NC 顛覆感知：“自上而下”的大腦先驗如何改寫你的視覺現實？

PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關注，點亮星標 ??

不錯過每日前沿資訊

認知神經科學前沿文獻分享

基本信息：

Title:Top-down perceptual inference shaping the activity of early visual cortex

發表時間：2025.11.14

Journal:Nature Communications

影響因子：15.7

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

在理解視覺系統時，我們習慣把信息處理看成“自下而上”（bottom-up）：光刺激進入視網膜，沿著視通路層層上行，越到高級皮層越抽象。

過去十年，深度學習中的目標導向（goal-directed）判別模型正是沿著這種直覺前進：它們用監督學習去做分類任務，驚人地擬合了靈長類從V1到IT整條腹側通路的神經反應，并且能合成最能“點燃”某些神經元的圖像。

然而，這類純前饋模型有兩處與生物系統的核心差異：其一，它們需要外部標簽信號教導；其二，它們幾乎不需要自上而下（top-down）的回饋，而真實的大腦卻布滿了回返連接。尤其在“困難模式”（遮擋、噪聲、模糊）下，靈長類的反應呈現延遲和再入（recurrent）特征，暗示除了前饋之外還有更復雜的計算在介入。

這篇發表在Nature Communications的論文提出并訓練了一個分層深度生成模型——Top-Down Variational Autoencoder（TDVAE）來正面回答兩個問題：

1）如果不靠標簽、只靠自然圖像統計，系統能否學到與早期視覺（V1/V2）相匹配的表征？

2）當模型執行分層推斷（hierarchical inference）時，自上而下的“上下文先驗（contextual priors）”如何塑造低級特征層（V1）的平均反應與噪聲相關（noise correlations）？

作者的主張是：視覺并非只在頂層“認出是什么”（分類）才發生推斷，而是在每一層都在進行帶先驗的貝葉斯式整合。更高層（類V2）學到的紋理與上下文，作為先驗通過回饋影響低層（類V1）：當圖像證據不充分或含混時，先驗會填補空白，乃至在卡尼薩（Kanizsa）這類錯覺刺激上在V1中“虛構”出一條并不存在的邊界。

文章不僅在平均放電上重現了多項經典生理學結果，還進一步解釋了刺激依賴的噪聲相關從何而來——它們正是高層上下文先驗在低層采樣中的投影。因此，這項工作把 “生成模型—分層推斷—上下文先驗” 的三角形閉環，完整落地到可與猴子數據逐圖逐量對比的細粒度水平，展示了為何大腦要廣泛使用自上而下。

更貼近生活的比喻：當你在薄霧中遠看一只動物，清晰的邊緣與花紋缺失，腦中“斑馬應當有條紋”的先驗會幫助把零碎線索組織成條紋；當你望見四個“吃掉角的小圓餅”，你會自動“看見”一只白色正方形——這就是上下文先驗在不足證據下的“補全”。作者把這種補全與再解釋，用一個端到端、無監督訓練的生成模型具象化了出來，并且讓它在多個“心理物理—電生理—模型”三方對照試驗中站住腳。

實驗設計

作者在自然圖像補丁上端到端無監督訓練TDVAE：生成部分對Z1-像素采用線性稀疏先驗以獲得Gabor樣基；對Z2-Z1采用多層非線性，以學習紋理等非線性統計；識別部分共享一條前饋路徑分別抵達Z1與Z2，并在Z1-INT節點將來自Z2的Top-down與圖像證據融合，輸出可采樣的后驗。

訓練完成后，作者不用任何對神經數據的擬合參數，直接把Z1/Z2的均值與采樣映射為V1/V2反應來做對照：一方面用合成紋理/相位打亂/濾波打亂等刺激考察Z2的紋理編碼與Z1的不變性/可分性；另一方面構造Kanizsa錯覺與輪廓補全范式，比較真實邊/錯覺邊/不相干對照的Z1反應時程與幅度，并通過“抽掉Z2刺激信息”“把Z2鉗制為零”等消融來驗證反饋來源；此外，作者用Z1的噪聲相關矩陣直接做紋理家族解碼，并檢驗其與信號相關（跨圖像均值相關）的一致性，以及在相位/濾波打亂后的下降，最后與猴V1/V2數據逐項對標。

Fig. 1 | Hierarchical inference in task-independent models.

核心發現

發現一｜Z2學到“緊湊而強”的紋理表征，Z1接近機會水平，與V2/V1遙相呼應

訓練后，Z1形成了一個幾乎完備的Gabor字典，而Z2沒有明顯的一階線性結構，卻在二階/調諧上表現出對方向與波長的選擇性。關鍵在于可線性解碼的紋理家族信息：在Z2，紋理解碼準確率高達0.876±0.0001，且在多種層級結構變體中穩健；而在Z1，解碼接近機會水平（有15個家族，對應~0.067），與猴V1數據一致。進一步的t-SNE可視化顯示：Z2的響應在家族層面形成清晰簇團，而Z1則分散——這與猴V2與V1群體數據的模式幾乎一一對應（圖2e-f）。作者還對照了未訓練模型與經典前饋CORnet：未訓練模型Z2解碼接近0.082，遠遜于TDVAE；而CORnet在“Z2樣層”解碼可達0.977，在“Z1樣層”則仍接近機會。這說明：分層生成學習自然會在中層（類V2）形成低維而有力的紋理坐標軸，且這種軸是任務無關地自發涌現的；同時也表明即使判別模型能在高層形成可解碼的紋理軸，它們并不闡明上下文先驗如何回流影響低層。數據與文字詳見圖2d-f及相關段落。

Fig. 2 | Hierarchical representation in Z1 and Z2 learned by TDVAE.

發現二｜自上而下先驗在V1層產生“錯覺邊界”，且明顯晚現并依賴Z2

在Kanizsa正方形范式中，作者將虛邊與單個Z1感受野精準對齊，比較“真實邊”“錯覺邊”“不相干元素”三種條件，并計算Z1的平均反應—線性響應的差異。結果表明：錯覺邊在Z1引發的反應幅度雖低于真實邊，但形態相近，而不相干條件被明顯抑制；更關鍵的是，把Z2的刺激信息移除（采樣其先驗）或把Z2鉗制為零，錯覺增益隨之消失或顯著減弱；而在淺層VAE（無Z2）或前饋目標模型中，幾乎看不到穩健的錯覺增益。這直接把錯覺反應的來源定位到來自Z2的上下文先驗。在時序上，作者用“前刺激/早期/晚期”的三階段采樣策略模擬實驗中常見的晚現現象，證實錯覺增益僅在晚期出現，與猴V1文獻一致。整體而言，是否存在并何時出現錯覺邊，成為區分“有無Top-down推斷”的標志。見圖4（反應—線性對比與消融）與圖5b（時序）。

Fig. 4 | Contribution of top-down computations to illusory contour responses.

Fig. 5 | Top-down influences shaping the representation in Z1.

Fig. 3 | Optical mapping of causal connectivity and its anatomical organization

發現三｜“紋理家族特異”的噪聲相關在Z1出現，且與信號相關成對齊；打亂高階統計會降低特異性，并與猴V1吻合

作者把上下文先驗定義為Z2對Z1的分布性約束：當圖像上下文變化時，先驗也隨之變化，從而導致每幅圖像都有特定的神經元共激活模式。在模型中，Z1的協方差完全來自Z2引入的上行不確定性（識別后驗對Z1本身假設為無相關的Laplace），因此Z1的噪聲相關是Top-down的“指紋”。具體發現：① Z1的噪聲相關矩陣對不同圖像顯著不同，可被用來線性解碼紋理家族（Z1均值反而不如相關矩陣好）；② 對同一對Z1神經元，其信號相關（跨圖像的均值相關）在不同紋理家族上呈家族特異，而噪聲相關與之成系統性依賴；③ 把紋理做相位打亂或濾波打亂（破壞高階統計）會顯著降低跨圖像的噪聲相關差異度，與猴V1報道一致。綜合這些證據，作者把長期困擾理解的“刺激依賴的噪聲相關”規范地解釋為：高層上下文先驗在低層采樣中的投影。見圖6及相應文字。

Fig. 6 | Contribution of top-down influences to response correlations in Z1.

發現四｜Top-down讓“Z1也能讀出一點紋理”：移除Z2的刺激信息后，Z1的可解碼性顯著下降

雖然Z1主要編碼局部一階特征，但由于上下文先驗回流，在完整TDVAE里，Z1的多神經元均值對紋理家族仍有弱而顯著的可解碼性（平均準確率0.1943）。當作者把Z2改為不含刺激信息（僅采樣其先驗）時，這種可解碼性降至0.0986，幾乎回到機會附近；同樣，把紋理做相位打亂，Z1的可解碼性也隨之顯著下降，提示可解碼成分來自被Z2捕捉的高階紋理統計。時間維度上，這種“Z1中出現的高階痕跡”與錯覺、輪廓整合一樣，呈晚現。這一結果將“Z2是紋理核心所在”與“Z2的上下文會回寫Z1”連成閉環，提出一個重要視角：即使V1看似只處理“局部邊”，我們在多神經元維度上依然能讀取到高層先驗的痕跡。

結論

這是一篇把“生成模型 + 分層推斷 + 上下文先驗”落到與靈長類數據量化對表的里程碑式工作，既解釋了V2的紋理本質，也解釋了V1的錯覺與噪聲相關從何而來。它提示我們：大腦不是只在頂層做“是什么”的判別，而是在每層都做帶先驗的解釋—這正是回返連接存在的理由。

展望與應用

未來值得追問的方向：

1）更高層（V4/IT）先驗如何繼續塑造V1/V2？能否把物體、場景的超越紋理的統計也納入統一框架？

2）任務與注意如何與“感知先驗”在同一推斷圖中耦合？兩者共享通路的證據如何在時空上拆分？

3）再入/側向與Top-down在時間軸上的分工：遮擋、運動復雜場景下，哪類不確定性靠哪條路？

4）模型目前把Z1-像素視作近似線性，未來能否引入更真實的回路細節（層/列/細胞型）以解釋更多亞型反應？

請打分

這篇剛剛登上Nature Communications的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

前沿交流|歡迎加入認知神經科學前沿交流群！

核心圖表、方法細節、統計結果與討論見原文及其拓展數據。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部