Seongmin Park：结构化抽象表征和行为灵活性 | 学术报告解读

报告背景：

2024年6月20日，法国国家科学研究中心马克·让纳罗认知科学研究所（Institute of Cognitive Science Marc Jeannerod, CNRS, France）研究员Seongmin Park应邀在北京脑科学与类脑研究所报告厅以Structural Abstraction and Behavioral Flexibility为题，讲述了他的研究组有趣的研究进展。

撰文 | 朱琳（2022级博士研究生）

我们或许对熟悉的餐馆了如指掌，能够根据过往的用餐体验轻松选择心仪的食物。然而，当踏入一家全新的餐馆，面对未知的菜单，对于未曾经历过的事情，我们是如何抉择的呢？20世纪40年代，Edward C. Tolman通过一系列大鼠迷宫实验，提出动物能够使用内在的认知地图表征周围环境，并且在发生变化的空间环境中使用认知地图灵活地推断出新的路径，以到达奖励的位置。认知地图的显著优势在于，它能够根据有限的观察进行泛化和推断，不仅能显著加快学习速度，还能帮助我们在面临新的问题的时候，快速找到解决方案——这是适应性决策的典型特征。

近年来的研究发现，认知地图不仅表征物理空间，也被认为可以构建非空间事物之间的抽象关系结构，比如社交关系网络、办事流程等。类似于在空间中的导航，人们能利用表征抽象任务空间的认知地图进行推断和预测。例如掌握了社交关系网络的结构之后，人们可以推导出那些没有直接说明的间接联系：林黛玉母亲兄弟的孩子是贾宝玉，那么林黛玉和贾宝玉就是表兄妹。组成大脑中导航系统的空间选择性细胞——海马的位置细胞（place cell）以及内嗅皮层的网格细胞（grid cell），给予了空间认知地图假说直接的生理性证据。然而，关于大脑如何表征非空间的抽象关系结构，并利用认知地图来支持灵活行为的神经机制，当前的研究尚未提供充分的解释。

为了探究这些问题，Seongmin Park通过功能性磁共振成像（fMRI）技术，观察受试者在学习和推断社交等级结构时的大脑活动。任务设计中的社交层级结构由16张人脸视觉线索组成，它们以4x4的方式排列，在能力（competence）和人气（popularity）两个维度上具有不同的等级次序。受试者对于这一隐藏的社交层级结构是未知的，他们被要求想象自己正在选择一位合作人。任务的前两天，受试者通过人脸线索逐对比较并得到反馈的方式，学习被分成两组的潜在合作人组内的社交层级结构地位。受试者每天只在一个维度上进行学习。第三天，受试者通过学习某些特定人物（中心节点）与其他组人物相对社交层级，掌握不同组人物相对关系。在fMRI实验测试阶段，受试者需要对之前训练未直接比较的人物配对进行单个维度社交层级推断。基于该行为范式和测试过程中记录的全脑神经活动数据，Seongmin Park讨论以下三个问题：

1.非空间抽象关系的认知地图的架构是什么？

研究人员发现，即使受试者在前两天分别学习社交层级的两个维度，并且第三天的测试仅在一个维度判断，并不要求受试者将两个社交维度进行整合，大脑依然可以自发地从离散的学习中构建出抽象关系的认知地图。他们观测到，海马（hippocampus, HC）、内嗅皮层（entorhinal cortex, EC）和腹内侧前额叶皮层/内侧眶额皮层（entromedial prefrontal cortex/medial orbitofrontal cortex, vmPFC/mOFC）中的多变量活动模式与脑中重构的二维空间社交关系的欧氏距离线性相关。这说明HC、EC和vmPFC/mOFC在二维空间中表征社交层级。通过中心节点人物相对其他组人物层级的学习，使得未比较过的个体对之间关系的推断成为可能。此过程与通过多维抽象的认知空间找到直接路径相似。与之一致的是，EC和vmPFC/mOFC中神经活动反映目标人物和辅助检索节点人物之间的距离。这些结果提示，大脑可能使用与物理空间导航相同的机制来处理抽象的、非空间的任务。

2.大脑如何利用认知地图灵活决策？

Seongmin Park通过对fMRI数据和循环神经网络（RNN）模型分析，研究认知控制与表征几何学之间的关系。RNN模型使用相同的行为范式训练。认知控制使大脑能够从记忆中检索的多维认知地图中灵活地自上而下选择与当前目标相关的信息。这涉及到对多维认知地图中不同维度的灵活选择和处理。大脑能够同时构建一维和二维的表征。在额顶叶网络（frontoparietal network）中发现了动态的、正交的一维表征，这些表征仅涉及当前任务执行判断的维度。稳定的地图样二维表征则在内侧颞叶（medial temporal lobe）和OFC脑区中形成，这些表征同时反映了任务相关维度和无关的维度。任务相关和无关维度之间的不一致性增加了认知控制需求，这种增加的需求影响了主观表征的几何形态，即表征的扭曲（warping）。主观表征的几何形态受影响程度不同可以解释认知控制中的个体差异。RNN模型的结果显示出与人类大脑的任务表征之间的相似性，揭示了大脑构建认知地图、实现与目标相关信息的灵活运用的神经计算机制。

3.大脑如何利用认知地图泛化以往的经验，并找到解决新问题的方法？

以往的研究发现，对于非空间连续刺激，如声音频率和气味浓度，HC和EC分别具有位置细胞状和网格细胞状神经表征。为了研究大脑是否能利用网格细胞状表征，根据已有知识对未知情景进行推断，同时对不同的决策选项进行评估和选择，受试者接受上述任务范式训练后，执行合作人选择任务。在fMRI实验测试阶段，受试者基于之前未直接学习过的层级信息，为社交层级中的特定人物，在两个潜在人物中选择合作人。Seongmin Park发现HC和EC将学习的抽象关系整合到一个统一的二维认知地图中，且神经活动模式与社会层级中个体的真实欧式距离线性相关。在决策过程中，大脑使用网格状编码模式推断新的关系，这与物理空间中的导航类似。决策过程中，价值信号的神经编码受到网格对齐的影响，表明网格编码可能在基于认知地图的新的决策价值构建中起重要作用。以上结果表明，在抽象和离散关系中，人类大脑使用认知地图网格状表征来推断新的解决方案，从其他任务范式中构建的认知地图可以泛化应用到新的任务中。

综上所述，Seongmin Park的工作揭示了认知地图作为一种强大的通用编码机制，可以表征非空间的抽象关系。这种内在的表征使得我们的大脑在决策过程中能够灵活适应并制定出策略，而且在面对新情境时有效地泛化以往的经验。

相关文献：

1.Park, S. A., Miller, D. S., Nili, H., Ranganath, C., & Boorman, E. D. (2020). Map Making: Constructing, Combining, and Inferring on Abstract Cognitive Maps. Neuron, 107(6), 1226–1238.e8.

2.Park, S. A., Miller, D. S., & Boorman, E. D. (2021). Protocol for building a cognitive map of structural knowledge in humans by integrating abstract relationships from separate experiences. STAR protocols, 2(2), 100423.

3.Park, S. A., Miller, D. S., & Boorman, E. D. (2021). Inferences on a multidimensional social hierarchy use a grid-like code. Nature neuroscience, 24(9), 1292–1301.

4.Park, S. A., Zolfaghar, M., Russin, J., Miller, D. S., O’Reilly, R. C., & Boorman, E. D. (2023). The representational geometry of cognitive maps under dynamic cognitive control. bioRxiv, 2023.2002.2004.527142.