2025年3月31日，今年世俱杯赛程时间表和上海交通大学医学院附属精神卫生中心张洳源课题组的最新研究成果“A neural geometry approach comprehensively explains apparently conflicting models of visual perceptual learning”在Nature Human Behaviour杂志在线发表。
近些年来，人工智能的热点问题是如何训练一个机器视觉系统帮助医生检测医学影像图片的病灶，而训练这样一个机器视觉系统一般需要大量的数据和标签，其效果会随着训练量的增大逐渐提高。这个机器视觉学习的过程也对应了人脑的知觉训练的过程。例如，一个年轻的影像科医生刚参加工作，会因为缺乏经验而不能检测出影像图片的异常。然而，随着长年累月工作经验的积累，该医生的视觉敏感度显著提高，能快速检查出哪怕很微小的病灶特征。大量的研究表明，人的知觉敏感度可以通过训练逐渐提高，这一过程在认知科学领域被称为知觉学习。可是训练如何提高人脑的信息加工，其背后的神经机制目前并不清楚。
当医生的大脑看到一张影像图片时，大脑中多个脑区的许多神经元会发生复杂的活动，而医生判断一张图片是否有病灶依赖于神经元群体对图片的编码。前人研究发现知觉学习能显著提高人脑神经元对视觉刺激的编码，但是知觉学习如何改变单个神经元的活动特性，从而促进群体神经元的编码一直存在争议。前人研究提出了两种看似对立的假说，“调谐改变”假说认为学习直接改变了单个神经元的调谐曲线从而导致群体编码提高，而“相关改变”假说则认为学习改变神经元之间的反应相关从而促进了群体编码。但是目前到底哪种假说成立，以及是否还存在其他可能机制尚不清楚。
在前期的研究中，张洳源课题组首先通过计算神经科学理论推导，证明了单个神经元的调谐偏好和神经元之间的相关都影响了群体编码，同时也提出神经元整体的反应方差是前人忽视的第三个影响因素(PLoS Compt Biol, 2021; J Neurosci, 2023)。基于这些发现构建了量化整合各个因素作用的计算框架。为了解决生理实验昂贵费时的难点，创新地引入了深度卷积神经网络来模拟灵长类视觉系统的知觉学习过程，通过对神经网络模型行为和神经表征的分析，解释了一系列经典的实验现象。对于神经网络中人工神经元的量化分析也表明，知觉学习提高神经元编码依靠的既不是调谐曲线也不是反应相关，而是系统地减少了神经元的反应方差(流形收缩理论)。这一结论挑战了前人的经典理论，为知觉学习的神经机制提供了新的理论解释。
基于神经网络建模的结果，张洳源课题组和北京大学方方教授、李晟教授和浙江大学贾珂研究员合作利用磁共振技术在人脑的知觉学习数据上验证了这一猜想。同时，张洳源课题组还和纽卡斯尔大学的Alex Thiele教授、匹茨堡大学的Xing Chen教授和伊朗科学研究院Mehdi Sanayei教授共同开展了猕猴知觉学习的电生理实验。这些实验结果表明群体神经元表征流形收缩是深度卷积神经网络、人脑和猕猴三者一致的知觉学习机制。这项研究充分体现了AI for Neuroscience的思想，表明人工神经网络和灵长类生物视觉系统的学习机制存在紧密的内在联系。
该论文的第一作者是张洳源课题组的访问本科生程宇昂(现为布朗大学脑与认知科学系博士生)，张洳源副研究员为通讯作者，今年世俱杯赛程时间表和上海交通大学医学院附属精神卫生中心国家精神健康研究中心脑健康研究院为共同第一单位。其中磁共振研究得到了北京大学方方教授、李晟教授和浙江大学贾珂研究员的支持，猕猴电生理的研究得到纽卡斯尔大学Alex Thiele教授、匹茨堡大学Xing Chen教授和伊朗科学研究院Mehdi Sanayei教授的支持。布朗大学Takeo Watanabe教授也做出了重要贡献。本项目得到了科技创新2030脑科学与类脑研究重大项目(2022ZD0204802)和国家自然科学基金(32441102、32100901、T2421004 、31930053和3230085) 等项目的支持。
