Trends Cogn Sci 封面综述| 北师大毕彦超教授:人脑知识的双重编码理论

966facbbfa1161bf237fcd2add1e9035.png

来源:brainnews

编译作者:(嗯铃、洛文  brainnews创作团队)

校审:(洛文、Freya    brainnews编辑部)

我们的大脑是如何编码有关世界的各种各样知识?我们与日益强大的AI有着怎样的不同?又与我们的灵长类近亲有着怎样的不同?

长久以来,人类知识的认知神经模型一直被感知觉的具身理论所主导,即知识来自于感觉/运动经验,并被高级的感觉/运动以及联合皮层所加工;而非具身符号系统的神经基础则一直难以确立。

直到近年,一系列关于盲人视觉知识的行为及脑科学研究发现,除了感知觉获得的知识外,在背侧颞叶前部(ATL)存在非感知觉的、语言获得的知识表征。

近期,北京师范大学毕彦超教授在Trends in Cognitive Sciences上发表了封面综述,系统回顾了该团队以及国内外其他课题组近年来的相关研究,并由此提出了知识的双重编码理论(Dual-coding knowledge neural representation framework)。

acbc5ac90ad48544dbbb2fab9c200aa3.jpeg

在进一步探索大脑如何存储知识之前,让我们先来看这样一个片段:

有一个著名的思想实验叫“黑白房间的玛丽”

玛丽是一名视觉领域的科学家,专门研究颜色。她沉醉于此,了解了颜色的方方面面......

然而她住在一个黑色和白色相间的房子里,她生于此,长于此......

直到有一天,她走出了这个房间,她轻轻抬头,看到了湛蓝的天空。那一刻,她第一次学到了她所有的研究都无法告诉她的事情。那一刻,她学到了看到颜色的感觉是什么样的。

这个思想实验是为了给学生们展示机器人和人脑的差异,在黑白房间里,玛丽是一个机器人,当她走出这个房间,她成了你和我。

—— Ex Machina (电影《机器姬》,2014)

唯有感受过才能“知道”?

—认知神经模型认为对客体知识的表征源自感知觉获得

“知之为知之”,那么何以为“知”?是通过符号关系所获得,还是通过感觉经验——正如电影中机器人与人相比所缺少的。人类大脑中储存了大量的知识,如玫瑰花的颜色、地球的形状等等。各种各样的知识指导着广泛的行为,从识别物体到理解文字,从推理到决策等等。理解知识表征,是所有对思维和脑感兴趣的学科最古老,又最具争议的问题之一。

在覆盖哲学、心理学、认知科学等各个领域对知识表征的讨论中,最核心的观点是:符号化理论和具身理论。正如电影片段中的玛丽,符号化表征是人工智能中最主要的表征知识方式,这种理论也被很多哲学家所提及。但是当前知识表征的认知神经模型还受到了具身理论的影响。

知识被认为通过感知觉经验获得,并在高级感觉运动皮层和联合区进行表征。显然有些知识不一定需要直接感知觉经验才能获得,我们拥有语言,可以通过语言学习到“玫瑰是红色的”。然而对于不依赖感知觉的知识的分离是困难的,因为很多时候多种感知觉信息会直接参与其中。

即使是像“地震”、“公平”这样的词语,也可以引发我们的很多感知觉经验。即便是先天盲人没有办法看到苹果,也可以通过触觉感知苹果。幸运的是,研究者们想到了颜色。

对于人类来说,颜色只能通过视觉这种感知觉来获得,而对先天盲人来说,颜色就像电影中在黑色和白色相间房子里的玛丽,他们是如何表征物体颜色的?回答这个问题,为分离非感知觉获得的知识提供了机会。

先天盲人的视觉知识是怎样的?

—来自行为学的证据

让我们来首先看一下,先天盲人的颜色知识是怎样的?这个问题由来已久。

早期的研究表明先天盲人的确有各种关于颜色以及客体颜色的知识。近年来,更系统的研究发现:先天盲人对颜色词的评定与视力正常被试呈现出高度的相似性,但是盲人被试内部的个体差异化程度更大(图1)。与动作词相比,颜色词在视力正常被试与盲人被试间的相似性更低。

979e45956529b3a4a21812cce4bb6005.jpeg

图1. 先天盲人被试与正常视力被试颜色词的相似性

先天盲人对于常见果蔬颜色的颜色知识也与视力正常被试高度相似,但是先天盲人被试内部的差异性更大(图2)。

颜色知识与蔬菜水果其它感知觉知识以及一般语义知识的关系在先天盲人被试和正常视力被试中是一样的,表明盲人并不额外依赖其他感知觉特征来对颜色进行推断。

477dd8af2635ad5cf49cafb5f3ce2674.jpeg

图2. 先天盲人被试与正常视力被试客体颜色知识相似性

除了颜色之外,其它视觉概念也可以被先天盲人以非视觉的方式获得(图3)。

f2df5838cd1192e4f32fd1d148472705.jpeg

图3. 先天盲人被试与正常视力被试对于光学与声音词有相似的表征

总体来说,使用不同实验范式、不同语言被试的行为研究结果都表明,先天盲人可以获得与正常视力群体极其相似的颜色知识。

这表明人类能够在缺少某一感知觉经验的情况下,形成相应的知识空间,就像图灵测试里设想的那样,通过语言不断地问和答。

先天盲人大脑如何表征视觉知识及知识双重编码模型的确立

那么先天盲人获得视觉知识的脑机制是什么?最近的功能磁共振成像研究对此进行了一些回答。

—“视觉主导”词语VS“非视觉专属”词语

通过比较先天盲人被试与正常视力被试对视觉属性主导的词汇(比如“红色”、“彩虹”),其他非视觉通道可感知的词汇(比如“方形”、“雨”),发现背侧ATL在盲人被试中“彩虹”类的词语比“雨”类的词语更强,而在正常视力被试里面,二者是没有差异的;另一个独立研究组使用适应范式,也发现了盲人在做颜色相似性判断任务时,在类似脑区有重复抑制效应。这两个研究都表现出了背侧ATL对非感觉获得的知识敏感(图4)。

—客体颜色知识

研究者在核磁扫描过程中给被试呈现各种蔬菜水果的名称并要求被试提取其典型颜色,之后进行表征相似性分析。结果发现,盲人组和正常视力被试组的左侧背侧ATL对客体颜色进行表征;然而正常视力被试组在梭状回后部,对色觉敏感的一个脑区存在对客体颜色进行表征,但盲人组中没有类似的效应。而且在正常视力被试组而非在盲人组,这两个区域存在功能连接。此外,在相对较松的阈限下,还发现正常视力被试的腹内侧ATL也对物体颜色进行表征。

7d385fc8a456121577379052b8a76dd9.jpeg

图4. 视觉知识的大脑基础

总结而言,使用不同范式,在不同语言条件下,都发现了背侧ATL对非感觉知识进行表征,而在正常视力群体中,感觉知识在视觉皮层表征。

同时,不仅盲人,正常视力群体的背侧ATL也对颜色知识进行表征,表明即使是感觉获得的特征也会有感知觉获得和非感知觉获得两种表征。

那么,背侧ATL是专门负责加工颜色和其他视觉知识概念,还是更普遍地对非感知觉获取的知识进行编码?例如,对抽象概念“公正”、“合理性”。

脑成像的研究表明,与具体词汇(如“杯子”)相比,这些抽象概念同样能够在左背外侧ATL产生显著的激活。这表明该区域对于非感知觉获得,而是语言获得的知识表征敏感,且不局限于视觉知识。

f2c2e649d912601376b9d7476ad119b6.jpeg

图5. 知识表征的认知神经模型

因此,结合当前实证研究,我们初步形成了知识双重编码模型(Dual-coding knowledge neural representation framework)。

以往的感知觉获得(具身)知识表征被进一步验证,这类知识表征涉及高级感觉运动及联合区域。另一种在盲人和正常视力被试中支持颜色以及其它视觉知识,同时进一步支持正常视力人群非感知觉获得,抽象知识的表征也被确立。

考虑到盲人只能靠语言获得这些知识,因而这一类知识是语言获得的,其涉及到复杂的符号关系,被ATL及其相关的语言网络所表征。这两类区域相互连接,支持具身表征和符号,语言获得的表征的整合。

语言获得知识系统

—计算、算法和实现

在确定了背侧ATL存在语言获得的知识系统后,进一步的问题是这个系统的信息内容,算法以及实现是怎样的?来自语言获得的信息内容与来自感知觉经验的信息内容,它们之间是什么关系呢?

语言被用来交流内外部感觉信息,也会影响到知觉分类。因而感知觉获得和语言获得的信息模式是相关的,一些方面也表现出了二者可能的差异。

一方面,语言对各种感觉(颜色、形状、声音、味觉、触觉和嗅觉)的编码能力不同:对颜色的编码能力最强,对嗅觉的编码能力最弱;另一方面得益于语言自身的建构机制及相应的符号系统,不受感知觉/运动的限制,语言允许通过现有的符号关系创建新的关系,进而产生感知觉经验无法获取的知识表征,包括那些对人类抽象推理和现代科学进步至关重要的知识(如:关于磁场、语言规则等)。

那么,语言获得的神经系统是如何表征语言信息的呢?从一些计算模型中我们可以得到线索:自然语言处理便是利用各种算法,从语言中获得语义表征,包括早期的计数模型、近年来的神经网络模型和混合模型,一些研究比较了使用各种NLP模型构建的词汇关系空间与使用fMRI反映的词语或图片,发现全脑的活动模式、语言处理区域/网络、颞叶下部之间的显著相关性。

尽管这些结果为大脑对语言获取信息的表征提供了证据,考虑到语言和感知觉获得结构之间的相关性、不同NLP模型之间的相关性以及不同算法与输入的关系等,对神经机制进行解释与预测时仍要谨慎。

什么样的神经特性使得ATL能够支持不依赖于感觉输入的,并且由语言获得的知识系统呢?背侧的ATL在与ATL其它部分表现出了不同的细胞结构,功能反应以及功能结构连接,特别是它的一个子区域TG是人和猕猴ATL最不像的地方,这也和语言获得表征可能是人类特有的所一致。

在利用静息态功能连接进行网络拓扑分析时,发现了三个语义网络。其中的外侧裂周语言网络和多感觉经验网络与现在的语言获得系统以及感觉获得系统所对应。

相关补充

—语言如何影响感知觉获得知识表征?

语言如何塑造思想与知觉是一个被大家广泛讨论的问题。最近的实证和理论研究表明,语言不仅(如本文中讨论的那样)作为知识形成的抽象方法,而且也对感知觉知识表征起到塑造作用。

研究者们对语言在客体、数字、以及空间表征中起到的脚手架和提高的作用作了进一步的阐释。婴儿在最开始的两年,会从按照知觉特征分类转变为按照命名分类,有相同命名的客体被分为一类,有不同命名的类似物体会分为不同类。把语音颠倒后就不会有同样的组织功能。

这些机制的变化最终形成了成年期的知觉组织。而有证据表明颜色词语会在很早的时候(100ms)对颜色分类产生影响,表明这种影响发生在早期的知觉阶段

语言也被认为对情绪发展起到重要作用,这主要是因为语言发展和情绪加工的几个关键节点之间有耦合。词汇能力的发展与面孔区分能力,对别人情绪感知能力发展相一致。所以有理由认为,与语言塑造客体分类相类似,对情绪词的理解也可以作用于婴儿对于面孔的分类。

—知识表征与与数学的关系?

与客体知识表征存在具身与非具身的形式框架类似,数字系统也有通过感知觉获得与非感知觉符号获得的表征。尽管数字表征之前一直被认为是从多个感觉输入的数量系统获得,但是最近的证据表明存在一个对整数表征的符号系统。

这个系统是基于语言的,在不对近似数量进行表征的情况下,首先获得精确的数词含义,进而理解口头数字的含义。除了来自发展和成人行为证据,神经证据表明顶内沟同时表征符号化数字(词汇、数字符号)和非符号化数字(视觉集合),同时没有证据表明这二者之间有共享的表征基础。

那么是否存在一个语义表征和数字表征共享的符号系统?现在的回答并没有那么的直接。许多比较数字和一般语义加工的研究发现二者有不同的神经模式。

具体而言,一般语义加工(理解客体知识)激活了包括腹侧和外侧颞叶、颞顶联合区、以及腹侧额叶区(主要是左脑),而数字加工则激活了双侧前额叶,顶内以及腹外侧颞叶区域。这些数字加工区域在数学家处理数学论断的时候也会进行激活。

然而,之前不论是对一般语义还是数字加工的研究,大多对感知觉获得知识和语言获得知识进行区分。因而,现在观察到的差异可能反应的是感知觉系统的差异。

我们只能根据少量对不同类似知识进行区分的研究做出推断:对于客体颜色知识,语言获得的符号系统是在背侧颞叶前部,而对于数字知识,则是顶内沟。

尽管这些发现初步的表明对于一般语义知识和数字知识,语言获得的表征神经基础可能是不一样的,但仍需要有进一步的研究对二者进行详细比较。

总 结

知识是人类认知的核心,是人类理解各种信息输入、推理以及决策的基础。过去的几十年中,认知神经科学一直侧重于探索知识表征的具身机制,识别来自感知觉经验知识的神经关联,而对“磁场”、“进化”、“理性”等抽象的、超越感官获取知识的神经机制却知之甚少。

通过利用独特的自然实验,一系列研究聚焦于探索先天盲人的视觉知识表征特点,证明了存在来自背侧ATL及其相关语言网络的语言获得的、非具身知识,以及来自高级感知觉皮层的感知觉知识。

这些结果表明,人类大脑中存在着两种认识——基于符号关系的认识和基于经验的认识,共同构成了人类的认知体系。

这个框架为符号表证知识和感知经验表证知识的多种经典挑战(中文屋问题、常识问题、抽象问题等)提供了自然的解决方案、提出了一系列新的研究问题(两种编码的关系?人类与动物的相应异同?)、为“颜色科学家玛丽”思维实验提供了实证答案:当离开黑白房间的时候,玛丽会在外侧梭状回区域发展出额外的对颜色知识的感知觉表征,为其背侧ATL已有的语言获取颜色符号知识表征提供补充。

参考文献

1d952d25e82e8e5c9c65d34472731893.gif

Bi Y. Dual coding of knowledge in the human brain. Trends Cogn Sci. 2021 Oct;25(10):883-895. doi: 10.1016/j.tics.2021.07.006. Epub 2021 Sep 8. PMID: 34509366.

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

33382206f232c0cbdc0f44b6d821cb80.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481349.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

亚马逊 CTO Werner Vogels:2023年及未来五大技术趋势预测

来源:亚马逊云科技近年来,几次全球性危机占据了我们的日常生活,因此看看我们是否可以利用技术来解决这些棘手的人类问题。如今,我们可以从很多互联设备获取数据,例如:可穿戴设备、医疗设备、环境传感器、视…

深度学习如何集成领域知识?IBM研究等《知识增强深度学习》综述,全面阐述科学与经验知识增强的深度学习...

来源:专知尽管在过去的几年里,深度学习模型在许多不同的领域取得了巨大的成功,但通常数据匮乏,在不可见的样本上表现不佳,而且缺乏可解释性。目标领域往往存在各种先验知识,利用这些先验知识可以弥补深度学…

不确定因果:当因果遇到量子

导语2022年诺贝尔物理学奖授予“用纠缠光子实验验证量子力学违反贝尔不等式”,确认了被称为“鬼魅般的超距作用”的量子纠缠现象。量子的世界常常超出人类的直觉,当我们将因果关系从经典世界外推到量子世界,会发生什么?研究发现&a…

脑机接口深度报告!四大关键技术让科幻走进现实|智东西内参

来源:智东西脑科学问题是人类社会面临的基础科学问题之一,是人类理解自然和理解人类本身的待深入探索领域,而脑机接口是有效探索手段之一。在国家战略的积极推动下,在科技创新不断更迭促进下,在人民大众期待关注下&…

写代码调 Bug,OpenAI 发布最强 AI 对话系统 ChatGPT!

来源:CSDN(ID:CSDNnews)整理:苏宓GPT-3 发布的两年后,我们没等来它的亲弟弟 GPT-4,而是在今天亲眼见证了 OpenAI 带来了一种全新的 AI 聊天机器人——ChatGPT,也可以称之为是 GPT-3 …

AI 大模型开源之困:垄断、围墙与算力之殇

从新兴技术转变为AI基础设施,大模型开源很重要,但也很难。来源:AI科技评论作者:李梅编辑:陈彩娴2020年6月,OpenAI发布GPT-3,其千亿参数的规模和惊人的语言处理能力曾给国内AI界带来极大的震动。…

神经符号 AI,或为下一代 AIoT 的新解法

来源:AI科技评论作者:黄楠编辑:陈彩娴11 月 22 日,2023 年度 IEEE Fellow 名单公布,入选者约1/3为华人学者。IEEE Fellow 被称为全球电子电气工程领域的最高荣誉,每年当选人数不足整个 IEEE 协会的千分之一…

ChatGPT会取代搜索引擎吗

来源:AI科技大本营作者:张俊林本文经作者授权发布,原文地址:https://zhuanlan.zhihu.com/p/589533490作为智能对话系统,ChatGPT最近两天爆火,都火出技术圈了,网上到处都在转ChatGPT相关的内容和…

菲尔兹奖得主再次突破数论难题:多少整数能写成2个有理数立方和?结论直接影响“千禧难题”之七...

Pine 萧箫 发自 凹非寺量子位 | 公众号 QbitAI困扰数学界几个世纪的难题,终于有重大突破了!这个难题如果被解决,会直接影响到一个著名未解之谜的求解——贝赫和斯维讷通-戴尔猜想。贝赫和斯维讷通-戴尔猜想是数学界顶尖的7大千禧难题之一&…

从城市到国家:多学科视角的城市复杂系统

摘要与城市一样,国家在很大程度上是人造的系统。尽管它们在地点和规模上有所不同,但城市和国家都是可识别的单位,具有独特的特征,是独立的(不能被分解成部分而不失去其特征或个性的系统)。一个国家的历史与…

杀死1500只动物?马斯克的脑机接口公司被查!已宣布半年内进行人体试验

来源:每日经济新闻记者:郑雨航编辑:段炼 兰素英 杜波 杜恒峰校对:王月龙当地时间12月5日,路透社报道称,因涉嫌侵犯动物福利的违规行为,马斯克的脑机接口公司Neuralink正面临美国联邦部门的调查。…

人民日报:在集成电路基础研究中奋力攀登

来源:芯榜Pro转载自人民日报党的十八大以来,一大批70后、80后、90后青年科研人员脱颖而出,日益成为科技创新的生力军、主力军。党的二十大报告提出:“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力,深入实…

骆清铭院士:给“大脑”绘制一个清晰可见的“地图”

来源:学习时报作者简介:骆清铭,中国科学院院士,海南大学校长,华中科技大学苏州脑空间信息研究院首席科学家。骆清铭团队研发的显微光学切片断层成像系统(MOST)系列技术,为实现单神经…

AI大神LeCun深度学习公开课来啦!4万字干货笔记(附干货笔记下载)

来源:Datawhatle喜欢深度学习?最好的方法就是在线课程。这里推荐图灵奖得主、纽约大学教授Yann LeCun主讲的在线课程。该课程最重要的优点是,它集成了LeCun对深度学习的思考。通过这门课,学习者可以了解深度学习的现状&#xff0c…

这种由数学描述的现象,在自然中终于找到了

#创作团队:原文作者:Raphael Sarfati(科罗拉多州大学波尔多分校博士后副研究员)编译:Gaviota排版:雯雯#参考来源:https://theconversation.com/synchrony-with-chaos-blinking-lights-of-a-fire…

互联网的未来:为什么我们需要 HTTP/3?

来源:SDNLAB*本文系SDNLAB编译自Ably博客自1997年HTTP/1.1标准化以来,一直是首选的应用层协议。多年来,为了跟上互联网的发展和网络上交换内容的多样性,HTTP 不得不进行升级。本文展示了 HTTP 协议的演变,深入探讨了 H…

评估深度学习模型以预测表观基因组概况

编辑 | 萝卜皮深度学习已经能够成功预测 DNA 序列的表观基因组图谱。大多数方法将此任务定义为二元分类,依赖峰值调用者来定义功能活动。最近,出现了定量模型来直接预测实验覆盖值作为回归。随着具有不同架构和训练配置的新模型不断出现,由于…

DeepMind携AlphaCode登Science封面,写代码能力不输程序员

来源:机器之心编辑:小舟、陈萍AI 卷到程序员自己身上了。今年年初,DeepMind 发布了基于 Transformer 的新模型 AlphaCode,该模型实现了大规模代码生成。现在,AlphaCode 又在《Science》上发表了新论文,研究…

微软 CTO 断言,明年是AI社区最激动人心的一年,网友:GPT-4 要来了?

来源:AI前线 整理:褚杏娟 核子可乐GPT 不出,AI 万古如长夜。“对于人工智能,2022 年是有史以来最激动人心的一年。”微软首席技术官 Scott Stein 在近日的分享中说道,但他还自信地表示,“2023 年将是 AI 社…

以“开放同行评议”推动学术发展

来源:《中国社会科学报》图片来源:CFP同行评议是指同一领域的专家学者评议研究人员稿件,确定学术论文是否适合发表、提出意见的过程。同行评议一直是学术期刊出版的重要基石。然而,学术界关于同行评议中的偏见和不利影响的争论&am…