人类具有快速适应不断变化的环境的认知能力。这种能力的核心是形成高级、抽象表示的能力，这些表示利用世界上的规律来支持泛化。然而，关于这些表征如何在神经元群中编码，它们如何通过学习出现以及它们与行为的关系，人们知之甚少。2024年8月14日，美国哥伦比亚大学祖克曼研究所、西达赛奈医疗中心团队利通过实验任务对人类大脑活动进行记录，创建了一个独特的数据库，然后利用人工智能（AI）将数据转化为清晰的高维几何形状，首次阐明了人类大脑中推理的神经过程，揭示了推理、推断、计划甚至调节情绪这些思维在神经元活动中的物理表达，并将大脑活动转化成了数千个维度的几何形状。科学家们对17名癫痫患者的3000多个神经元进行了脑电记录，这些志愿者在医院接受了侵入性监测以确定疾病发作源。该数据集帮助团队首次监测了脑细胞进行推理的全过程。

团队发布了一个简单推理任务并同时记录神经元活动。任务中，参与者通过反复试验发现图像与按下左键或右键之间的关联。一旦参与者学会了一组图像的关联，团队就会立即切换联系。切换后，参与者会作出错误判断，但他们也能快速意识到所有图像按钮关系均已改变，进而推断出新的规则。这项实验任务所涉及的大脑处理过程，在现实生活中也经常出现。

研究中，团队揭示了推理、推断、计划甚至调节情绪这些思维在神经元活动中的物理表达。他们利用精心设计的AI工具，整合了此前神经元的记录，将参与者大脑活动转化为几何形状。这些形状占据了惊人的数千个维度，而不是人们熟悉的三维（3D）呈现。

团队表示，这些高维几何形状甚至无法在计算机显示器上看到，但他们可使用数学技术在3D演示中看到它们的简化版本。

团队发现，大脑在推理成功和不成功时活动形状有明显差异。此外，他们确认了海马体不仅是描绘了物理空间的“神经地图”，还构建了与推理和学习相关的“认知地图”。

该研究使科学家首次了解大脑如何让人类灵活地学习和执行任务，并应对不断变化的条件和经历。研究成果有助于引导科学家找到干预措施，治疗与记忆和决策缺陷有关的神经和精神疾病。

参考资料：

https://www.nsfc.gov.cn/publish/portal0/tab446/info93370.htm

http://www.globaltechmap.com/document/view?id=42996

https://www.nature.com/

参考文献：

Courellis HS, Minxha J, Cardenas AR, Kimmel DL, Reed CM, Valiante TA, Salzman CD, Mamelak AN, Fusi S, Rutishauser U. Abstract representations emerge in human hippocampal neurons during inference. Nature. 2024 Aug;632(8026):841-849. doi: 10.1038/s41586-024-07799-x. Epub 2024 Aug 14. PMID: 39143207; PMCID: PMC11338822.