《Annals of the New York Academy of Sciences》：Maternal Gait as a Potential Scaffold for Rhythm Processing: A Predictive Processing Network Model
编辑推荐：
人类独特地感知复杂节奏中的周期性结构，并自发地随着音乐移动——这些能力在动物界中十分罕见。尽管训练和经验有助于人类的节奏感，但基本的节拍感知和随节奏移动的冲动在幼儿中甚至就已存在。然而，产前经验是否在塑造这些能力中发挥重要作用？研究人员提出，孕期母体步态可能通
人类独特地感知复杂节奏中的周期性结构，并自发地随着音乐移动——这些能力在动物界中十分罕见。尽管训练和经验有助于人类的节奏感，但基本的节拍感知和随节奏移动的冲动在幼儿中甚至就已存在。然而，产前经验是否在塑造这些能力中发挥重要作用？研究人员提出，孕期母体步态可能通过相关联的听觉-前庭输入（auditory-vestibular inputs）为节奏发展提供支架，这些输入训练预测性神经回路。研究人员实现了一个循环预测编码网络（recurrent predictive coding network），该网络具有平行的前庭和听觉感觉通路，通过赫布学习（Hebbian learning）训练以最小化预测误差。训练将离散听觉脉冲与模拟母体运动的连续三角波形配对。这些网络学会了在没有前庭输入的情况下预期周期性的听觉脉冲。连续前庭输入极大地促进了网络中适当共振（resonance）的学习，而时间上协调的听觉输入对于赋予听觉通道访问该共振以进行听觉预测是必要的。听觉预期伴随着前庭预测，根据主动推理（active inference）原则，这些预测预期会产生自发的周期性运动。这项工作展示了发育过程中简单的感觉关联如何产生复杂的音乐行为。
人类在动物界中表现出独特的节奏感知能力，能够在复杂节奏中提取周期性结构，并自发地随音乐同步移动，而即使是最接近人类的灵长类动物也需要大量训练才能实现类似行为。尽管后天训练和文化经验对节奏能力有塑造作用，但基本节拍感知和随节奏移动的冲动在婴儿早期即已存在，这提示产前经验可能具有奠基性功能。然而，产前经验如何促进节奏感知的发展，以及人为何会自发地随节奏移动，这两个问题在既有进化理论和计算模型中尚未得到统一解答。双足假说虽提出直立行走产生的规律性感觉输入为节奏感知提供了进化压力，但无法解释个体在行走前的发育机制；传统节奏加工模型又仅聚焦听觉通道，忽略了前庭-听觉多感觉整合的重要作用。菲利普斯-西尔弗和特雷纳的实验表明，婴儿被按不同节拍弹跳时会改变对同一听觉模式的节拍编码，这证明前庭信息深刻塑造节奏感知，但缺乏相应的计算机制说明。
为弥合这一鸿沟，研究人员构建了一个基于预测加工（predictive processing）框架的循环预测编码网络，模拟胎儿在母体中接受母体步态所伴随的听觉与前庭感觉输入。该网络通过赫布学习最小化预测误差，在训练中将离散听觉脉冲与连续三角前庭波形配对，以复现母体行走时脚步撞击和身体垂直运动的相关感觉特征。研究结果显示，训练后的网络在仅给予听觉输入时，能够自发产生与前庭波形一致的运动预测，这种预测在主动推理（active inference）框架下即构成运动命令，从而解释了听到节奏即产生移动冲动的神经机制。更重要的是，控制实验揭示：连续前庭输入是高效学习节奏结构的必要条件，它跨越了离散听觉事件之间的时间空隙，从而缓解了时间信用分配问题；而听觉输入的时间结构则决定了听觉通道能否接入已学习的共振动态，建立跨模态关联。该模型为母体步态作为节奏发展支架的假说提供了计算层面的支持，并整合了进化、发育与计算视角，为人类独有的随乐同步行为提出统一解释。
在技术方法上，研究人员采用了一个单层循环预测编码网络，每个隐状态配对一个显式预测误差单元，通过精确度（precision）加权的预测误差驱动状态更新和突触可塑性。网络接受两个感觉通道输入：以一个时间步的离散脉冲模拟脚步听觉信号，以周期为10个时间步的对称三角波形模拟前庭垂直运动信号，一个时间步对应约50毫秒（依据每分钟120步的步态节律）。训练中起始相位随机化，所有权重以小随机值初始化，并使用Optuna对学习率、单元数等超参数进行独立优化。测试时通过将前庭精确度设为零实现仅听觉条件，以评估跨模态预测。控制实验包括将三角波替换为与听觉相同的脉冲序列（脉冲训练），以及将规律听觉脉冲替换为随机伯努利脉冲（随机听觉训练），并对听觉包络衰减常数进行参数扫描。
研究结果分五个方面。4.1 多感觉训练实现稳健节奏学习：在标准相关训练后，当同时呈现听觉和前庭输入时，网络的前庭预测能准确跟踪实际波形，听觉预测在脉冲前上升并在脉冲后回落，表明网络内建了事件时序预期。4.2 训练网络预测并响应仅听觉输入：在仅听觉输入且前庭精确度为零的条件下，网络自发产生与训练波形一致的三角波形前庭预测；听觉预测呈现特征性双峰结构，而当周期性听觉输入被中止后，网络仍能维持相位连续的平滑预测，证明其真正内化了周期结构，对应人类的延续敲击范式。4.3 连续前庭信号极大促进节奏学习：用脉冲替代连续三角波训练时，相同训练步数下网络完全未学习；延长至十倍训练步数后仅出现微弱信号，远弱于标准条件在十分之一训练量下的表现，说明连续前庭信号通过桥接时间空隙将困难的离散时间学习转化为可解的连续预测任务。4.4 时间结构化听觉输入对跨模态关联必要：当规律听觉脉冲被随机脉冲替代时，网络虽能从连续前庭波形学会振荡，但听觉通道无法接入该共振，仅听觉测试中前庭预测相位错乱且听觉预测平坦，即使十倍训练量仍无法建立稳定的跨模态关联，表明听觉-前庭时间相关性是将听觉通路连接到已学习共振的关键。4.5 延长听觉包络不消除前庭优势：将听觉脉冲替换为不同指数衰减常数（0至1.5个刺激周期）的包络后，在直至一个周期的所有衰减常数下，连续前庭输入训练均比脉冲对照产生更低的听觉预测误差；在最接近生理估计的衰减常数（约50毫秒）下，前庭训练网络的预测在脚步到来前上升并恰好于脚步时达到峰值，而对照网络则在一步之后才达到峰值，证明连续前庭输入带来的优势并非由脉冲表征的假象造成。
讨论部分总结指出，前庭输入是学习周期结构的主要驱动力，而相关联的听觉输入负责将听觉通道接入该动态，二者分工互补。该模型为前庭-听觉整合在节奏感知中的核心作用提供了计算解释，与菲利普斯-西尔弗的实验发现一致，并预测母体卧床休息可能导致婴儿自发随音乐移动减少。讨论同时承认模型局限：并未否定固有振荡回路或后天社会学习的作用，而是提出母体步态作为一种初始支架，与内在神经振荡和后天文化经验共同塑造节奏能力。未来方向包括引入分层架构以实现多节奏灵活性和复杂节奏处理，并探讨前庭锚点对韵律解析的促进作用。该工作为发展性协调障碍及节奏干预提供了潜在思路，也解释了为何达尔克罗兹体态律动等结合全身运动的音乐教育法特别有效。研究结论翻译如下：通过实现一个从自然多感觉经验中学习的极小预测编码回路，研究人员展示了人类音乐性的两个令人困惑的方面——在时间上不连续的听觉模式中发现结构的能力，以及随之自发移动的冲动——可能从相同的计算原则中产生。该模型表明，既不需要复杂的神经机制，也不需要明确的教导信号；相反，仅相关的听觉-前庭经验，如母体步态所提供的，就能同时产生节奏感知和节奏运动。这项工作连接了进化、发展和计算视角，提供了一个统一的解释，说明为什么我们人类在灵长类动物中唯独无法抑制地随节拍移动。
