自然主义输入与网络连接性驱动的时序处理梯度涌现机制

研究人员通过操纵人工神经网络结构，探究解剖架构对人类大脑激活模式传播拓扑梯度的影响。研究发现，生物启发的"有限通道"架构在未进行任务训练时，仅通过自然叙事输入即可产生与人类大脑相似的滞后梯度，揭示进化压力可能是此类架构发展的驱动力。

　　

自然语言在多重嵌套时间尺度上展开：词汇构成句子，句子组成段落，段落构建完整叙事。与之对应，大脑展现出从低级到高级区域的层级化处理时间谱。叙事理解时，神经激活模式会沿皮层层级传递并伴随递增的时滞（temporal lags）。

为探究滞后梯度的形成机制，研究团队系统改造了循环储备池网络（recurrent reservoir network）。在生物启发的"有限通道"（Limited-Canal）构型中，词嵌入（word embeddings）仅由少量感觉神经元接收，通过局部连接逐级传递至网络远端。这种结构赋予网络固有滞后梯度，引发信息传递时的级联激活。

有趣的是，与人类大脑类似，这种固有滞后梯度会被自然叙事增强。通过调节"通道宽度"（canal width）参数改变局部连接性时，网络对叙事结构的敏感性呈现与人类大脑的镜像关系。此外，作为血氧水平依赖（BOLD）信号的计算代理，后期神经元的处理成本上升更缓慢，这解释了滞后梯度的产生。

研究证实，叙事驱动的神经动力学可仅由宏观解剖拓扑结构产生，无需任务特异性训练。人类皮层这些基础拓扑特性，可能正是为有效处理自然环境中普遍存在的层级结构而进化形成。