2026-07-27
这篇 Neuron 综述主张,皮层里普遍存在的神经行进波在感觉图上传播时,会把感觉历史嵌进当前活动,做出纯前馈网络做不到的预测式时空计算。
视觉皮层怎么算,主流答案是「前馈提特征、反馈做调节」:刺激进来,一层层感受野抽取特征,高层再自上而下修正。这套叙事直接对应卷积网络,也是多数类脑视觉模型的默认假设。
它有个老问题。清醒动物的皮层里,神经活动大面积地以波的形式在皮层表面传播,很少静止成一张特征图,这就是神经行进波(neural traveling waves, nTWs)。波在感觉图(sensory map,比如按视野位置排布的初级视皮层 V1)上滚过时,会把相隔很远的神经元按时间先后带进同一个状态。纯前馈或反馈的连线天生不产生这种时空依赖。
这篇《Neuron》综述出自 Lyle Muller、Aiden Busch、Zachary Davis 与 John Reynolds 这几位长期做行进波的研究者。他们要回答的问题是:这些波到底是网络自带的噪声涨落,还是大脑真正用来计算的东西。他们的答案是后者,并把它上升成一个计算框架。
这是综述,没有新实验。文章把证据组织成两条线。
第一条是波怎么产生。核心机制是皮层里那些长程的水平连接(horizontal connections)和斑块连接(patchy connections):同一朝向偏好、相距数毫米的神经元之间,由细长轴突相连,信号沿轴突传过去需要时间。Davis 等人 2021 年《Nature Communications》的建模显示,只要把这些水平纤维的传导延迟放进一个局部「异步不规则」放电的网络里,行进波会自发涌现,不需要任何外部驱动。水平纤维的延迟加上局部异步放电,就足以让波自己冒出来。局部一侧的动力学,文章借用「稳定化超线性网络」(stabilized supralinear network, SSN)这个公认的感受野回路基序来解释:兴奋与抑制的超线性叠加让网络在临界点附近运行,既放大特定模式又保持稳定。文章还讨论了电场耦合(ephaptic coupling,神经元之间不靠突触、而靠细胞外电场相互影响)等因素会不会进一步把波推着走。
第二条线是波能算什么。文章重点强调一个反直觉的能力:波在感觉图上是有方向、有速度地传播的,它天然能把「刚才刺激过哪里」编码进「现在哪里在放电」。Benigno 等人 2023 年《Nature Communications》的模型里,波扫过视觉空间图时会点燃对即将出现的刺激的短期预测。把这一点推广,文章提出一个概念框架:感觉皮层用一张不断演化的波的活动图做「时空生成式」(spatiotemporal, generative)的处理,主动预测下一刻的输入并把预测误差反馈进去,而非逐帧被动处理输入。
这套框架和预测编码(predictive coding)是亲戚,但落脚点不同。经典预测编码讲的是层与层之间、前馈与反馈之间怎么传误差;这里讲的是同一张皮层图内部,波怎么把时间维度的历史摊开在空间上。
作为综述,这篇文章不报新数字,它的「结果」是把分散在十多年文献里的证据串起来。几条最硬的:
文章据此下的判断是:波在清醒、行为相关的皮层里普遍存在,而且和感知、注意、工作记忆都挂钩,把它当成计算机制比当成噪声更说得通。
对做 AI 的人,这篇的价值不在某个能跑的模型,而在一个角度:它把「大脑怎么算」和「我们怎么搭网络」之间的错位挑明了。
最直接的连接是它引用的一组近作。Muller、Churchland 与 Sejnowski 2024 年《Trends in Neurosciences》提出,Transformer 的自注意力可以类比成皮层里把不同时刻上下文「拉到一起」的波机制;Keller 与 Welling 2023 年 ICML 的「神经波机器」(neural wave machines)直接用局部耦合的振荡 RNN 学出时空结构化的表示;Karuvally 等人 2024 年在 arXiv 上发现,训练出来的普通 RNN 内部也长出了隐藏的行进波,用来绑定工作记忆变量。
另一面是一记冷水。Arcaro、Fel、Linsley 等人 2023 年 NeurIPS 的工作,以及 Linsley 等人 2025 年《Trends in Cognitive Sciences》的「更强的 AI 不等于更好的大脑模型」,都指向同一个结论:在 ImageNet 这类基准上性能越刷越高的卷积与 Transformer 视觉模型,反而离下颞叶皮层(IT cortex)的真实神经响应越来越远。作者把这条线索和波框架摆在一起,潜台词是:只优化前馈识别精度的路线,可能正在和皮层的真实算法分道扬镳。
对做神经启发架构、循环网络或类脑计算的人来说,这是一个值得跟的方向:把空间图上的波动力学当成一等公民来建模,而不是事后解释。对只关心刷分的工程侧,这篇短期内没有可直接搬走的东西。
这篇文章最大的局限是它的性质。这是一篇视角与综述,提出的是一个框架和一系列倡议,不是一个被跑通、跑赢基线的模型。「波是计算原理」目前更接近一个有证据支撑的猜想,而不是已落定的结论。
证据本身也有软肋。大量支持波的实验用的是宽场与介观成像(电压敏感染料、钙成像 GCaMP),测的是成千上万神经元的群体信号,不是单个神经元、也不是下游脑区真正读到的东西。Orsher 等人 2024 年《eLife》就警告过:当时空采样不够时,一连串依次激活的离散模块,在测量上看起来完全像一道连续的行进波。「单次试验里波在算东西」这个最抓人的主张,目前还不能从成像伪影里干净地剥离出来。
文章和 Transformer、神经波机器的那层联系,也是类比和家族相似,不是数学等价。注意力是不是真的在模拟皮层波,这个等式两边都还可以再争。最后,这篇全文在付费墙后,以上对论证细节的转述基于摘要、关键词和完整的参考文献列表,正文里部分具体论证未能核对到原文。