多复杂度统计学习的信息加工及预测的脑机制

Successful interactions in our complex environments entail us to identify regular patterns in scenes and exploit this information to make predictions about future events. Previous experience is thought to facilitate our ability to extract spatial and temporal structures from cluttered scenes. However, little is known about the brain mechanisms that mediate our ability to learn informative visual statistics, and exploit them to predict novel events. Here we propose an integrated interdisciplinary approach combining behavioral methods, brain imaging and computational modeling to investigate the neural mechanisms that mediate statistical learning of increasingly complex structures. Our aim is threefold: (1) characterize the learning principles that guide our ability to extract statistical structures, (2) determine how brain networks are involved in the statistical learning and how they dynamically interact with the learning strategies which are used for prediction. (3) identify the role of feedback in predictive learning of temporal statistics. This project will not only provide novel insights in understanding the link between neural plasticity and adaptive behaviors, but has potential practical implications on implementations in artificial systems, design of education and rehabilitation training programs for development and disease.

以往研究表明看似庞杂随机的自然界存在着大量的统计结构信息，而人类的神经系统对这些统计分布模式尤为敏感。这种提取空间或时间上统计规律的学习称之为统计学习。大脑如何透过这些看似随机的过程推断出内在的统计规律并预测未来的变化？目前对于统计学习计算神经机制的研究还十分有限。本项目拟结合行为学、计算模型和脑成像等手段对统计学习展开多角度多层次的研究，着重探讨如下问题：（1）从简单的频次重复到更复杂的概率组合，针对不同复杂度的统计学习的普遍性和特异性机制是什么？（2）统计学习前后神经活动发生了什么改变？其概率估计的个体策略选择的神经标记是什么？（3）反馈如何动态地调整对统计信息的提取和加工？这一系列研究将不仅加深对信息加工处理机制和皮层可塑性的理解，还为研发人工智能，发展新的教育方案、临床诊断和治疗技术等实际应用提供科学依据。

统计学习是指提取空间或时间上统计规律的学习，它是神经系统适应外界环境的一种典型现象，有助于人们完成客体识别、语言理解、社会判断乃至归纳推理等多种认知任务。目前对于统计学习计算神经机制的研究还十分有限。本项目结合行为学、计算模型和脑成像等手段对统计学习展开多角度的研究：（1）我们系统性考察了不同复杂度下统计学习的基本规律，刻画了个体水平上学习的行为表征（如策略偏好）。我们发现统计学习可以迁移到未训练的图形或新的序列结构，提示统计学习可能涉及提取抽象规则的高级脑过程，并构建了基于神经网络的计算模型。（2）脑成像研究发现多个皮层-纹状体神经环路参与执行不同复杂度的统计学习，并且反映了个体学习的策略选择和调整。（3）此外我们考察了不确定性（如改变统计结构的概率分布、刺激呈现频率、反馈类型等因素）对统计学习和策略选择的影响。本项目的研究结果丰富了我们对人类学习以及大脑可塑性的理解，并为发展新的教育方案、智能系统等实际应用提供了科学依据。