科学好故事｜大脑是一台名副其实的“预测机器”(5)

当研究人员向PredNet展示视频序列时（上），这个具有预测编码结构的循环神经网络学会了预测下一帧图像（下）
因此，研究人员得出的结论是：最大限度减少能耗的神经网络最终将实现某种预测性处理。这反过来也说明了，生物大脑可能也在做着同样的事情。
这是一个非常好的例子，说明了自上而下的约束，如能耗最小化，会如何间接地导致某个特定的功能，比如预测编码。循环神经网络中特定误差单元和预测单元的出现，是否可能是网络边缘的神经元接收输入的意外结果。如果输入信息遍布整个网络，你不会发现误差单位和预测单位之间有什么区别，但你仍然会发现预测活动。
大脑行为的统一框架
尽管从这些计算研究中获得的见解看起来很有说服力，但最终，只有来自活体大脑的证据才能证明大脑中确实存在预测处理过程。布莱克·理查兹是加拿大麦吉尔大学和魁北克人工智能研究所的神经科学家兼计算机科学家，他和同事们提出了一些明确的假设，描述了大脑在学习预测意外事件时应该“看到”什么。
为了验证这些假设，他们求助于美国西雅图艾伦脑科学研究所的研究人员，后者在小鼠身上进行了一些实验，同时监测它们大脑中的神经活动。特别让研究者感兴趣的是，大脑新皮层中的某些锥体神经元，被认为在解剖学上很适合进行预测处理。它们既可以接收来自附近神经元的自下而上的感觉信号（通过向它们的细胞体输入信号），也可以接收来自更遥远神经元的自上而下的预测信号（通过它们的顶树突）。

大脑中的锥体神经元似乎在解剖学上很适合进行预测性处理，因为它们可以分别整合来自邻近神经元的“自下而上”信号，以及来自较远神经元的“自上而下”信号
研究人员向小鼠展示了许多加博尔光斑（由明暗条纹组成）序列，每个序列中的4个光斑都有大致相同的朝向。小鼠逐渐适应了这些序列，然后，研究人员插入了一个意外事件：第4个加博尔光斑随机旋转到另一个方向。一开始，这些小鼠显得很惊讶，但随着时间的推移，它们也开始期待惊喜。实验期间，研究人员一直在观察小鼠大脑的活动。