70、从贝叶斯视角看视觉感受野的上下文调制

从贝叶斯视角看视觉感受野的上下文调制

1. 引言

我们生活在一个充满不确定性且不断变化的世界，感官受体和运动效应器都存在噪声干扰。近年来，大量实验和理论研究表明，人类和动物在面对不确定性时，会优化自身的感知和运动决策。例如，人类能够根据给定的世界模型和先验知识，推断出对感官数据的最佳解释，或者最大化行动的预期结果。

在感知推理中，有两个重要的问题：一是最优线索组合，即推断多个感官事件的共同原因；二是“解释消除”，即在存在多种可能原因导致相同感官输入时，确定真正的原因。这些问题可以通过“规范模型”来描述，该模型以图形方式呈现了感官世界或行为任务的因果结构。

本文提出，贝叶斯框架和规范方法同样适用于描述更微观层面的信息处理，例如单个神经元或神经元微电路的信息处理。概率方法不仅有助于解释人类和动物的行为，还能帮助我们理解神经系统的动力学和生物物理特性与行为表现以及自然感官世界统计规律之间的关系。

2. 视觉处理的挑战与贝叶斯方法的应用

2.1 视觉处理的挑战

视觉处理面临诸多挑战。相似的视觉激活可能由不同的视觉对象引起，例如重叠的视觉特征或不同三维物体的二维投影。因此，“解释消除”对于确定视觉输入的正确解释至关重要。此外，感官噪声、视觉场景的不可预测变化以及视觉输入的歧义性，都增加了检测视觉对象的难度。

2.2 贝叶斯方法在视觉处理中的应用

单个神经元可以被视为贝叶斯积分器。当神经元积累的突触证据使得其偏好刺激的概率超过阈值时，神经元就会发放脉冲，呈现出积分 - 发放的动态特性。这种神经元能够对多个线索进行最优整合，每个线索对应于其突触输入，共同原因则是其偏好的刺激。