人类和其他灵长类动物的大脑已知能够执行各种复杂的功能，其中之一就是感知身体周围空间。这个区域有时也被称为“近体空间”，是人与周围环境大多数互动通常发生的地方。
中国科学院、意大利理工学院（IIT）等机构的研究人员最近利用受脑启发的计算模型，研究了大脑表征身体周围区域的神经过程。他们的研究结果发表在《自然神经科学》杂志上，表明围绕身体不同部位的感受也有助于构建人体或人工智能（AI）代理周围空间的模块化模型。
01
一场始于“眨眼反射”的意外探索
RESEARCH INTRODUCTION
“我们进入这个领域的旅程纯属偶然，当时我们纯粹出于好奇，做了一些没有资金支持的实验，”论文资深作者詹多梅尼科·伊安内蒂 (Giandomenico Iannetti) 告诉《医学快讯》(Medical Xpress)。“我们发现，通过电击手部诱发的眨眼反射，会受到手部相对于眼睛位置的强烈调节。”
我们很快意识到，这种眨眼反射的行为很像所谓的近体神经元，即对身体附近物体做出反应的神经元。然而，随着我们对这类神经元的文献越来越熟悉，我们注意到，现有的关于它们活动的理论解释无法解释它们的很多特性，例如它们受刺激价态、速度和运动指令的调节。
展开剩余77%Iannetti 和他的同事们并没有收集新的数据，以便将其添加到之前研究中收集的大量且零散的数据中，而是着手开发一个新的定量框架，以阐明先前实验中观察到的近体神经元存在的原因以及它们如何工作。该框架随后可以与现有的神经科学理论相结合。
经过多项任务训练的 ANN 显示出有利于自我中心地图的架构。
02
用AI重建大脑“感知图谱”
RESEARCH MEHOD
为了开发他们的框架，他们采用了通过强化学习训练的人工神经网络(ANN)。这些神经网络是受大脑启发的计算模型，能够模拟神经元之间的连接，并学习以较高的准确度完成各种任务。
方法主要包括三个步骤。首先，我们的关键洞察是，近体反应可能仅仅反映了潜在行动的价值：伸手或躲避环境物体是否会带来奖励或惩罚。
Iannetti、Bufacchi 和他们的同事假设，近体神经元的反应可能与一个人对周围环境的评估有关，具体来说，是与不同行为在多大程度上会导致奖励或惩罚有关。为了验证这一假设，他们训练了人工神经网络 (ANN) 拦截或避开物体，然后试图确定这是否会导致与先前在人脑中观察到的类似的以身体部位为中心的反应。
“我们随后提出了一个理论构想，即‘自我中心价值图’，它由一组近体神经元构成，形成一个更抽象、更具有预测性的身体周边世界模型，能够快速适应新情况，”布法奇说道。“这个想法帮助我们将以身体为中心的反应构建为一个灵活的、可预测的周边环境模型的一部分，从而将我们的研究结果与更广泛的计算神经科学理论统一起来。”
在创建了“自我中心价值图”后，研究人员将其与多个实验室在神经科学研究中收集的观察结果进行了比较。他们比较的数据包括恒河猴大脑神经元活动的记录，以及人类功能性磁共振成像 (fMRI) 扫描、脑电图 (EEG) 扫描和实验中观察到的行为模式。具体来说，这些神经元的感受野会随着更快移动的刺激、工具的使用和更高价值的物体而扩大。人工神经元网络也分离成专门用于回避和拦截的子网络，这反映了猕猴大脑的模块化以及我们提出的以自我为中心的价值图。
将自我中心地图与经验数据拟合：设置和方法。
03
“自我中心价值图”的诞生
RESEARCH RESULTS
研究人员最终证明，一组近体神经元实际上能够创建灵长类动物周围环境的自我中心地图。随后，他们将自己开发的理论框架与之前对近体神经元及其功能的解释进行了比较。
伊安内蒂说：“我们的理论是唯一一个成功适应大量实验数据的理论，它优于其他解释，并为理解近体反应提供了一个可推广的框架。”
Iannetti、Bufacchi 及其同事的最新研究有助于理解灵长类动物大脑中的近体神经元，以及它们如何绘制灵长类动物或人类身体周围的环境。此外，该团队收集到的洞见可能很快也能帮助推进具身人工智能代理、机器人系统和假肢的发展。
04
从大脑认知，到人机交互系统
RESEARCH SIGNIFICANCE
“这些发现在神经义肢和人机交互等领域具有潜在的应用价值，”伊安内蒂解释说。“例如，机器人可以模拟以自我为中心的价值图，从而开发出自适应的、特定于情境的、合适的人机交互距离表征，从而使人机协作更加自然、有效。”
研究人员目前计划在此基础上进一步验证他们提出的框架的有效性。在接下来的研究中，他们将测试计算模型的预测结果，并尝试解决其中的一些缺陷。
“例如，该模型目前是基于强化学习的视角构建的，缺乏针对感官不确定性的明确参数，”Bufacchi补充道。“我们将使用不同的数学框架来解决这个问题，例如主动推理，它明确地将感官不确定性和环境的认知建模结合起来。我们还计划跨实验室合作，以构建更丰富、更精细、更现代的神经元数据模型。”
新闻来源：Medical Press
DOI:10.1038/s41593-025-01958-7
发布于：浙江省恒汇证券(官网)提示：文章来自网络，不代表本站观点。
