dACC中的正交表征几何支撑人类层级推理

《Cell Reports》：Orthogonal representational geometry in dACC underpins human hierarchical reasoning

　　

灵活的认知控制需要推断反馈的成因并作出相应调整。当任务具有层级结构，由高层规则支配低层知觉判断时，良好表现依赖于层级推理。然而人脑如何表征并整合多个任务相关变量以支持层级推理所需的计算仍不清楚。研究人员基于贝叶斯建模与循环神经网络(RNN)模拟层级推理，发现该算法及其表征在人类背侧前扣带回皮层(dorsal anterior cingulate cortex, dACC)中实现。累积误差与知觉难度在dACC中被整合以估计高层规则切换置信度。这些变量沿两条可分离维度表征，可由基函数近似。二者间的正交性支撑了适于层级推理的二维表征。更接近正交的表征几何与准确计算及更好行为表现相关。这些发现为层级推理提供了计算与神经层面的整合性解释。

研究背景与立项依据

人类具备从外部反馈推断成因并自适应调整行为策略的能力，在含层级结构的任务中（高层刺激-反应规则决定低层知觉决策），错误成因存在歧义：需层级推理判断错误来自低层知觉噪声还是高层规则变更。既往行为与神经生理学研究表明人与动物会整合近期结果历史与知觉可靠性估计来推断潜任务状态是否改变，但这些变量如何在神经活动中被格式化以保持可区分且能被组合更新规则切换信念仍不明。经典认知理论与功能磁共振成像(fMRI)提示前额叶尤其dACC追踪误差、估计不确定性与控制需求，但既有账户多描述dACC追踪哪些变量，未解释变量如何被联合表征并组合成下游计算（即置信度）。贝叶斯建模提供算法级框架，RNN建模提供实现级路径，表征几何提供桥接神经活动与计算的框架。该研究由Qi Chen等发表于《Cell Reports》，结合置信度贝叶斯模型、RNN模拟与fMRI，在行为与神经层面检验“累积误差与知觉难度在dACC沿近似正交维度表征以支撑规则切换置信度读out”的假设。

主要技术方法概览

研究招募31名东亚中国被试（排除头动后29人，16男，均龄21.6岁）完成MRI下层级推理任务；采用心理物理法校准个体知觉难度（5个反时钟判断概率对应角度差）。计算端拟合置信度贝叶斯模型(confidence-based Bayesian model, CBM)估计规则切换后验；训练单隐层32单元RNN（PyTorch）预测试次级切换概率，提取隐层激活拟合金高斯基函数并拟合参数化几何模型（轴间角θ与尺度比）经表征相似性分析(RSA)与多维缩放(MDS)量化几何；神经端采用3T Siemens Prisma fMRI，SPM12做单变量参数调制GLM与多体素模式分析(MVPA, 线性SVM)，在dACC置信相关子区构建9条件(3误差×3难度)神经RDM，同几何模型RSA拟合最佳θ与scale，并做中介与零空间分析。

研究结果

层级推理基于累积误差与知觉任务难度

旋转判断任务中，被试在推理规则任务需凭反馈推断红/蓝规则并判别光栅顺/逆时针。混合效应逻辑回归显示规则切换概率随累积误差数(β_errors=0.89, p<0.001)与难度(β_difficulty=0.46, p<0.001)正向增加，无显著交互。说明人类依结果历史与知觉难度做层级归因。

被试依贝叶斯原则更新规则切换置信度

CBM整合当前知觉预期正确率与历史结果，输出潜变量C_switch，超阈θ则切换；含风险率与坚持因子。CBM拟合优于Rescorla-Wagner、自适应学习率与Sync模型，捕捉行为数据。

RNN模拟提示层级推理的基函数表征

32单元RNN预测切换概率与人体数据吻合(R²=0.68)。隐层单元对误差级(E0/E1/E2)与难度级(D1/D2/D3)响应可拟合金高斯基函数(均值R² 0.85/0.81)。RSA拟合几何模型得轴间角98°、scale=1.0，近正交；MDS显示误差与难度沿正交维编码。随机初始化即近正交，训练增强读out利用。

反馈来源推断激活dACC与背外侧前额

推理vs指示规则任务反馈期对比，dACC(峰值t₂₈=4.56, MNI[-6 22 44])、右脑岛、右背侧前额显著更强；错误反馈对比dACC与右背侧前额仍显著，集群FWE校正。

人dACC编码累积误差与知觉难度以计算规则切换置信度

参数调制GLM显示dACC对误差正调制(峰值t₂₈=6.35)、对难度（编码1硬~3易）负调制(峰值t₂₈=-4.84，即难试更强响应)，CBM提取的切换置信度正调制dACC(峰值t₂₈=5.38)；三者峰簇在背侧dACC上部重叠，提示该区为整合枢纽。

dACC呈现类RNN表征

MVPA在置信相关dACC上部同时解码误差与难度(ROC-AUC>随机)；解码权重拟合金高斯基函数(误差R²=0.81，难度R²=0.73)，与RNN隐层一致。

正交表征几何支撑层级表征

上部dACC神经RDM拟合几何模型得θ=84°、scale=0.9，近正交；MDS可视化两维正交；与正交模板AIC差异最小(ΔAIC=0.33)。个体dACC几何越近正交，推理任务正确率越高(r=0.494, p=0.006)；零空间分析示置信信号嵌入误差-难度联合子空间而非无关维；中介分析示正交性通过提升贝叶斯切换概率重建质量间接关联行为正确率。

讨论与结论翻译

本研究推进了对层级推理计算原则与神经表征的理解。算法层，个体依贝叶斯原则更新规则切换置信度，该置信度取决于累积误差与各难度级低层知觉判断的正确率。表征层，RNN模拟与fMRI收敛于共同机制：RNN隐层单元与人dACC均依赖二维表征，误差与难度沿可基函数近似的维度编码；关键的是，两维低维正交性支撑层级表征以实现准确下游计算并预测个体表现。dACC已知监测误差与追踪行为结果，本研究将其角色扩展至层级推理，证明其与低层知觉难度整合，并依贝叶斯原则转为主观置信度以引导策略调整。基函数组合表征使贝叶斯置信计算可由线性读out近似。近正交几何提供低干扰基底，使规则切换置信度可被灵活读out，为dACC在复杂认知中的核心作用提供具体表征账户。局限在于fMRI相关设计不能确立因果，聚焦dACC不代表其孤立运作，结论源于特定知觉规则切换任务，泛化至其他层级推理域需进一步检验。