发现视网膜中跨时间尺度预测用的柔性编码

《Vision Research》：Discovering flexible codes for prediction across timescales in the retina

　　

视网膜必须以一种能够支持快速预测性行为的方式编码视觉信息，尽管存在显著的处理延迟。当视觉输入的时间统计特性发生偏移时，这种编码如何在不断变化的世界中自适应，仍是一个开放问题。研究人员在美西螈(axolotl)中记录了视网膜神经节细胞(RGC)种群对跨越五种不同时间相关尺度的随机移动光棒刺激的反应。利用信息瓶颈(IB)框架，并将预测视界(prediction horizon)作为从数据推断的自由参数，研究人员追问：在每种刺激条件下，视网膜最优地预测未来运动的哪个时间尺度。研究人员发现视网膜使其预测性编码适应于变化的刺激统计：随着刺激动态的时间常数增大，推断出的预测视界延长。种群转向编码更多速度信息，运动预期(motion anticipation)增强，同时保持近最优的预测效率。通过视网膜反应分布的玻尔兹曼机(Boltzmann machine)模型量化的种群惊奇(population surprise)，在推断的最优压缩下追踪刺激惊奇，从而将视网膜的反转反应(reversal response)与高效预测编码联系起来。这些结果表明视网膜种群编码灵活地将其预测时间尺度调整为输入的时序结构。更广泛地说，它们证明了IB框架可用于发现（而非仅检验）感觉种群中的计算目标。

研究背景与动机：经典高效编码(efficient coding)理论最大化刺激S与反应R之间的互信息I(R;S)=H(R)?H(R|S)，解释了视网膜神经节细胞(RGC)感受野中心 surround 结构、对比敏感度等诸方面，但不区分哪些刺激特征对驱动行为最关键。由于视杆视锥整合时间常数慢，易引入行为有害的视觉延迟，能允许系统预期未来的特征尤为关键。信息瓶颈(IB)框架以未来刺激状态S_t+Δt为相关性变量(relevance variable)，在限定关于过去信息I(R_t;S_t)下最大化I(R_t;S_t+Δt)，可自然实现延迟补偿。既往IB研究固定预测视界Δt_IB，本文将其作为自由参数从数据推断，以探究视网膜编码如何随刺激统计自适应。该研究发表于《Vision Research》。

主要关键技术方法：研究人员在美西螈离体视网膜用252通道多电极阵列记录53个RGC种群，刺激为临界阻尼随机驱动谐振子控制的白光棒（时间常数τ=25、50、100、200、400 ms，五条件各30试次×20 s，60 Hz分箱）。采用高斯IB精确解构预测IB族，以KL散度匹配推断最优Δt_IB^*与压缩水平β；互信息借变分下界由高斯过程解码器估计条件熵；种群熵由受限玻尔兹曼机(RBM)交叉熵估计；惊奇(surprise)取负对数概率，比较未压缩刺激、IB压缩刺激与RBM反应惊奇。

研究结果：

What is the appropriate relevance variable? 研究人员以临界阻尼谐振子作刺激，其马尔可夫态空间为位置x_t与速度v_t。IB解显示最优编码T=A S_t+ξ随Δt_IB从纯位置信息平滑过渡至含更多速度信息的线性组合；Δt_IB越大总可预测信息上限越低。研究人员由此将Δt_IB作自由参，推断使后验协方差KL最小的Δt_IB^*定义相关性变量S_t+ΔtIB^*。

Motion anticipation and IB 在IB下，Δt_IB增大使位置信息峰值前移即运动预期；以峰值相对零时刻偏移量度量预期量。预期来自以部分位置信息换速度信息，总位置解码性能略降而速度外推增强。

Evaluating the optimality of retinal response to stimuli with different time constants 五τ条件下，反应-刺激互信息峰值延迟一致，但位置信息峰值随τ增大前移，τ=400 ms时进入未来（预期）。τ=50 ms时噪声最小且种群相关性最强（多信息归一化最大），说明在此输入下相关性非但无害且伴随低噪声增益。将反应置于推断Δt_IB^*的IB上界旁，各条件均近上界远高下界；Δt_IB^*与Δt_IB^*/τ随τ单调增。相对于“IB discard”（删信息达同效）视网膜多留少量速度信息；相对于“IB refine”（同信息重塑达最大预测信息）视网膜接近但未全满。

Implications of efficient coding with surprise RBM估种群负对数概率（惊奇）与未压缩刺激、IB压缩刺激惊奇比，压缩刺激-反应惊奇相关显著强于未压缩者，说明高效编码下“稀有刺激→稀有压缩→稀有反应”成立；该压缩对运动反转概率信息高于非预测压缩，联结视网膜反转反应与预测编码。

讨论与结论翻译：研究人员展示三个主要结果。其一，将预测视界Δt_IB作自由参数使IB框架成为发现工具——从数据推断何种预测尺度最优描述种群，而非在单一固定尺度检验。其二，随驱动动态时间常数增大，推断预测视界Δt_IB^*并行延长，种群码在所有条件下近IB界，证明视网膜按输入时序结构调整其预测编码。其三，由玻尔兹曼机估的种群惊奇在推断IB最优压缩下追踪刺激惊奇，将该框架与视网膜反转反应及经典高效编码预言相联。重要意义在于IB可被发现性地揭示感觉种群计算目标；自适应预测编码是否具普适性需在自然刺激与多脑区推广验证。