视觉输入统计特征与行为相关性共同决定了高级视觉皮层的组织结构

《Cognitive Neuroscience》：Visual input statistics and behavioral relevance jointly constrain higher visual cortex organization

　　视觉皮层功能组织需综合行为相关性与输入统计结构约束。行为相关性通过任务需求影响皮层表征（如食物选择性涉及奖励和非视觉线索），而输入统计（如颜色分布、纹理规律）则通过物理世界特性塑造底层编码。两者共同作用形成层次化表征，前额叶等高级区域更依赖行为语义，而早期区域受输入统计主导。深度神经网络（如对比学习、多模态模型）可作为验证工具，通过模拟不同约束条件下的特征空间，揭示视觉系统组织机制

　　视觉系统的研究一直是神经科学和认知科学领域的重要课题。近年来，随着神经影像技术的发展，特别是功能性磁共振成像（fMRI）的应用，科学家们能够更深入地探索大脑视觉皮层的结构和功能。在这一背景下，Ritchie及其同事提出了一种新的视角，认为高级视觉皮层的功能组织应从行为相关性的角度进行理解，而不是局限于传统的类别选择性理论。这一观点引发了广泛的讨论，并促使研究者重新思考视觉系统如何在不同任务和环境条件下进行适应和调整。

在这一框架下，本文作者进一步指出，视觉输入的统计特性也是影响视觉皮层组织结构的重要因素。视觉皮层不仅受到行为相关性的驱动，还受到自然视觉输入中各种特征分布的影响。这些统计特性包括低级视觉属性如颜色、纹理，以及中级视觉属性如轮廓形状、空间频率等。这些属性在自然环境中呈现出特定的分布模式，而大脑的神经编码可能在某种程度上与这些模式相匹配。这种匹配可能是一种进化适应的结果，使视觉系统能够以更高效的方式处理信息，并支持多种下游任务的执行。

以食物选择性区域为例，近年来的研究发现，人类大脑的腹侧视觉皮层中存在对食物具有特异性反应的神经区域。这些区域不仅对食物的视觉特征（如颜色、形状）有反应，还可能受到与食物相关的非视觉因素的影响，如奖励机制、气味和味觉信息等。这种现象表明，视觉皮层的功能组织并非仅仅由视觉输入的类别决定，而是受到多种因素的共同影响。例如，某些食物可能具有较高的颜色饱和度和温暖色调，这可能使得它们在视觉系统中更容易被识别和区分。然而，仅仅依靠这些视觉特征并不足以解释食物选择性区域的形成，因为食物的识别还涉及到其行为意义，例如是否可食用、是否具有营养价值等。

值得注意的是，Ritchie等人对食物选择性区域的存在提出了质疑，认为这些区域可能并不是专门用于识别食物本身，而是用于处理与食物相关的功能属性，如可抓取性。他们指出，某些食物和工具在视觉上具有相似的特征，例如都具有可抓取的形状，因此可能共享某些神经表征。然而，这种观点并不完全符合当前的实验数据。事实上，食物和工具在行为相关性方面存在显著差异，食物通常与奖励机制相关，而工具则与操作和使用相关。此外，食物的感知还涉及到多种非视觉属性，如气味、味道和口感，这些属性在自然环境中具有高度的统计相关性，可能对视觉皮层的组织产生重要影响。

因此，食物选择性区域的形成可能不仅仅是视觉特征的简单组合，而是多种因素共同作用的结果。这包括视觉输入的统计特性、行为相关性，以及与食物相关的非视觉信息。这些信息可能通过多模态学习的方式被整合到视觉系统中，从而形成对食物具有特异性反应的神经区域。这种整合过程可能涉及到不同脑区之间的协同作用，例如奖励相关脑区与视觉皮层之间的相互作用。

为了进一步理解这些复杂的相互作用，研究者们开始借助深度神经网络（DNN）这一工具。深度神经网络，特别是自监督学习（SSL）和多模态学习模型，为研究视觉系统的组织结构提供了新的视角。自监督学习方法能够在没有人工标注的情况下，通过对比学习等技术，从大规模数据集中提取出与自然视觉输入相匹配的特征。这些特征空间与人类大脑的视觉皮层表现出较高的相似性，支持了任务无关的输入统计特性可能在视觉系统组织中起到关键作用的观点。

然而，也有研究发现，多模态语言对齐模型（即能够同时处理图像和自然语言描述的模型）在预测腹侧视觉皮层的fMRI响应方面表现优于仅依赖视觉输入的自监督模型。这表明，行为相关的语义信息在视觉系统组织中同样具有重要作用，尤其是在前腹侧视觉皮层区域。这种语义信息可能帮助大脑更准确地识别和分类具有特定行为意义的对象，例如食物、工具和面孔等。

因此，深度神经网络的发展不仅为理解视觉系统的组织结构提供了新的工具，还可能揭示出视觉系统如何在不同任务和环境中进行调整和优化。通过训练这些模型，研究者可以模拟大脑如何在自然输入中提取和处理信息，并进一步探讨输入统计特性与行为相关性之间的相互作用。这种研究不仅有助于理解视觉系统的功能组织，还可能为人工智能系统的设计提供新的启示，使它们能够更有效地模拟人类的视觉认知过程。

此外，研究者还指出，输入统计特性和行为相关性在不同视觉区域中可能具有不同的相对重要性。例如，在初级视觉皮层（V1）中，输入统计特性可能占据主导地位，因为该区域主要负责处理低级视觉特征，如边缘检测和颜色识别。而在更高层次的视觉皮层中，行为相关性可能更加重要，因为这些区域负责处理更复杂的视觉信息，并与行为任务密切相关。因此，研究视觉系统的组织结构需要同时考虑这两种因素，并探索它们如何在不同层次的视觉处理中相互作用。

总的来说，视觉系统的组织结构是一个复杂而多维的问题，涉及多个层面的相互作用。输入统计特性和行为相关性作为两种重要的约束因素，可能共同决定了视觉皮层的功能组织。未来的研究需要进一步整合这些因素，并利用先进的神经网络技术，探索它们在不同任务和环境中的具体作用。这不仅有助于揭示视觉系统的运作机制，还可能为理解人类认知和行为提供新的视角。