第三節　兩類研究認知的計算模型

計算模型有許多類型，我們在此介紹其中的兩種類型。第一類是數學心理學模型或來自計算機科學的算法模型。此模型適合用來定量分析行為研究的數據，并將與實驗相符的參數用于構建神經計算規則的模型。第二類是以生物學為基礎建立的神經通路模型，即以突觸信號傳遞機制及微通路特性為基礎的模型。此類模型是理解皮層功能和精神障礙神經生物學基礎的一種有力工具。

什么是建立在生物基礎之上的神經通路模型？簡單地說，它指的是受神經生物學約束并模擬大腦功能（比如抉擇）的數學模型，是一個跨生物機制、神經動力學、通路功能和大腦本身的計算規則（computation mechanism）數個層次的計算框架（圖1-3-1）。有人可能會問，這樣的模式是否過于復雜，難以應用在精神醫學中呢？其實不然。首先，“基于生物學的模型”是一個廣義的術語，涵蓋具有不同復雜程度的多種模型，比如單個神經元的模型可以是Hodgkin-Huxley式模型或泄漏整合-發放神經元（leaky integrate-and-fire neuron）模型，等等。分析不同抽象層次的模型，例如脈沖網絡模型（network model of spiking neurons）與其簡化的“平均場”神經元群模型（mean-field population rate model），以及它們之間的關系，是非常有用的。第二，神經網絡模型在揭示神經機制上已有數個成功的例子。例如利用這種模型，科學家們發現了多巴胺神經元傳遞“獎賞預測誤差”（reward prediction error）信號，揭示了工作記憶的持久性神經元電活動，以及研究了抉擇行為的神經機制等等，說明應用此類模型研究神經機制是一個行之有效的方法。第三，要闡明生物機制、神經動力學、通路功能和大腦本身的計算規則之間的相互關系，目前不可能找到比基于生物學的神經通路模型更簡單的框架了。

圖1-3-1　理解腦功能的機制必須將結構、動力學與行為相結合

注：A.大腦測量探索與行為相關的時空神經元群活動模式。理論和建模一方面提供有力的工具來闡明行為產生的生物機制，另一方面解釋腦功能所必需的計算規則。B.以生物學為基礎的神經通路建模是由單一的神經元和突觸（分別是左側紅框、藍框內的部分）的生理來標化，并受量化網絡連接的數據限制。可以說這種方法是從功能、神經動力學和計算規則以及生物機制的3個方面來理解神經系統最必要最簡單的理論框架

在脈沖網絡模型里，單個神經元通常是由leaky integrate-and-fire模型或Hodgkin-Huxley模型來描述的。這些模型由生理數據，例如膜時間常數和輸入—輸出函數（即由突觸輸入決定的脈沖發放頻率）等來校準。興奮性椎體細胞和抑制性中間神經元的這類模型在性質上可以有很大區別。值得強調的是，以生物學為基礎的模型中，突觸水平的建模也必須精確。神經元之間的突觸連接有自己的上升和衰減時間常數，突觸動力學是確定神經網絡的整合時間和保證網絡穩定性的關鍵因素。最后，我們需要用解剖數據來賦予模型定量的網絡架構。例如，目前較普遍接受的網絡架構是由有相同選擇性的興奮性神經元與總體水平上的抑制性神經元連接組成的；而興奮性與抑制性突觸之間的動態平衡這個皮層微通路的普遍特點也被越來越多的實驗所證實，并應用到皮層網絡模型中。

下面，我們具體談談一個認知功能，即人的大腦是怎樣作抉擇的。抉擇的過程，是從幾個選項中做出一個特定選擇的過程。比如你在下暴雨的黑夜中開車，外界進入大腦的信息模糊不清，你需要不停地在信息不全的多種可能性中給出判斷，這叫感知抉擇（perceptual decision-making）。又如，你在商店買衣服，需要從樣式、料質、價錢等多方面考慮來選擇，這叫基于主觀價值的抉擇（value-based decision-making）。

概括地說，有2種類型的抉擇計算模型：行為模型（一種數學生理學模型或算法模型）和神經通路模型。在行為心理學中，“A或B”即“二選一”的抉擇通常是由漂移擴散模型（drift diffusion model，DDM）建模。在這種模型中，活動變量X代表2個選項累積信息量XA和XB之間的差異，X=XA-XB。X的動力學是由漂移擴散方程給出的，dX/dt=μ+w（t），其中μ是漂移率，w（t）代表噪聲。漂移率μ表示有利于2個選擇之一的偏差（證據凈差）（如果沒有凈偏差，則μ為零）。這個系統是一個完美的輸入積分器。當X（t）達到正閾值θ（選擇A）或負閾值-θ（選擇B）時，積分進程終止，從而可讀出選擇的結果及決定時間（reaction time）。如果漂移率μ為正，則選擇A是正確的，而選擇B是錯誤的。因此，這種類型的模型通常被稱為“爬坡達閾”（ramping-to-threshold）模型，μ在此模型中代表平均斜率。

Wang在2002年創建了一個以生物物理為基礎的神經通路模型。與單純的行為模型相比，神經通路模型的優越性在于它不僅能用來描述行為實驗的結果，也可解釋動物實驗中觀察到的與決策有關的單個神經元的活動。神經通路模型表明，一個長的積分時間可以在“抉擇神經網絡”通過回蕩激活（reverberating excitation）來實現。當這種正反饋足夠強，反復激活與突觸抑制可以創建多個穩定狀態（“吸引子”-“attractor state”）。這種模型最初用于工作記憶的研究，同樣的模型，如果是由NMDA受體介導的“慢反饋網絡機制”（slow recurrent circuit mechanism），也可以用于抉擇的腦研究。有趣的是，對于靈長類動物生理學的研究常常發現，在前額葉皮層和頂葉皮層等皮層區的神經活動不僅與抉擇有關，在工作記憶過程中也表現出持久的記憶型的放電活動。同一個慢反饋網絡模型可同時解釋抉擇和工作記憶的機制。于是，建立在這些實驗和理論基礎之上，我們提出了抉擇和工作記憶共享的“認知型”網絡的概念。

行為模型與生物物理為基礎的神經網絡模型是可以互補的。在對認知和精神疾病機制的研究中，最理想的策略是在抽象度與生物體系接近的程度以及數學分析水平不同的數個模型之間來回切換，同時發展。