日前，計算機與人工智能學（xué）院 阿裏雲大數據學院 軟件學院楊千裏博士與美國萊斯大學、美國貝勒醫學院和美國西北大學合作，成功發現獼猴大腦在完成複雜感知抉擇任務中，利用初級視覺皮層群（qún）體（tǐ）神經元進行了近似最優的非線性神經計算。該研究成果推（tuī）動了人類理解大腦作為一個智能器官如何完成日（rì）常感（gǎn）知複雜決策，以便未來依據不同腦區在大腦進行複（fù）雜決策（cè）時關於抽象策略的表征、整合和動態切換的功能，更高效地利用（yòng）腦機接口、深腦刺（cì）激等技術治療精神類疾病，也有助於啟迪開（kāi）發新型人工智能（néng）算法實現更複雜的現實實際抉擇任務。

感知和抉擇是靈長類（lèi）動物最重要的高級思（sī）維活動，然而對於複（fù）雜感知和抉擇的神經（jīng）計算機製的研究往往麵臨（lín）實驗範式過於簡單、計算（suàn）模型不通用的（de）挑戰。針（zhēn）對這一挑戰，團隊著力構建了更符合大腦生物學原理和數學上（shàng）更為自洽的非線性神經編解碼模（mó）型。該理（lǐ）論框架服從冗餘代碼的數學假設，提出當（dāng）皮層神經元比初級感覺神經元（yuán）的數量級大很多時，其編碼的信息必須受限於初級感覺係統所蘊含的信息量。同時預測，如（rú）果大腦以最佳方式使用神經元群體的（de）信號，其信息量更大的模（mó）式應該與動物的選擇更為相關。在此基礎上，團（tuán）隊探究了具（jù）體感知任務中大腦進行神（shén）經編解碼的（de）形式和效率（lǜ），並通過行為學實（shí）驗以及獼猴初級視覺皮層群體神經元反應的數據分析，成功發現了大（dà）腦在采用近似最優非線性計算以完成複雜感知和抉擇。相關研究不僅對揭示複雜感知抉擇的神經計（jì）算機製具（jù）有（yǒu）深（shēn）遠的科學意（yì）義，並在分析其他涉及複雜感知和抉擇認知（zhī）任務的神經計算機製中（zhōng）有（yǒu）廣泛（fàn）的（de）應用潛力。

圖1: 非線性神經編碼示例

圖2: 非線性選擇相關性分析

該研究成果全文“Revealing nonlinear neural decoding by analyzing choices”（《從（cóng）獼（mí）猴行為中揭示非線（xiàn）性神經（jīng）解碼機製》）於11月16日發表於Nature Communications（《自然通訊》），文（wén）章第一作者（zhě）楊千裏博士是我校計算（suàn）機與人工智能學院 阿裏雲大（dà）數據學院 軟件學（xué）院2018年引進的高層次（cì）人才，該研究工作得到國家自然科學（xué）基金委和江蘇省教育廳（tīng）的（de）資助。（通訊員/沈（shěn）達滿 任濤 審核/陸恒 喬增偉）

論（lùn）文鏈接：https://www.nature.com/articles/s41467-021-26793-9