人类大脑对事件概率的非单调神经编码机制

《Nature Communications》：A non-monotonic code for event probability in the human brain

本研究针对大脑如何编码中性事件概率这一难题，通过7T功能磁共振成像技术，结合灵活编码模型和多元分析，首次揭示了人类背外侧前额叶和顶内沟皮层采用非单调编码方式表征概率，而伴随的置信度则呈现单调编码特征。该发现突破了传统单调编码模型的局限，为理解高级认知的神经表征提供了新范式。

　　

我们生活的世界充满了不确定性，而大脑擅长用概率来刻画这些不确定性。无论是判断人群中是否闪过熟悉的面孔，还是预测明天是否会下雨，概率估计无处不在。尽管大量行为实验表明人类行为会适应概率变化，但大脑如何神经编码概率这一问题始终悬而未解。以往研究多聚焦于具有效价的概率（如奖励概率），或发现神经活动与惊喜(surprise)、不确定性等概率相关量存在单调相关性，却鲜有研究直接揭示中性事件概率的神经表征。

传统fMRI研究多假设神经活动与编码量之间存在单调关系，但这一假设可能掩盖了真实的神经编码机制。为此，法国巴黎萨克雷大学认知神经影像单位的Cedric Foucault等人在《Nature Communications》上发表研究，利用7T超高场强fMRI技术，结合创新性的灵活编码模型(versatile encoding model)，首次揭示了人类大脑对中性事件概率的非单调编码特征。

研究人员采用概率学习范式，让参与者观察由隐含概率p(A)生成的A/B类型刺激序列，并通过偶尔的行为报告验证其概率追踪准确性。通过对比线性编码模型与基于基函数逼近的灵活编码模型，研究发现：

2>0, p<0.001 vertex, p_FWE<0.05 cluster)'>

神经概率编码的检测

全脑分析显示，仅灵活编码模型在背外侧前额叶和顶内沟皮层显著检测到概率表征，而线性模型未能发现任何显著区域。这种模型间的分离模式符合非单调编码的预测。

神经置信度编码的特性

与概率相反，置信度的编码可由线性模型充分解释，且灵活模型未发现额外区域，表明置信度采用单调编码方式。

调谐曲线的单变量表征

通过重建顶点水平的调谐曲线，研究发现概率调谐曲线更多呈现多峰形态（84%顶点最大值位于非极端值），非单调性指数(0.61±0.04)和非线性指数(0.87±0.03)均显著高于置信度。这表明概率编码具有高度复杂的非线性特征。

多变量表征几何分析

解码分析显示，概率和置信度在背外侧前额叶和顶叶区域均可被解码。进一步对表征不相似性矩阵(RDM)的回归分析发现，概率表征更符合身份矩阵（非单调编码预期），而置信度更符合渐变矩阵（单调编码预期），从群体活动模式层面验证了编码机制的差异。

关键技术方法包括：1）采用7T fMRI获取高信噪比全脑数据；2）构建结合基函数逼近与广义线性模型(GLM)的灵活编码模型，避免对调谐曲线形状的预设；3）通过留一会话交叉验证和零分布标准化评估模型性能；4）基于单变量调谐曲线重构与多变量表征相似性分析双验证编码特性。

概率与置信度的编码分离

研究通过对比同一任务中衍生的概率和置信度，排除了被试间差异和感知空间混淆。模拟验证表明，该方法能有效区分不同编码类型，且结果不受基函数选择（高斯型或S型）影响。

关键脑区定位

概率编码主要位于背外侧前额叶、中央前沟和顶叶区域。其中背外侧前额叶仅编码概率，而顶叶和运动前区区域同时存在概率（非单调）和置信度（单调）编码，提示这些区域可能整合概率估计与更新过程。

讨论与意义

该研究首次揭示大脑对中性事件概率采用非单调编码，突破了传统单调编码模型的局限。这种编码方式可能与概率缺乏行为效价有关，而非单调编码的能量恒定特性可能适应中性信息的均匀处理需求。从方法学角度，灵活编码模型为探索复杂神经表征提供了新工具；从理论层面，研究提示未来需从简单调谐曲线假设转向更丰富的表征形式，并澄清不同编码类型的存在原因。研究结果为理解高级认知功能的神经基础开辟了新方向，并对类脑计算模型的设计具有启示意义。