预测性学习在海马体中诱导出贝叶斯认知图谱

导航依赖于知觉：位置必须从含噪且具有歧义的自我中心感觉输入中推断出来，例如对距离的视觉估计。然而，许多经典的空间表征模型都隐含地假设异位中心位置是可直接观测的，从而忽视了知觉不确定性。在这里，我们将这类模型与一个显式纳入知觉推断的贝叶斯理想观察者进行比较。我们发现，贝叶斯观察者关于位置的信念能够更准确地再现位置细胞活动的关键特性，包括位置场的宽度、面积和密度，并且这种再现既适用于单个环境内部，也适用于不同环境之间。 通过解析论证和数值模拟，我们表明，经训练以预测下一个自我中心感觉输入的循环神经网络，会学习到类似于贝叶斯信念的表征，并在熟悉与陌生环境中都产生类似位置细胞的活动，其表现优于经训练以重现当前输入的自编码器。综上，这些结果表明，海马回路可能通过预测性知觉学习，从经验中构建贝叶斯认知地图。

导航需要感知：位置必须从带有噪声且存在歧义的自我中心感觉输入中推断出来，例如对距离的视觉估计。然而，许多经典的空间表征模型都隐含地假设以他我中心坐标定义的位置是可直接观测的，从而忽略了感知中的不确定性。在这里，我们将此类模型与一个显式纳入感知推断的贝叶斯理想观察者进行比较。我们发现，贝叶斯观察者关于位置的信念能够更准确地再现位置细胞活动的关键性质，包括位置场的宽度、面积和密度，并且这种一致性在单个环境内部及不同环境之间均成立。

通过解析论证和数值模拟，我们表明，经过训练以预测下一个自我中心感觉输入的循环神经网络，会学习到类似于贝叶斯信念的表征，并在熟悉和不熟悉的环境中都产生类似位置细胞的活动，其表现优于经过训练以重现当前输入的自编码器。综上，这些结果表明，海马回路可能通过预测性感知学习，根据经验构建贝叶斯认知地图。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.03.729991v1?rss=1

🏷️ 海马体 位置细胞 贝叶斯认知图谱 预测性学习 知觉推断 循环神经网络