大脑拥有内在的“世界模型”，在快速眼动睡眠期间会运行。
编辑日期：2024年08月30日
睡觉时虽然身体不动，但大脑却会模拟运动指令及其结果。
睡觉做梦时，大脑实际上运行了一个内部的“世界模型”！
有不少人常常分不清梦境与现实，有时梦境过于逼真，甚至带有恐怖元素，导致被吓醒的情况时有发生。
最近，加州大学旧金山分校的两位神经科学家进行了一项引起广泛关注的研究。他们指出，在动物进入多梦的睡眠阶段时，大脑会运行一个内部的“世界模型”来模拟与外界的互动。
实验结果提供了有力证据：即使在睡眠过程中没有实际运动发生，大脑仍会模拟运动指令，并展示出类似于清醒状态下的脑活动。
这项研究一经发布，便获得了许多学者的点赞和转发。
还有一些网友联想到，可以将“梦境模拟”的方法应用到人工智能中，以解决训练数据不足的问题。
生动的梦境大多发生在被称为快速眼动（REM）睡眠的阶段。为了探究REM睡眠期间大脑如何模拟动作及其结果，研究人员用小鼠进行了实验，重点关注了大脑中的两个关键区域：上丘（SC）和丘脑前背侧核（ADN）。SC 是负责定向运动的运动指令中心，而 ADN 包含了所谓的“头部方向细胞”，这些细胞能反映动物头部的方向。
首先，研究人员记录了清醒状态下小鼠左侧上丘的神经活动。他们发现，大约一半的上丘神经元在头部转动时会显著改变活动，这些神经元被称为“转向细胞（turn cells）”。
大多数转向细胞倾向于顺时针转动，当多个顺时针转向细胞同时被激活（称为“群体转向事件”）时，动物进行顺时针头部转动的概率显著增加。随后，研究人员比较了清醒状态和REM睡眠期间上丘的活动。
令人惊讶的是，REM睡眠中上丘的活动模式与清醒状态非常相似。“群体转向事件”在REM睡眠中也能观察到，并且其频率甚至略高于清醒状态。
这意味着，即使在睡眠中，上丘仍在发出类似于清醒状态下的运动指令。
为了探究这些睡眠中的“运动指令”是否会影响大脑的内部表征，研究人员同时记录了前导核（ADN）中头部方向细胞的活动。
他们开发了一个解码器，可以根据ADN的神经活动推断头部的方向。在清醒状态下，这个解码器能够准确预测实际的头部方向。
结果，当应用于REM睡眠数据时，解码器显示出“虚拟头部转动”——尽管动物保持静止，但大脑中头部方向的内部表征仍在发生变化。
为了验证上丘活动与虚拟头部转动之间的因果关系，研究人员使用河豚毒素（TTX）药物阻断了小鼠右侧上丘的活动。
结果表明，这种阻断导致REM睡眠中顺时针方向的虚拟头部转动显著增加，甚至出现连续的360°顺时针虚拟转动。
这些发现表明，在REM睡眠期间，大脑会模拟动作及其结果，即使这些动作并未真正执行。
研究人员推测，这种模拟可能依赖于大脑内部的模型，而不是外部的感觉反馈。
头部运动的缺失排除了前庭器官的参与，此外，由于小鼠的外眼肌缺乏本体感受器，这也排除了REM睡眠中特征性眼球运动的本体感受反馈对头部方向表征变化的显著影响。
研究人员引用了其他研究来支持这一观点。
例如，之前的研究指出，在REM睡眠期间，我们的眼睛会快速移动，这种现象可能反映了大脑在睡眠中的某些认知活动。
患有单侧忽视症的病人在清醒时可能无法感知或注意到其视野的一侧。有趣的是，这些患者在REM睡眠期间的眼球快速运动会倾向于移向他们通常忽视的那一侧。
这表明，即使在睡眠中，这些患者的大脑也在某种程度上模拟或重现了他们在清醒时的认知模式。
此外，还有研究推测REM睡眠有助于内部模型的形成和完善。
因此，研究人员提出，在REM睡眠期间观察到的协调SC（顶盖前区）和ADN（颈动脉窦神经）活动的内部模型也可能在清醒状态下发挥作用。
这将使大脑能够在执行SC发出的运动指令之前预测头部方向的变化，从而实现实时头部方向估计，而无需依赖前庭系统的感官反馈。
如果该模型确实在清醒状态下有效，那么大脑就需要一种机制来识别预测的头部方向变化与实际变化之间的差异，并据此调整预测以纠正潜在的误差。
然而，在REM睡眠期间，这种误差信号被抑制。没有这种信号，我们的大脑可以自由地根据内部模型进行模拟，而不受实际感官输入的纠正。
这种自由模拟的能力可能是REM睡眠或类似状态下大脑创造性思维和梦境生成的基础。
这项研究发布后引起了广泛关注。许多网友讨论了睡眠实际上可能是大脑进行“训练”的观点：
睡眠可能是一种训练过程。在这个过程中，我们的大脑需要判断信息是来自现实世界还是由其自身通过训练形成的神经网络。当我们无法区分现实与虚构时，训练便完成了。
大脑内部拥有一个“世界模型”，在快速眼动睡眠期间，我们所做的那些不切实际的冒险梦可能并不是为了训练我们如何应对这些不切实际的情境，而是为了训练我们大脑中那些未被直接意识到的更深层次机制。例如，梦见自己飞翔可能有助于提升我们的视觉空间处理能力。
对此你有何看法？
参考资料： [1] https://www.biorxiv.org/content/10.1101/2024.08.13.607810v1 [2] https://news.ycombinator.com/item?id=41284873 [3] https://x.com/yutasenzai/status/1824652175286603979
这一研究成果最近发表在《自然·机器智能》杂志上。
研究结果显示，其错误率仅为百分之一。
科学家们花了六十多年才发现了这一点。
