大脑是如何将感官输入转化为感知和行为的呢？大多数神经科学和现代深度学习所遵循的经典模型认为，感知过程主要是一个前馈过程：感官信号从早期视觉区域传递到更高层次的视觉区域，以使具有行为意义的信息更加清晰明确。人们认为反馈连接只是对这一过程进行微调——在注意和学习过程中增强相关特征或抑制噪声。

另一种框架——生成性推理，认为感觉处理本质上是双向的。按照这种观点，神经元会代表对外部世界原因的信念，并且这些信念会通过感觉证据（前馈）与先前预期（反馈）之间的信息交换而不断更新。

在进行辨别任务的过程中，视觉神经元之间的冗余性和信息限制性关联有所增强（图源自Science）

在学习之初，冗余度几乎为零，这表明神经反应基本是独立的。随着训练的进行，冗余度逐渐增加，最终达到了每个神经元的信息大约有一半与记录的其他神经元共享的程度。冗余度在试验过程中也会动态增加，持续数毫秒之久，这与信息的逐渐积累和共享是一致的。

增加的冗余度并未导致群体信息的丢失，而是使得单个神经元的信息增加——这与生成性推断所预测的情况相符。与同一天的被动观看相比，在任务执行期间与学习相关的冗余度变化更为显著，这表明由于信息的重新分配而导致的冗余度增加取决于主动的任务参与。

总之，学习一项感知任务会增加感觉神经元之间的信息冗余度——这一结果与人们对学习和注意力作用的传统理解相矛盾。学习并非消除相关的变化性，而是通过反馈和循环交互来在神经元之间重新分配信息，从而形成对感知世界的稳定信念。这些发现表明，大脑皮层的感觉处理应被理解为一种动态的推理过程——一种整合先前预期和感官证据的过程——这挑战了长期以来关于大脑在感知过程中信息流动基本为单向的传统假设。

参考消息：https://www.science.org/doi/10.1126/science.adw7707