灵长类额叶皮层的组合计算

智力的一个标志是能够将熟悉的运算应用于新的输入而无需重新学习。神经环路如何将习得的计算带入训练期间从未访问过的状态，目前仍不清楚。在此，我们结合神经记录、环路建模和人类实验来研究组合泛化。猴子学会了将一个起始位置与由光流刺激的方向和持续时间所指定的位移相结合，然后遇到这些熟悉输入的新组合。额叶群体活动将计算分离为空间和时间成分：起始位置和光流方向确立了神经状态，活动从该状态沿共享的时间动态演化。当轨迹保持这种组织方式时，新组合引发了准确的反应，而偏离则预测了系统性的行为偏差。环路模型揭示了一个三方对齐问题：输入表征、循环动态和读出操作必须共同实现所需的计算。不匹配产生了系统性偏差，且偏差随与训练条件的距离增加而增大。当熟悉的感觉线索和空间变换通过不熟悉的映射相联系时，人类表现出类似的偏差。总之，这些发现表明可复用神经资源的协调如何支持新的计算，以及其破坏如何产生可预测的泛化失败。

中文由 AI 翻译，仅供参考，以原文为准。