié)點(diǎn)之間的連接方式也有差異，比如小世界網(wǎng)絡(luò)（small world network）等，但核心還是……

汪小京：沒錯，核心還是輸入和輸出的不同。每個節(jié)點(diǎn)的輸入、輸出連接不同，但節(jié)點(diǎn)本身是相同的。從這個角度看，它和“皮層局部標(biāo)準(zhǔn)環(huán)路”的理念其實(shí)有點(diǎn)像。當(dāng)然，不同領(lǐng)域的人對“模塊”“模塊化”的定義確實(shí)不一樣，我需要先澄清這一點(diǎn)。

我所說的“模塊化”，指的是“功能模塊化”，比如存在一個專門負(fù)責(zé)工作記憶的模塊。但結(jié)合之前的前提，矛盾就出現(xiàn)了：如果假設(shè)大腦不同區(qū)域由“相同的神經(jīng)組件”構(gòu)成，且通過密集網(wǎng)絡(luò)相互連接，那這些區(qū)域究竟如何實(shí)現(xiàn)功能分化呢？這才是真正的謎題。

保羅：我知道你對此有一些思路。其實(shí)要解釋清楚，或許并不需要太復(fù)雜的理論。不如你給我們講講，這種功能分化可能是如何實(shí)現(xiàn)的？

汪小京：目前我們還沒有確定的答案，但過去這些年，我們確實(shí)在努力構(gòu)建模型來探索這個問題。

腦區(qū)功能分化的核心機(jī)制

保羅：理論上，我覺得我們其實(shí)有答案了，答案就是，并非所有皮層柱（cortical columns）都完全相同，因?yàn)樗鼈儽磉_(dá)的蛋白質(zhì)存在差異。即便這些差異很細(xì)微，也能讓不同皮層柱產(chǎn)生不同的功能。

而且模塊化本身，還有連接方式本身，比如一個皮層柱接收來自14個不同區(qū)域的輸入，另一個皮層柱只接收其中12個區(qū)域的輸入，再加上某個獨(dú)特區(qū)域的輸入。就像你之前說的，單靠輸入-輸出結(jié)構(gòu)的差異，就能實(shí)現(xiàn)功能分化。我還以為你接下來就要聊這個呢。

汪小京：這個思路很好。確實(shí)有人認(rèn)為，“標(biāo)準(zhǔn)環(huán)路”理論雖然有吸引力，但并不充分，或許皮層不同區(qū)域本質(zhì)上就不一樣。當(dāng)然，我們也能觀察到各種差異：如今，無論是轉(zhuǎn)錄組數(shù)據(jù)（transcriptomic data）、連接組數(shù)據(jù)，還是其他各類數(shù)據(jù)，都指向這個方向，也就是說，“皮層各區(qū)域完全相同”的說法其實(shí)并不成立，大腦中存在大量異質(zhì)性（heterogeneities）。

不知道你是否了解這一點(diǎn)：以靈長類動物的皮層為例，其中包含興奮性神經(jīng)元（比如錐體細(xì)胞，pyramidal cells）和抑制性神經(jīng)元。在初級視覺皮層（V1）中，約15%的神經(jīng)元是抑制性的，85%是興奮性的；而在前額葉皮層（PFC）中，抑制性神經(jīng)元的比例其實(shí)是V1的兩倍。

保羅：說到前額葉皮層，如果把大腦看作一個前饋式輸入-輸出系統(tǒng)，那前額葉皮層應(yīng)該處于皮層層級的頂端吧？

汪小京：沒錯。前額葉皮層（PFC）位于大腦前部、眼睛正上方的皮層區(qū)域，長期以來它的功能都很神秘。直到近幾十年，我們才逐漸意識到它對認(rèn)知功能和行為執(zhí)行控制的重要性，有時它也被稱為大腦的“首席執(zhí)行官”（CEO）。我想把它和V1這樣的初級感覺皮層做個對比，兩者的差異其實(shí)非常顯著。

保羅：嗯，你剛才提到的抑制性神經(jīng)元比例就是一個大差異，V1是15%，那前額葉皮層具體是多少呢？

汪小京：30%。

保羅：30%？人們總說“興奮-抑制平衡”（excitation-inhibition balance）是神經(jīng)功能的關(guān)鍵，那這個比例差異對兩個腦區(qū)的功能來說意味著什么呢？

汪小京：目前大家還在努力探索這個問題的答案。我們團(tuán)隊(duì)也做了一些研究，試圖解答這個疑問。如果你不介意的話，我可以稍微展開講點(diǎn)細(xì)節(jié)，我覺得這些內(nèi)容對你的聽眾來說可能會很有意思，原因有幾個。

我們之前聊到過工作記憶：當(dāng)我們嘗試構(gòu)建工作記憶模型時，我們擔(dān)心的是大腦如何忽略干擾信號？當(dāng)你需要在腦中記住某個信息時，要忽略那些不相關(guān)的干擾信號其實(shí)很難，這些干擾可能是外部刺激，也可能是需要抑制的內(nèi)部雜念。

這件事要追溯到20年前，我們在2004年發(fā)表過一篇相關(guān)論文*。機(jī)緣巧合的是，當(dāng)時我和一位來自匈牙利的解剖學(xué)家塔馬斯?弗洛因德（Tamás Freund）聊過這個話題。我們之前一直認(rèn)為，抑制性神經(jīng)元的作用是靶向興奮性神經(jīng)元、調(diào)控興奮性神經(jīng)元的活動。但他告訴我，他們團(tuán)隊(duì)剛發(fā)現(xiàn)了一組“不作用于錐體細(xì)胞”的抑制性神經(jīng)元，這些神經(jīng)元完全不靶向興奮性神經(jīng)元。這一發(fā)現(xiàn)連他自己都很意外。最初是在海馬體中觀察到的，后來又發(fā)現(xiàn)了更多解剖學(xué)證據(jù)，結(jié)果表明：這類不作用于錐體細(xì)胞的抑制性神經(jīng)元，其實(shí)靶向的是另一類抑制性神經(jīng)元。

* Wang, X-J., et al. "Division of labor among distinct subtypes of inhibitory neurons in a cortical microcircuit of working memory." Proceedings of the National Academy of Sciences 101.5 (2004): 1368-1373.該論文首次在計(jì)算模型中明確了不同類型的中間神經(jīng)元（樹突靶向 vs 胞體靶向）在維持工作記憶和抗干擾中的不同功能。

保羅：是和它們自身不同類型的抑制性神經(jīng)元嗎？

汪小京：是第二類抑制性神經(jīng)元。而這第二類抑制性神經(jīng)元，靶向的是錐體細(xì)胞的樹突（dendrites），它們實(shí)際上在調(diào)控進(jìn)入錐體細(xì)胞的信號流。如果這類抑制性神經(jīng)元活性很強(qiáng)，就會直接“阻斷”進(jìn)入錐體細(xì)胞的信號通路。

保羅：這是為了實(shí)現(xiàn)稀疏性（sparsity）嗎？還是為了高效編碼機(jī)制？你提到了海馬體，而海馬體的某些區(qū)域確實(shí)需要稀疏性，但——

汪小京：我們最初是在海馬體中發(fā)現(xiàn)這類“不作用于錐體細(xì)胞”的神經(jīng)元，但我認(rèn)為它們的核心功能可能是“門控”（gating）——這也讓它們有了明確的分類名稱。這類神經(jīng)元可以通過特定生物標(biāo)志物識別，比如以VIP（血管活性腸肽）或鈣視網(wǎng)膜蛋白（Calretinin）為標(biāo)記物，我們所說的“靶向特定神經(jīng)元的抑制性神經(jīng)元”指的就是它們，明白嗎？

保羅：明白。

汪小京：至于第二類抑制性神經(jīng)元，可以用生長抑素（somatostatin，簡稱SOM）作為標(biāo)記物，它們的作用靶點(diǎn)是錐體細(xì)胞的樹突。如果這類SOM神經(jīng)元活性增強(qiáng)，就會直接阻斷進(jìn)入錐體細(xì)胞的信號；但如果某種情況下，第一類VIP神經(jīng)元被激活，它們就會抑制SOM神經(jīng)元的活動，進(jìn)而“打開”信號傳遞的閘門。

保羅：原來是這樣，這就是“去抑制”（disinhibition）的概念吧？不過我到現(xiàn)在還是有點(diǎn)繞不過來，雖然基底神經(jīng)節(jié)回路中經(jīng)常出現(xiàn)這種機(jī)制。

汪小京：確實(shí)是這樣。

保羅：畢竟是“去抑制”嘛（負(fù)負(fù)得正），總需要花點(diǎn)時間理解。

汪小京：沒錯。不過我們剛才聊的這類機(jī)制，更側(cè)重于針對錐體細(xì)胞樹突、調(diào)控輸入信號的過程。我們團(tuán)隊(duì)構(gòu)建的模型中，其實(shí)包含了三種抑制性神經(jīng)元：除了剛才說的VIP和SOM神經(jīng)元，還有第三種，它的作用是直接控制錐體細(xì)胞的spike輸出（即動作電位輸出）。

簡單總結(jié)一下：SOM神經(jīng)元負(fù)責(zé)調(diào)控“輸入信號”，另一類以小白蛋白（parvalbumin，簡稱 PV）為標(biāo)記物的神經(jīng)元，負(fù)責(zé)調(diào)控錐體細(xì)胞的 “輸出信號”。這種包含三種抑制性神經(jīng)元的 “神經(jīng)環(huán)路基序”（motif），我不知道現(xiàn)在有多少人真正了解，它最早是在我們2004年的建模論文中提出的理論概念。

如今，借助基因工具，研究者已經(jīng)證實(shí)，這種神經(jīng)環(huán)路基序在整個皮層中基本是普遍存在的。不過回到你之前的問題，或許皮層不同區(qū)域，對“輸出控制”和“輸入控制”的需求本就不同。

你想想初級視覺皮層（V1）：它的輸入來源可能比較少；但前額葉皮層（PFC）的錐體細(xì)胞，會接收大量來自不同區(qū)域的輸入信號?；蛟S正因?yàn)槿绱?，PFC需要比早期感覺皮層更多 “負(fù)責(zé)輸入控制的抑制性神經(jīng)元”，而實(shí)際研究結(jié)果也確實(shí)如此。不同腦區(qū)中，“輸入控制型” 與“輸出控制型”抑制性神經(jīng)元的比例，差異非常顯著。

保羅：抱歉我稍微回溯一下，抑制性神經(jīng)元的比例，從初級視覺皮層（屬于早期視覺皮層區(qū)域）的15%，上升到前額葉皮層的30%，這個比例是沿梯度線性增加的嗎？

我們已知一個現(xiàn)象：從早期感覺皮層到前額葉皮層，腦區(qū)處理信息的時間尺度會越來越長，我猜這可能和抑制性神經(jīng)元的比例有關(guān)。但這個比例是會出現(xiàn)突變，還是就沿這個軸（腦區(qū)層級）逐步增加呢？

汪小京：這是個很好的問題。當(dāng)人們說大腦存在大量異質(zhì)性時，關(guān)鍵在于如何量化這種異質(zhì)性：它是類似高維分布的隨機(jī)差異，還是會沿著某個低維軸呈現(xiàn)出系統(tǒng)性變化呢？

我們團(tuán)隊(duì)和約翰?默里（John Murray）等研究者，用不同類型的數(shù)據(jù)（包括抑制性神經(jīng)元比例、轉(zhuǎn)錄組數(shù)據(jù)等）來探究這個問題，結(jié)果發(fā)現(xiàn)答案是后者。實(shí)際上，大腦的生物學(xué)特性會沿著特定低維軸發(fā)生系統(tǒng)性變化，我們現(xiàn)在稱之為“微觀梯度”（microscopical gradient）。

順帶提一句，這里有兩個需要區(qū)分的要點(diǎn)：一是抑制性神經(jīng)元相對興奮性神經(jīng)元的比例，二是在抑制性神經(jīng)元內(nèi)部，負(fù)責(zé)“輸入控制”和 “輸出控制”的神經(jīng)元各自所占的比例。

總之，這些特性都呈現(xiàn)出非常規(guī)律的微觀梯度，這一點(diǎn)很有意義，因?yàn)槟鼙涣炕?，有具體數(shù)值，我們就能據(jù)此構(gòu)建模型。這種大規(guī)模模型目前還處于較新的階段，但前景很好。構(gòu)建時，我們不會憑空設(shè)計(jì)連接方式，而是基于連接組學(xué)測量數(shù)據(jù)，搭建多區(qū)域的大規(guī)模模型（比如獼猴皮層模型）。

之后，我們會引入突觸興奮和抑制的梯度差異，確保不同皮層區(qū)域呈現(xiàn)出梯度化的特性差異。從數(shù)學(xué)角度來說，這意味著每個局部區(qū)域可以使用相同的方程，而異質(zhì)性則體現(xiàn)在：即便方程相同，方程中的參數(shù)值也會有所不同。這種方法很嚴(yán)謹(jǐn)，能幫助我們構(gòu)建受生物學(xué)約束的模型。

保羅：抱歉我插個題外話，聽你說話的時候，我突然意識到，你很早就進(jìn)入這個領(lǐng)域了?，F(xiàn)在我想到神經(jīng)科學(xué)，會覺得“哦，現(xiàn)在好像全是計(jì)算神經(jīng)科學(xué)的天下了”，但你剛開始做研究的時候，情況完全不是這樣，當(dāng)時計(jì)算神經(jīng)科學(xué)的內(nèi)容非常少。你可以說是最早把理論觀點(diǎn)、數(shù)學(xué)模型引入神經(jīng)科學(xué)的人之一。

你能不能回想一下，我理解的情況對嗎？現(xiàn)在神經(jīng)科學(xué)真的變得“全是計(jì)算導(dǎo)向”了嗎？你會覺得自己當(dāng)初的選擇是正確的嗎？你剛進(jìn)入神經(jīng)科學(xué)領(lǐng)域時，會不會覺得“這些做生物學(xué)的人只是在收集數(shù)據(jù)（像集郵一樣），我要改變這種現(xiàn)狀”？那時候的情況是怎樣的？你當(dāng)時在做這些研究時，會不會覺得孤單呀？

汪小京：謝謝你的認(rèn)可。我在上課的時候，有時會跟學(xué)生說，任何領(lǐng)域都有先驅(qū)者。比如構(gòu)建了霍奇金-赫胥黎模型的霍奇金（Hodgkin）和赫胥黎（Huxley），還有像約翰?林澤爾（John Rinzel）、威爾（Will）、巴頓（Barton）、南希?科佩爾（Nancy Kopell）這樣的應(yīng)用數(shù)學(xué)家。但從領(lǐng)域發(fā)展來看，計(jì)算神經(jīng)科學(xué)真正起步，可能要等到數(shù)據(jù)收集積累到一定階段，再加上戴維?馬爾（David Marr）這類從功能視角出發(fā)的研究者，推動了用數(shù)學(xué)模型理解大腦工作機(jī)制的理念。

保羅：對。我過會兒再問你戴維?馬爾的事，先接著剛才的話題，你是說，這個領(lǐng)域的起步，是等到數(shù)據(jù)收集達(dá)到一定程度之后？

汪小京：嗯，或許我可以換個角度表述。至少在我看來，當(dāng)系統(tǒng)神經(jīng)科學(xué)發(fā)展到一定階段（比如出現(xiàn)了芒卡斯?fàn)枴⑿莶?、威塞爾等研究者的成果）之后，人們才開始運(yùn)用數(shù)學(xué)工具。而且，這一過程可能還結(jié)合了數(shù)學(xué)心理學(xué)的方法，比如運(yùn)用信號檢測理論（signal detection theory）、點(diǎn)過程（point process）等，于是開始用數(shù)學(xué)工具來分析（神經(jīng)數(shù)據(jù)）。

保羅：沒錯。那時候的模型都很簡單，哦，我不該說“簡單”，但確實(shí)是非常“小”的模型，對吧？你會把它們稱為“小模型”嗎？

汪小京：對。之后，人們又用信息論來量化編碼過程；還有像伊芙?馬德（Eve Marder）這樣的研究者，為了探究運(yùn)動行為背后的節(jié)律機(jī)制，開始運(yùn)用動力系統(tǒng)理論（dynamical systems theory）。這些都是計(jì)算神經(jīng)科學(xué)早期的例子。

再回頭看，霍奇金-赫胥黎模型、羅（Roe）和林澤爾的研究，更多聚焦于神經(jīng)元生理學(xué)，這個領(lǐng)域本身一直都很注重定量分析。我自己的背景是動力系統(tǒng)理論和統(tǒng)計(jì)物理，不過有點(diǎn)機(jī)緣巧合的是，我很早就進(jìn)入了前額葉皮層的研究領(lǐng)域。

保羅：你說“機(jī)緣巧合”，具體是怎么回事呀？

汪小京：確實(shí)有點(diǎn)偶然。我轉(zhuǎn)做神經(jīng)科學(xué)研究時，是在加州大學(xué)伯克利分校沃爾特?弗里曼（Walter Freeman）的實(shí)驗(yàn)實(shí)驗(yàn)室工作。不知道你是否了解，他的父親是那個因做額葉切除術(shù)而聲名狼藉的人。

保羅：哦，還真不知道。是“聲名狼藉”那種是吧？

汪小京：對，聲名狼藉。他父親實(shí)際上做過數(shù)千例額葉切除術(shù)，還會開著車——

保羅：就是那種“冰錐額葉切除術(shù)”（ice pick frontal lobotomy）嗎？

汪小京：沒錯。他父親會開車穿梭于各個州，提供這種手術(shù)作為“治療手段”。約翰?肯尼迪（John Kennedy）的妹妹羅斯瑪麗?肯尼迪（Rosemary Kennedy），就是他做的額葉切除術(shù)。

保羅：居然是他做的。沃爾特?弗里曼（兒子）是他的兒子？

汪小京：對。

保羅：天吶。那你知道沃爾特?弗里曼（兒子）是怎么看待他父親這些事的嗎？

汪小京：我不記得我們當(dāng)時有沒有聊過這個話題了。不過不管怎樣，我從那時候開始聽說了前額葉皮層（PFC），也意識到它可能對理解精神病學(xué)有重要意義。盡管——

保羅：這也太有意思了。你會研究前額葉皮層，居然是因?yàn)橐郧坝腥嗽凇扒谐鼻邦~葉皮層，而且某人的父親還在主動“去除”這個被認(rèn)為“不重要”的腦區(qū)，結(jié)果你反而覺得“這腦區(qū)說不定很重要”。

汪小京：確實(shí)是這樣。而且羅斯瑪麗?肯尼迪的情況很悲慘：她23歲時做了這個手術(shù)，結(jié)果徹底失敗了，之后完全無法正常生活。

保羅：哦，是的。我對她的情況了解不多，但聽說那次手術(shù)對她的影響特別大，后果很嚴(yán)重。

汪小京：沒錯。她之后在機(jī)構(gòu)里住了五十多年，這是個很慘痛的例子，也說明當(dāng)時我們對前額葉皮層的功能一無所知。后來我到了匹茲堡，情況才有了變化。

我在匹茲堡開始了第一份教職，在那里認(rèn)識了戴維?劉易斯（David Lewis）。是他從科學(xué)的角度給我介紹了前額葉皮層，我也是從他那里了解到，前額葉皮層對精神病學(xué)很重要，因?yàn)轱@然所有主要的精神疾病，或多或少都與前額葉皮層功能異常有關(guān)。也是通過他，我認(rèn)識了帕特里夏?戈德曼-拉基奇（Patricia Goldman-Rakic），之后才真正進(jìn)入這個領(lǐng)域的研究。

保羅：原來如此。我插一句——帕特里夏?戈德曼-拉基奇，我學(xué)工作記憶相關(guān)知識時，也學(xué)到過她的研究：她記錄了執(zhí)行工作記憶任務(wù)的猴子前額葉皮層的神經(jīng)活動。以前學(xué)的內(nèi)容是，存在這樣一種單細(xì)胞：當(dāng)猴子在工作記憶中“記住”某個信息時，這個細(xì)胞會產(chǎn)生持續(xù)性活動（persistent activity）。

具體來說，當(dāng)沒有刺激輸入、猴子需要在腦中 “記住”信息時，這種單細(xì)胞就會開始活躍；而且會一直保持活躍，直到猴子得到響應(yīng)指令，需要根據(jù)工作記憶中的內(nèi)容做出反應(yīng)。這就是當(dāng)時關(guān)于工作記憶的經(jīng)典研究結(jié)論。

汪小京：對。另外，還有一些研究者也做過相關(guān)工作，比如日本的福斯特（Foerster）和渡邊（Watanabe），但戈德曼-拉基奇的研究有其獨(dú)特性，她不僅在自己的實(shí)驗(yàn)室里，還嘗試通過多種方法，從不同層面去理解工作記憶的機(jī)制。

正如你所說，他們團(tuán)隊(duì)會在工作記憶任務(wù)中做單細(xì)胞記錄（single-unit recording），但除此之外，她還做腦成像研究、體外腦片（in vitro slice）實(shí)驗(yàn)；她本身也是解剖學(xué)家出身，還做了大量解剖學(xué)分析。我覺得這正是她最獨(dú)特的貢獻(xiàn)：通過多種研究手段，綜合探究（工作記憶的）機(jī)制。

超越馬爾層級：理論范式革新

保羅：好的，你這么一說，正好讓我想回到大衛(wèi)?馬爾（David Marr）的話題上。咱們來聊聊 “跨層級機(jī)制” 吧。你的教材有個獨(dú)特之處，它不只是一本普通教材，更像是在呼吁一種研究大腦的新范式。

我們這個播客之前聊過很多次大衛(wèi)?馬爾，不過還是先簡要回顧一下，你之前也提到過他，他提出的研究框架在神經(jīng)科學(xué)領(lǐng)域很流行，核心是教我們?nèi)绾卫斫獯竽X、如何解釋大腦活動。他著名的“馬爾三層級”理論具體是這樣的：

首先是計(jì)算/功能層級，關(guān)注“任務(wù)是什么”“認(rèn)知活動的目標(biāo)是什么”；其次是算法/表征層級，研究“大腦要完成這個任務(wù)，需要執(zhí)行哪些步驟”；最后是實(shí)現(xiàn)層級，回答“神經(jīng)元如何行動、如何執(zhí)行這些算法、完成這個任務(wù)”。

你在書的第一章就明確提出，現(xiàn)在我們應(yīng)該 “超越馬爾層級”，為什么這么說呢？

汪小京：或許我可以先從大衛(wèi)?馬爾理論的邏輯背景和歷史背景說起。他提出這三個層級是在20世紀(jì)80年代初，順便提一句，這個理論其實(shí)是他和湯米?波焦（Tommy Poggio）一起提出的。

保羅：波焦啊，我之后打算邀請湯米來節(jié)目呢。對。

汪小京：好啊，到時候可以問問他。我和他聊過這個話題，很有意思。我覺得他們提出這個理論，主要有兩個出發(fā)點(diǎn)。

第一個是，坦白說，當(dāng)時的神經(jīng)生物學(xué)家不太關(guān)注“行為”，很多人都在研究單個神經(jīng)元如何工作、突觸傳遞如何進(jìn)行，這類研究大多用體外腦片（in vitro slice）實(shí)驗(yàn)，而腦片實(shí)驗(yàn)里根本不存在“行為”這個概念。

保羅：確實(shí)是這樣。這么說的話，那種研究有點(diǎn)像“收集數(shù)據(jù)（集郵）”，不過——

汪小京：就是“集郵式”研究，和行為完全不掛鉤。而且即便當(dāng)時有人做在體（in vivo）記錄，也大多是在麻醉動物身上進(jìn)行的。

保羅：這種研究不會關(guān)注動物的行為，只是想弄明白“這些神經(jīng)組件是怎么運(yùn)作的”，這本身是很有價值、也很有必要的研究。

汪小京：絕對是必要的。我想，大衛(wèi)?馬爾和他的同事們覺得，或許可以用一種“互補(bǔ)性方法”：不那么糾結(jié)于“實(shí)現(xiàn)層面”，先專注研究行為。比如他們會想，“視覺研究很難，那怎么理解立體視覺呢？不如先從定量定義‘立體視覺是什么’開始，這就是功能層面的研究；然后再嘗試提出一些數(shù)學(xué)算法，也就是軟件層面的研究”。

保羅：對，不管底層是由什么構(gòu)成的，是大腦組織也好，計(jì)算機(jī)硬件也罷，先搞清楚“怎么實(shí)現(xiàn)這個功能”。

汪小京：沒錯，而“底層構(gòu)成”就是第三個層面，也就是硬件（實(shí)現(xiàn)層級）。對了，第二個出發(fā)點(diǎn)帶點(diǎn)社會學(xué)因素，聽湯米說，當(dāng)時有不少人認(rèn)為“只要搞懂分子生物學(xué)，就能理解大腦的一切”。

當(dāng)時確實(shí)有這種傾向。所以大衛(wèi)?馬爾才會說，“我們可以基于行為本身的價值去研究它”，這個觀點(diǎn)很有道理。不過我覺得，隨著時間推移，我們得去 讀他的原始著作才能準(zhǔn)確理解；但可能有些研究者理解得比較“樸素”，把大衛(wèi)?馬爾的“三層級”當(dāng)成了一種“單向?qū)蛹夑P(guān)系”，認(rèn)為“功能層級最重要，其次是軟件（算法）層級，要是還有興趣，最后再考慮實(shí)現(xiàn)（硬件）層級”。

保羅：現(xiàn)在大家確實(shí)都這么理解，但這是不是 “誤讀”呢？這種理解會不會已經(jīng)成了“流傳的說法”，偏離了原意？

汪小京：我倒不覺得……你還記得嗎？剛才你描述“馬爾三層級”時，提到“實(shí)現(xiàn)層級”，用的詞是“只是硬件層面”。

保羅：我這么說了嗎？不過從文化氛圍來看，我確實(shí)一直被這種“單向?qū)蛹墶钡睦斫庥绊懼?。沒錯。

汪小京：其實(shí)我想提一個觀察：如果有人真的只關(guān)注“功能”，比如人工智能領(lǐng)域的研究者，那他們應(yīng)該會注意到，如今人工智能系統(tǒng)的核心工具，以前是卷積神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)。

保羅：現(xiàn)在應(yīng)該是Transformer（轉(zhuǎn)換器）了吧，不過上一代（AI核心）是卷積神經(jīng)網(wǎng)絡(luò)。

汪小京：最初其實(shí)是深度神經(jīng)網(wǎng)絡(luò)，深度神經(jīng)網(wǎng)絡(luò)屬于“軟件”層面，但它的最初靈感，其實(shí)來自我們對視覺系統(tǒng)“硬件”（指神經(jīng)結(jié)構(gòu)）的認(rèn)知。

保羅：這一點(diǎn)在AI領(lǐng)域至少是被嚴(yán)重低估了。

汪小京：正是從視覺系統(tǒng)的神經(jīng)結(jié)構(gòu)（硬件）中獲得的啟發(fā)，才讓楊立昆等人開發(fā)出了這種（卷積神經(jīng)網(wǎng)絡(luò)）架構(gòu)。

保羅：還有福島邦彥（Fukushima）也是（該領(lǐng)域的先驅(qū)）。

汪小京：沒錯。我可以舉很多這樣的例子。我想說的是，從神經(jīng)科學(xué)中汲取靈感這件事，我們其實(shí)還沒做完。尤其是在前額葉皮層，或是視覺系統(tǒng)背側(cè)通路這類領(lǐng)域，還有很多可挖掘的空間。不過還有一點(diǎn)我不太確定：有人認(rèn)為 “同一種軟件（算法）可以用各種不同的硬件（物理載體）來實(shí)現(xiàn)”，這種思路的實(shí)際價值到底有多大。

保羅：你說的是“功能主義視角”吧？對，有這種觀點(diǎn)。

汪小京：對。這種觀點(diǎn)部分源于“大腦與計(jì)算機(jī)類比”的思路。比如人們會說，“圖靈機(jī)既可以用老式真空管實(shí)現(xiàn)，也可以用芯片實(shí)現(xiàn)”。但事實(shí)上，我不確定這種類比是否真的適用于大腦功能。

保羅：什么？你是說圖靈機(jī)的實(shí)現(xiàn)方式？理論上這不應(yīng)該是成立的嗎？

汪小京：圖靈機(jī)的情況確實(shí)成立。但我想說的是“大腦功能”，我不確定（“軟件-硬件分離”的思路）在多大程度上適用于大腦。而且我也不確定，這種思路對腦科學(xué)研究來說，到底有多大幫助、多大價值。或許“將大腦與計(jì)算機(jī)類比”的這個方向，本身就不是那么有趣、那么有用。

保羅：你一直都這么認(rèn)為嗎？還是因?yàn)槟闶窃缙谟?jì)算神經(jīng)科學(xué)家，某種程度上，“把大腦當(dāng)作計(jì)算機(jī)來研究”成了你的核心工作，所以才會有這種想法？

汪小京：其實(shí)我更傾向于把大腦看作一個“動力系統(tǒng)（dynamical system）”。

保羅：哦，那我之前的理解可就有點(diǎn)偏差了。

汪小京：至少在我看來，大腦和計(jì)算機(jī)的區(qū)別可以再展開說說。不過不管怎樣，如果你真的關(guān)心“大腦如何工作”，我認(rèn)為我們現(xiàn)在需要一個新的神經(jīng)科學(xué)研究框架，這也是我在書中試圖闡述的內(nèi)容?？上钠邢蓿荒芎喴峒?，之后有機(jī)會我很樂意更詳細(xì)地展開這個觀點(diǎn)。

簡單來說，現(xiàn)在我們已經(jīng)有了足夠多的數(shù)據(jù)，而且“跨層級研究”是切實(shí)可行的。30年前大衛(wèi)?馬爾提出理論時，可能還做不到這一點(diǎn)，但現(xiàn)在不一樣了。我們確實(shí)有義務(wù)利用轉(zhuǎn)錄組、連接組等領(lǐng)域的海量數(shù)據(jù)，去理解大腦功能。

保羅：這正是大家的理想目標(biāo)。不管是從功能到實(shí)現(xiàn)的“自上而下”研究（這是我們對馬爾理論最普遍的理解），還是從實(shí)現(xiàn)到功能的“自下而上”研究，馬爾理論的核心思路都是“保持各層級獨(dú)立，無需跨層級研究”。而你認(rèn)為，現(xiàn)在正是開展“跨層級機(jī)制研究”的時候，對嗎？

汪小京：我不知道馬爾是否真的說過“無需跨層級”，但我覺得他說“可以基于每個層級自身的價值去研究”是合理的。

保羅：嗯，這么表述更準(zhǔn)確。

汪小京：對，而且這種思路確實(shí)有價值、很重要。但就像之前說的，隨著時間推移，可能有人誤解了，或者說用過于簡單的方式理解了這個理論——把它當(dāng)成了一種“單向?qū)蛹夑P(guān)系”，我認(rèn)為這種理解現(xiàn)在來看不一定有成效，具體還是看研究目標(biāo)。我只是想強(qiáng)調(diào)：“現(xiàn)在跨層級研究確實(shí)可行了”。

我可以舉個例子：“在工作記憶中忽略干擾信號”屬于功能層面的問題，但實(shí)際上，包含三種中間神經(jīng)元的“去抑制性神經(jīng)環(huán)路基序”，不只是“實(shí)現(xiàn)層面”的細(xì)節(jié)，它更是一種能解釋“信號門控”機(jī)制的特定神經(jīng)環(huán)路。從這個角度看，跨層級研究是能做到的。至少它具備可行性，至于要不要做，就看研究目標(biāo)了。我認(rèn)為很多時候，這種研究方式是值得嘗試的。

不介意的話，我再結(jié)合自己的經(jīng)歷舉個例子：關(guān)于工作記憶模型的構(gòu)建。你可能會好奇，我后來怎么又研究起決策機(jī)制了，其實(shí)這事某種程度上也是偶然。

保羅：這次總不是額葉切除術(shù)的緣故了吧。

汪小京：主要是當(dāng)時研究遇到了瓶頸，是我自己的瓶頸。工作記憶信號的表征理論認(rèn)為，信號是通過神經(jīng)環(huán)路的“循環(huán)交互”在內(nèi)部維持的，不像初級視覺皮層（V1）的神經(jīng)元那樣受外部刺激驅(qū)動。這就好比你我現(xiàn)在對話：只要聲音足夠大（不用小聲嘀咕），即便沒有外部干擾，我們也能一直聊下去。這就是循環(huán)交互的邏輯。

假設(shè)我們就是神經(jīng)元，這就是“神經(jīng)回響”（reverberation）的核心思路。通過這種“循環(huán)興奮”，神經(jīng)元能維持特定活動狀態(tài)，從而實(shí)現(xiàn)不受外界環(huán)境干擾的工作記憶，這是我們當(dāng)時試圖定量驗(yàn)證的核心假設(shè)。

但構(gòu)建模型時，問題來了：我們必須調(diào)高模型中的“興奮強(qiáng)度”，可結(jié)果要么無法得到穩(wěn)定的活動狀態(tài)（沒法形成工作記憶環(huán)路），要么興奮強(qiáng)度過高導(dǎo)致“系統(tǒng)崩潰”，出現(xiàn)“失控性興奮”（runaway excitation）。這時候就會想：“或許該同時調(diào)高抑制強(qiáng)度，通過興奮-抑制平衡來解決？”

可一旦調(diào)整，“時間”和“動力學(xué)特性”就成了新的關(guān)鍵。當(dāng)時人們普遍認(rèn)為“興奮反應(yīng)速度很快”，但即便在模型中加入“興奮比抑制快”這個生物學(xué)細(xì)節(jié)，問題還是沒解決，這就像一個工程系統(tǒng)的困境：如果你有工程背景就會知道，要是系統(tǒng)里有“反應(yīng)極快的強(qiáng)正反饋”，再搭配“反應(yīng)較慢的強(qiáng)負(fù)反饋”，根本沒法穩(wěn)定運(yùn)行。那段時間我卡了好幾個月，嘗試了各種方法：突觸短期易化、突觸短期抑制、神經(jīng)適應(yīng)等等，都沒用。

保羅：你說“卡了好幾個月”？建模不是調(diào)調(diào)參數(shù)、跑個程序就能看到結(jié)果嗎？

汪小京：這就是外行人容易誤解的地方。我很幸運(yùn)能和帕特里夏?戈德曼-拉基奇這樣的實(shí)驗(yàn)學(xué)家合作，有時候會半開玩笑地跟他們說：“建模是需要時間的?！闭娌皇钦{(diào)個參數(shù)就能搞定的。

保羅：我懂了。我是實(shí)驗(yàn)背景出身，以前總羨慕做建模的人，覺得你們出結(jié)果很快，看來根本不是這么回事。

汪小京：總之最后我意識到：“如果讓興奮反應(yīng)比抑制慢，會不會就沒這個問題了？”讓神經(jīng)回響緩慢漸進(jìn)，同時用快速抑制持續(xù)、高效地調(diào)控它。這么調(diào)整后，模型居然成了！這也引出了一個關(guān)鍵觀點(diǎn)：“緩慢神經(jīng)回響依賴NMDA受體”。而現(xiàn)在發(fā)現(xiàn)，這種“緩慢神經(jīng)回響”恰好能解釋決策相關(guān)的生理學(xué)觀測結(jié)果*。

羅伊特曼（Roitman）和沙德倫（Shadlen）做過一個著名實(shí)驗(yàn)*：當(dāng)動物執(zhí)行高難度決策任務(wù)時，神經(jīng)元及神經(jīng)元群體中會出現(xiàn)“漸進(jìn)式攀升活動”（gradual ramping activity），正是通過這種活動，大腦會積累“支持不同選項(xiàng)的信息”。

* Wang, Xiao-Jing. "Synaptic basis of cortical persistent activity: the importance of NMDA receptors to working memory." Journal of Neuroscience 19.21 (1999): 9587-9603.

Roitman, Jamie D., and Michael N. Shadlen. "Response of neurons in the lateral intraparietal area during a combined visual discrimination reaction time task." Journal of neuroscience 22.21 (2002): 9475-9489.

保羅：我先給不太了解的聽眾解釋一下，這就是著名的“隨機(jī)點(diǎn)運(yùn)動任務(wù)”（random dot motion task），核心是“隨機(jī)運(yùn)動一致性”。你可以想象盯著一個屏幕，上面滿是點(diǎn)，其中一部分會朝同一個方向運(yùn)動。我們可以通過多種方式調(diào)整任務(wù)難度，比如改變“朝特定方向運(yùn)動的點(diǎn)的比例”，你的任務(wù)就是判斷這些看似隨機(jī)的點(diǎn)到底在往哪個方向動。抱歉打斷一下，我只是想確保大家都能跟上思路。

汪小京：完全沒錯。這個實(shí)驗(yàn)的精妙之處在于，你可以通過“參數(shù)化調(diào)整”（改變朝兩個方向中任一方向同向運(yùn)動的點(diǎn)的比例），精準(zhǔn)控制任務(wù)難度。

保羅：難度可以從“超級簡單”調(diào)到“完全無法判斷”，而且能以很小的幅度逐步調(diào)整。神經(jīng)科學(xué)里用來解釋這種行為的理論是“神經(jīng)活動向閾值漸進(jìn)攀升”，就像大腦在“積累證據(jù)”，直到證據(jù)量達(dá)到某個閾值，而神經(jīng)活動的表現(xiàn)看起來就像是在執(zhí)行這個“證據(jù)積累”的計(jì)算過程。

汪小京：對極了。當(dāng)你降低點(diǎn)的同向運(yùn)動比例、讓任務(wù)越來越難時，無論是在單細(xì)胞層面，還是如今用神經(jīng)元像素探針（neuropixel）記錄的群體層面，都能觀察到這種“隨時間漸進(jìn)的攀升活動”。順便說一句，很有意思的是，這種算法和二戰(zhàn)時艾倫?圖靈（Alan Turing）破譯恩尼格瑪密碼（Enigma code）用的算法，本質(zhì)上是同一類。

保羅：他當(dāng)時可不知道什么NMDA受體。

汪小京：確實(shí)不知道。但說實(shí)話，我們當(dāng)時把 “原本為工作記憶設(shè)計(jì)的模型”拿出來，直接用到這個“點(diǎn)感知決策任務(wù)”上時，結(jié)果很意外——模型幾乎能解釋實(shí)驗(yàn)中觀察到的所有現(xiàn)象。這背后是模型的“雙特性”：一方面，通過緩慢神經(jīng)回響實(shí)現(xiàn)“漸進(jìn)式攀升”，這屬于“慢瞬態(tài)動力學(xué)”（slow transient dynamics），和 “吸引子”之類的機(jī)制無關(guān)；另一方面，模型還能實(shí)現(xiàn)“贏家通吃”，最終做出明確的分類選擇*。

我覺得這又是一個“跨層級研究”的例子：最終解釋行為的，是動力系統(tǒng)理論描述的“涌現(xiàn)性群體動力學(xué)”（emergent collective population dynamics）。你既可以往下追溯，探究“背后的細(xì)胞受體機(jī)制是什么”；也可以往上對比，把模型表現(xiàn)和猴子的心理物理學(xué)數(shù)據(jù)做對照，現(xiàn)在這些都能做到了。

* Wang, Xiao-Jing. "Probabilistic decision making by slow reverberation in cortical circuits." Neuron 36.5 (2002): 955-968.

Wong, Kong-Fatt, and Xiao-Jing Wang. "A recurrent network mechanism of time integration in perceptual decisions." Journal of Neuroscience 26.4 (2006): 1314-1328.

分岔：動力系統(tǒng)理論的關(guān)鍵補(bǔ)充

保羅：我最后想問問“分岔”（bifurcation）的問題。初級視覺皮層（V1）也有抑制性神經(jīng)元，只是比前額葉皮層少；V1也有較強(qiáng)的循環(huán)連接，可能比前額葉皮層弱一點(diǎn)。但從性質(zhì)上來說，為什么V1沒有工作記憶功能呢？它和前額葉皮層的機(jī)制看起來類似，只是時間尺度更快。是不是存在一個“臨界點(diǎn)”，過了這個點(diǎn)，神經(jīng)活動就能脫離感覺刺激的依賴（形成工作記憶）？

汪小京：你問的其實(shí)就是“分岔”的問題啊。

保羅：看來我確實(shí)是在問這個。

汪小京：對了，我正在給The Transmitter寫一篇文章。標(biāo)題大概是《動力系統(tǒng)理論中“缺失的另一半”》——這“缺失的另一半”就是分岔。現(xiàn)在動力系統(tǒng)理論在神經(jīng)科學(xué)領(lǐng)域越來越常見、越來越流行了。

保羅：你本身就是這個領(lǐng)域出身的。那它是不是曾經(jīng)冷門過一段時間，現(xiàn)在又重新興起了？你怎么看動力系統(tǒng)理論現(xiàn)在的流行趨勢？

汪小京：我覺得它的流行本質(zhì)是“數(shù)據(jù)驅(qū)動” 的。就像我們之前聊的，以前一次只能記錄單個神經(jīng)元的spike序列，那時候研究可能更關(guān)注時間序列分析；但現(xiàn)在能同時記錄數(shù)千個神經(jīng)元的活動，這時候該怎么做研究呢？

保羅：以前的方法肯定不管用了。是啊，該怎么做呢？

汪小京：有一批研究者開辟了新方向，比如吉勒斯?洛朗（Gilles Laurent）最早在小型物種上做相關(guān)研究，后來克里希納?謝諾伊（Krishna Shenoy）和他的合作者也做了很多工作?，F(xiàn)在神經(jīng)科學(xué)期刊上，滿是關(guān)于“狀態(tài)空間軌跡”（trajectories in the state space）、“降維”（dimensionality reduction）、“子空間通信”（subspace communication）、“流形發(fā)現(xiàn)”（manifold discovery）的論文，這就是動力系統(tǒng)理論流行的原因。這些方向確實(shí)非常重要，但說實(shí)話，現(xiàn)在還處于早期階段，不過能看到這些進(jìn)展還是很讓人興奮的。

保羅：你覺得現(xiàn)在還處于早期？

汪小京：我認(rèn)為是早期，一方面是因?yàn)槲磥磉€會有更多數(shù)據(jù)，我們對“流形”這類概念的理解還沒完成；另一方面更關(guān)鍵的是，目前的研究還偏“描述性”，只是用這種方法觀察數(shù)據(jù)，還沒有達(dá)到“機(jī)制性理解”的層面。

保羅：不過當(dāng)我們討論“維度”時，其實(shí)已經(jīng)隱含了一些機(jī)制性理解吧？比如，如果一個系統(tǒng)無法用低維度解釋，就說明它必然處于高維狀態(tài)。從這個角度來說，這不算是機(jī)制性理解嗎？

汪小京：不算。但“維度相關(guān)的認(rèn)知”確實(shí)是很重要的知識，也能幫我們理解一些現(xiàn)象。比如你提到的稀疏編碼（sparse coding），有證據(jù)表明感覺系統(tǒng)確實(shí)需要稀疏編碼；而我和斯特凡諾?富西（Stefano Fusi）合作提出*，前額葉皮層（PFC）其實(shí)更需要“高維表征”，這依賴于我們所說的“混合選擇性”（mixed selectivity），從功能角度看這種設(shè)計(jì)是合理的。這些確實(shí)能幫我們理解大腦功能，但還不算“機(jī)制性理解”。

* Rigotti, Mattia, et al. "The importance of mixed selectivity in complex cognitive tasks." Nature 497.7451 (2013): 585-590. 該論文證明了神經(jīng)元對多個任務(wù)變量的非線性混合編碼（混合選擇性）對于大腦產(chǎn)生高維表征、從而實(shí)現(xiàn)靈活的認(rèn)知任務(wù)至關(guān)重要。

保羅：我補(bǔ)充一句，“混合選擇性”指的是神經(jīng)元可以對多種不同信號產(chǎn)生反應(yīng)，或者說它們的活動不單一對應(yīng)某一種功能，而是可能與多種功能相關(guān)——本質(zhì)上是對“多種事物”都有選擇性。

汪小京：這種特性對神經(jīng)環(huán)路的“靈活性”可能至關(guān)重要，而它需要高維表征的支撐。我同意你的觀點(diǎn)，這確實(shí)很重要。但我說的“機(jī)制性理解”，本質(zhì)還是“跨層級的環(huán)路機(jī)制”。比如，有人提出“腦區(qū)間的通信通過子空間實(shí)現(xiàn)”，這個發(fā)現(xiàn)本身很有意思，但我們更想知道“這一過程具體是如何發(fā)生的”。

保羅：“子空間”這個概念確實(shí)有點(diǎn)抽象。我自己雖然經(jīng)常用這個術(shù)語，也覺得用著順手，但真要解釋清楚“子空間到底是什么”，我其實(shí)也說不太明白。

汪小京：這確實(shí)是個值得深入聊的話題，或許之后有機(jī)會再展開。不介意的話，我再舉個例子，稍微深入點(diǎn)技術(shù)細(xì)節(jié)，還是和“前額葉皮層依賴的行為靈活性”有關(guān)。心理學(xué)家布蘭登?米爾納（Brandon Milner）設(shè)計(jì)了一個經(jīng)典范式來測試前額葉功能，叫“威斯康星卡片分類任務(wù)”。任務(wù)是這樣的：給你一副卡片，每張卡片上都有不同數(shù)量、顏色和形狀的圖案，你需要按三種規(guī)則中的一種分類，要么按顏色，要么按數(shù)量，要么按形狀。

比如一張卡片是“三個綠色三角形”，另一張是 “四個紅色正方形”。如果當(dāng)前規(guī)則是“按顏色分”，你就把所有紅色卡片放一堆，綠色卡片放另一堆，以此類推。關(guān)鍵是，規(guī)則會在你沒被告知的情況下突然改變，這時候你需要用同樣的卡片，按新規(guī)則重新分類。

保羅：也就是通過觀察和反饋來學(xué)習(xí)新規(guī)則。

汪小京：對，只能通過觀察結(jié)果和“對錯反饋” 來調(diào)整。比如精神分裂癥患者，或者前額葉受損的人，做這個任務(wù)會很困難，尤其是規(guī)則切換時，他們會“固執(zhí)地”沿用舊規(guī)則，哪怕一直得到“錯誤”的反饋。我們?yōu)檫@個任務(wù)構(gòu)建了模型*，核心需求是“大腦要能在長時間內(nèi)維持當(dāng)前規(guī)則，且在需要時切換規(guī)則”。

直接說建模結(jié)論吧：我們發(fā)現(xiàn)，不同規(guī)則對應(yīng)的神經(jīng)群體活動，會分布在“不同的子空間” 中，這些子空間大致是正交的。比如按“顏色規(guī)則”分類時，所有信息處理都在“顏色子空間” 里進(jìn)行；按“形狀規(guī)則”時，就切換到“形狀子空間”。我們設(shè)計(jì)這個模型，也是為了驗(yàn)證“特定靶向性抑制性神經(jīng)元（即之前提到的生長抑素神經(jīng)元，SOM神經(jīng)元）負(fù)責(zé)信號門控”的猜想。

首先，我們在模型中觀察到了“正交子空間表征”的現(xiàn)象；然后，模型的優(yōu)勢在于可以做各種模擬操作。比如我們在模型中模擬“光遺傳學(xué)”抑制。

* Parker, Andrew J., and Kristine Krug. "Neuronal mechanisms for the perception of ambiguous stimuli." Current opinion in neurobiology 13.4 (2003): 433-439.

Masse, Nicolas Y., et al. "Circuit mechanisms for the maintenance and manipulation of information in working memory." Nature neuroscience 22.7 (2019): 1159-1167.

保羅：明白，是模型里的模擬操作，不是真的光遺傳學(xué)實(shí)驗(yàn)。

汪小京：對，就是模型仿真。當(dāng)我們在模型中 “抑制生長抑素神經(jīng)元”后，兩個正交子空間就 “坍塌”了，模型的任務(wù)表現(xiàn)也完全消失了。

這就是我想說的“從流形描述到環(huán)路機(jī)制”。我們不僅觀察到了“子空間（流形的一種）”這種描述性現(xiàn)象，還找到了對應(yīng)的“抑制性神經(jīng)元門控”機(jī)制，甚至能提出具體預(yù)測。比如可以找研究者，讓他們訓(xùn)練小鼠做這個任務(wù)，然后用真正的光遺傳學(xué)技術(shù)去抑制生長抑素神經(jīng)元，驗(yàn)證模型的預(yù)測。

我希望這個例子能說明，如何在“描述性現(xiàn)象” 和“環(huán)路機(jī)制”之間建立聯(lián)系?，F(xiàn)在，我們可以回到“缺失的另一半”了吧？

保羅：好，聊聊“分岔”（bifurcation）。

汪小京：“分岔”這個概念，很多人可能有所耳聞，但并非所有人都熟悉，不過它其實(shí)應(yīng)該被更廣泛地了解。有個大家都能理解的例子，就是單個神經(jīng)元的活動?；叵胍幌履銓W(xué)過的知識：霍奇金-赫胥黎模型描述了神經(jīng)元對注入電流的反應(yīng)。如果注入的電流較弱但為正值，神經(jīng)元膜電位會小幅上升，然后達(dá)到一個穩(wěn)態(tài)，這和實(shí)驗(yàn)中觀察到的現(xiàn)象一致。比如在腦片實(shí)驗(yàn)中，你單獨(dú)觀察一個神經(jīng)元，給它注入弱電流，就能看到膜電位發(fā)生去極化。

保羅：是小幅去極化，沒錯。

汪小京：在霍奇金-赫胥黎模型中，這種狀態(tài)對應(yīng)“穩(wěn)態(tài)”，也就是數(shù)學(xué)上所說的“不動點(diǎn)（fixed point）”。接下來，如果你逐漸增大注入電流的強(qiáng)度，到某個臨界點(diǎn)時，穩(wěn)態(tài)會突然消失，取而代之的是神經(jīng)元以特定頻率重復(fù)產(chǎn)生動作電位。

保羅：對，就是給細(xì)胞注入強(qiáng)度足夠高的恒定電流時會出現(xiàn)這種情況。

汪小京：這時細(xì)胞狀態(tài)就不再是穩(wěn)態(tài)了，數(shù)學(xué)上把這種現(xiàn)象描述為“振蕩”，專業(yè)術(shù)語叫“狀態(tài)空間中的極限環(huán)”。它屬于“吸引子”的一種，意思是如果短暫干擾這個系統(tǒng)，干擾消失后，系統(tǒng)會回到狀態(tài)空間中原來的軌跡，像在狀態(tài)空間里（這里指單個細(xì)胞的活動空間）循環(huán)運(yùn)動一樣。而你所做的，其實(shí)只是逐漸改變了一個變量（這里是注入電流的強(qiáng)度）。

保羅：比如線性增加，你可以線性調(diào)整這個電流，對吧？

汪小京：對。這種“線性、漸進(jìn)的定量變化”，最終能導(dǎo)致“行為的定性變化”。如果用嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)語言描述這個過程，就稱之為“分岔”。

想必你也很了解“吸引子網(wǎng)絡(luò)”的應(yīng)用——比如用于解釋位置細(xì)胞（place cells）、網(wǎng)格細(xì)胞（grid cells），還有我們研究的工作記憶。這些現(xiàn)象本質(zhì)上都是“涌現(xiàn)性集體現(xiàn)象”，只需要適度調(diào)整某個變量（比如我們之前聊到的循環(huán)興奮強(qiáng)度），就能出現(xiàn)。這正是分岔概念的精妙之處。

對比初級視覺皮層（V1）和前額葉皮層（PFC）：兩者都基于通用的“局部標(biāo)準(zhǔn)環(huán)路”，你要做的只是調(diào)高前額葉皮層中“循環(huán)興奮”的強(qiáng)度，就能突然觀察到“吸引子狀態(tài)”的出現(xiàn)。順便說一句，這是早期研究得出的核心洞見。

保羅：我本來是想在你提到“涌現(xiàn)”這個詞時，問問分岔和涌現(xiàn)的關(guān)系，畢竟分岔是一種定性變化，但還是你先把思路說完吧。

汪小京：那我先提一句，神經(jīng)科學(xué)領(lǐng)域早期就有人提出過這類想法，比如著名的約翰?霍普菲爾德（John Hopfield），還有丹尼爾?阿米特（Daniel Amit）——他在“吸引子網(wǎng)絡(luò)范式” 的研究中做了很多開創(chuàng)性工作。我認(rèn)為這就是分岔概念在神經(jīng)科學(xué)中有用的例子之一，但它的重要性還沒有得到應(yīng)有的廣泛認(rèn)可。

保羅：你覺得現(xiàn)在動力系統(tǒng)理論的主流研究中，分岔概念是缺失的嗎？它沒有被足夠重視嗎？為什么你說它是“缺失的另一半”？分岔和狀態(tài)空間中的“相變”有什么關(guān)系？

汪小京：兩者是相關(guān)的。從廣義上來說，它和物理學(xué)中的“相變”很像。比如水：當(dāng)你把溫度升到100攝氏度，水會突然汽化，H?O的狀態(tài)發(fā)生了突變。分岔和這個過程類似：都是“從定量變化到突然的定性轉(zhuǎn)變”。我覺得神經(jīng)科學(xué)領(lǐng)域應(yīng)該更廣泛地了解這個概念。我們也用分岔的思路來理解“模塊化的涌現(xiàn)”——之所以說 “涌現(xiàn)”，是因?yàn)檫@種模塊化不是預(yù)先設(shè)計(jì)好的，甚至不是圖論意義上“預(yù)設(shè)模塊”的結(jié)果，而是真正通過動力學(xué)過程自發(fā)產(chǎn)生的。

保羅：也就是“自下而上”產(chǎn)生的？

汪小京：是通過動力學(xué)產(chǎn)生的，沒錯。另外，連接組確實(shí)很重要，看到這么多新的連接組數(shù)據(jù)庫問世也很令人興奮，比如基于連接組的果蠅導(dǎo)航系統(tǒng)模型，就是個很好的例子。但僅靠連接組，還不足以解釋動力學(xué)和功能。我在書里舉過一個例子：從兩個“通過互抑連接”的神經(jīng)元開始，會產(chǎn)生什么結(jié)果？通常會形成“半中樞振蕩器”——一個神經(jīng)元活躍時，另一個就不活躍，然后兩者交替切換。

這種結(jié)構(gòu)可能是“中樞模式發(fā)生器（central pattern generator）”的基本單元，但意外的是，在某些突觸相互作用的動力學(xué)條件下，這種“互抑連接”居然能讓系統(tǒng)產(chǎn)生“完美的同步振蕩”。這說明，要真正解釋功能，必須結(jié)合動力學(xué)分析。所以在我看來，分岔的價值在于：如果我們想理解“大規(guī)模多區(qū)域系統(tǒng)中功能模塊化的涌現(xiàn)”，分岔概念會非常有用。我再舉個例子，讓“功能模塊化”的意思更清楚些吧。

我們之前聊過決策任務(wù)，比如那個“隨機(jī)點(diǎn)運(yùn)動任務(wù)”。想象一個高難度試次：點(diǎn)的運(yùn)動非常隨機(jī)，支持“向左運(yùn)動（選項(xiàng)A）”的證據(jù)非常微弱 ——

保羅：幾乎就是偏向向左運(yùn)動了。

汪小京：沒錯，但你的主觀判斷卻是“向右運(yùn)動”，你會說“我覺得是向右”。這時候大腦里發(fā)生了什么？視網(wǎng)膜會忠實(shí)地編碼物理刺激，所以視網(wǎng)膜層面應(yīng)該有更多支持“向左”的證據(jù)。初級視覺皮層（V1）可能也是如此，負(fù)責(zé)運(yùn)動信息處理的專門視覺腦區(qū)MT區(qū)（middle temporal area）或許也是這樣。

保羅：就是你之前提到的那條背側(cè)通路（dorsal stream）里的腦區(qū)。

汪小京：但到了某個腦區(qū)，信號會突然變成 “主觀決策相關(guān)”的，有些腦區(qū)仍在編碼“向左” 的物理刺激（一直傳遞A信號），而另一些腦區(qū)卻在說“不對，我覺得是向右”（傳遞B信號）。正是這些腦區(qū)，決定了你的主觀選擇。

保羅：最終信號會傳遞到運(yùn)動神經(jīng)元，驅(qū)動動作執(zhí)行。而在“物理刺激編碼”和“運(yùn)動執(zhí)行”之間的某個環(huán)節(jié)，信號方向發(fā)生了翻轉(zhuǎn)。

汪小京：我認(rèn)為這就屬于“主觀選擇相關(guān)的功能模塊化”問題，我們可以把“負(fù)責(zé)主觀選擇的功能模塊”定義出來。再回到我之前說的：大腦有標(biāo)準(zhǔn)環(huán)路，有復(fù)雜的相互作用，通過一兩個突觸就能連接任意腦區(qū)，那“專門負(fù)責(zé)主觀選擇的功能模塊”是怎么涌現(xiàn)出來的？我們認(rèn)為，“空間分岔”或許能解釋這個過程。

保羅：這聽起來好像分岔是個很敏感的概念。你之前提到過伊芙?馬德（Eve Marder），她研究龍蝦這類生物的節(jié)律性味覺模式，得出的核心結(jié)論之一是“實(shí)現(xiàn)同一結(jié)果的路徑有很多”，存在大量“簡并性”和“多重可實(shí)現(xiàn)性”。我在想，這和你說的“分岔”該怎么兼容？你認(rèn)為分岔是系統(tǒng)中非常有價值的機(jī)制，能實(shí)現(xiàn)狀態(tài)空間的翻轉(zhuǎn)、本質(zhì)上是相變；但她的研究顯示，即便你嘗試觸發(fā)分岔，系統(tǒng)在很多不同條件下都能維持在同一“相”里。我們該怎么理解這種矛盾？

汪小京：這個問題很有意思。其實(shí)這更關(guān)乎 “冗余性”，生物需要讓某些功能在“環(huán)境變化、受到干擾”時仍保持穩(wěn)健。確實(shí)有人把伊芙的發(fā)現(xiàn)解讀為“多重可實(shí)現(xiàn)性”，認(rèn)為同一功能能通過不同方式實(shí)現(xiàn)，但這種解讀其實(shí)有點(diǎn)簡單化了。伊芙后來的研究表明，螃蟹和龍蝦生活在不同環(huán)境中，比如氣候變化會導(dǎo)致水溫變化，她其實(shí)寫過一篇關(guān)于“氣候變化如何影響這些生物節(jié)律”的論文。

保羅：她來過我的播客，對這個話題特別有熱情。她在自己居住的海邊就能觀察到這種現(xiàn)象。

汪小京：沒錯。這其實(shí)是在說“冗余性的價值”，但回到分岔的話題，或許我這么說有點(diǎn)極端，但如果往深處想，分岔可以看作是“產(chǎn)生功能新穎性的數(shù)學(xué)工具”。怎么解釋“功能新穎性”？當(dāng)然，生物進(jìn)化是根本答案，但如果給定 “相同的神經(jīng)組件”（比如標(biāo)準(zhǔn)局部回路），怎么解釋大腦不同區(qū)域有不同的功能？或許，你只需要讓某些生物學(xué)參數(shù)發(fā)生“定量差異”就夠了。

保羅：用相同的組件，“量變引發(fā)質(zhì)變”。

汪小京：完全對，但這里的“不同”，是“定量差異帶來的定性不同”。

保羅：是微小的定量差異。

汪小京：對，就是微小的差異。當(dāng)然，這還需要整個領(lǐng)域（不只是我的實(shí)驗(yàn)室）共同推進(jìn)研究，驗(yàn)證這個想法是否成立。如果成立，我們或許能找到一種通用方法，理解不同類型的腦功能。我再補(bǔ)充一點(diǎn)關(guān)于“穩(wěn)健性”的內(nèi)容：“空間分岔”有意思的地方在于，它其實(shí)不需要精細(xì)調(diào)控。對比一下之前說的“單個神經(jīng)元”例子：你需要小心調(diào)整注入電流的強(qiáng)度，才能剛好觸發(fā)分岔，偏左或偏右一點(diǎn)，都觀察不到分岔現(xiàn)象。

從這個角度看，要達(dá)到“轉(zhuǎn)變臨界點(diǎn)”，確實(shí)需要精細(xì)調(diào)控，得靠實(shí)驗(yàn)者手動調(diào)整變量。但 “空間分岔”不一樣，它是在皮層組織的某個位置自然發(fā)生的。

保羅：情況一定是這樣嗎？它會不會不是發(fā)生在某個特定位置，而是分布式的？比如你覺得它發(fā)生在皮層的這部分，或者那部分？或許這個問題本身沒什么意義。

汪小京：不，這個問題很有意義，只是目前我們還沒完全搞懂。順便說一句，“空間分岔”目前還只是個理論假設(shè)，僅此而已。我們必須提出“可實(shí)驗(yàn)驗(yàn)證的具體預(yù)測”才行。比如，如果你把大腦皮層看作一個二維空間系統(tǒng)，那分岔轉(zhuǎn)變會發(fā)生在哪個位置？如果你的問題是“分岔轉(zhuǎn)變的邊界在哪里”，那我也不知道答案。

保羅：對，我問的就是這個。

汪小京：關(guān)鍵在于，這種分岔必然具有局部性，因?yàn)樗枰軈^(qū)分“參與工作記憶的腦區(qū)” 和“不參與的腦區(qū)”。反過來想，如果分岔是 “全腦分布”的，那工作記憶就會“無處不在”，但我持相反觀點(diǎn)：大腦中確實(shí)存在負(fù)責(zé)工作記憶的模塊，它并非在全腦均勻分布。至少從這個角度出發(fā)，我們可以看看這個觀點(diǎn)能否與現(xiàn)有數(shù)據(jù)兼容、能否解釋數(shù)據(jù)。而要支撐這個觀點(diǎn)，就需要“局部化的空間區(qū)域”來區(qū)分、定義這個模塊。另外，你剛才問起“精細(xì)調(diào)控”，我再補(bǔ)充一點(diǎn)。

保羅：好。

汪小京：這種空間中的轉(zhuǎn)變具有很強(qiáng)的穩(wěn)健性。即便你改變模型中的任何參數(shù)，比如在真實(shí)大腦系統(tǒng)中，轉(zhuǎn)變發(fā)生的具體位置可能會偏移，但“轉(zhuǎn)變”這個現(xiàn)象本身，并不需要對參數(shù)進(jìn)行任何精細(xì)調(diào)控。你能理解嗎？

保羅：能。這和“如何定義腦區(qū)”有關(guān)。你是說，模塊的邊界可以移動，而且不需要精確到 “是100個神經(jīng)元還是101個神經(jīng)元在執(zhí)行功能”這種程度。

汪小京：甚至可能不需要精確到“腦區(qū)”這個層面。比如根據(jù)行為需求，某些腦區(qū)在有些任務(wù)中參與工作記憶，在另一些任務(wù)中就不參與。理論上，這個邊界可以...