不匹配负性的时间轨迹揭示了听觉感知学习的动态过程

《European Journal of Neuroscience》：Temporal Trajectories of Mismatch Negativity Reveal Dynamics of Auditory Perceptual Learning

预测加工理论揭示感知学习是动态的层级内部模型更新过程，传统静态平均方法无法捕捉预测误差信号时序演变。本研究通过EEG记录45名被试对稳定与传统听觉序列的反应，发现MMN轨迹在稳定环境呈衰减趋势，而在波动环境中随规则变化增强，且受先前经验调制，呈现稳定性先验影响显著而波动先验无效应的不对称性。该方法为揭示动态学习机制提供新范式，对临床群体研究具有重要价值。

　　

摘要

关于感知学习的理论（如预测处理理论）将学习描述为一种动态的、持续的过程，这一过程通过更新内部层次结构来适应环境的规律性。然而，大多数研究将这一过程简化为基于静态条件的平均值，从而忽略了预测误差信号随时间的变化。本研究通过分析在稳定和不稳定听觉序列中，以“不匹配负波”（MMN）为指标的精确加权预测误差的时间轨迹，填补了这一空白。研究人员记录了45名年轻人在被动聆听传统（稳定）和交替（不稳定）序列时的脑电图（EEG），这些序列以平衡的顺序呈现。与理论预测一致，MMN的幅度在稳定环境中随时间减少，在环境规律性发生变化的不稳定环境中则增加，分别反映了高级模型的精炼和低级模型的持续构建。值得注意的是，MMN的轨迹受到先前经验的影响：当稳定序列之前出现不稳定情况时，MMN的幅度会减弱，这表明对环境不确定性的较高认知可能限制了后续感知推断的准确性。相比之下，先前的稳定性经历对不稳定环境中的学习过程没有影响，表明先前情境对感知学习的影响存在不对称性。这些发现凸显了评估MMN轨迹的理论和方法学价值，揭示了常被传统平均方法掩盖的动态学习过程。这种方法为研究临床人群中的学习机制变化提供了有前景的框架。综上所述，我们的结果强调了时间分辨率、先前经验以及环境结构在理解感知推断动态性质方面的重要性。

利益冲突

作者声明不存在利益冲突。