时间预测捕捉了跨动物物种的视网膜尖峰反应

《Nature Communications》：Temporal prediction captures retinal spiking responses across animal species

　　视网膜在视觉处理中的作用曾被看作两个极端：一个是高效压缩传入视觉刺激的工具，类似于相机；另一个是对未来刺激的预测器。针对这一二元对立，我们开发了一种视网膜脉冲神经网络模型，在自然电影数据上进行训练，并在类似代谢的约束条件下，分别对当前场景进行编码或对未来的场景进行预测。当模型被优化为高效的时间预测（预测约100毫秒后的未来）时，该模型不仅能够重现类视网膜的感受野及其类似马赛克式的组织方式，还表现出复杂的视网膜加工过程，包括潜伏期编码、运动预期、差异运动调谐以及刺激遗漏响应。值得注意的是，时间预测模型还准确地预测了视网膜神经节细胞在不同动物物种中对自然图像和电影的反应方式。我们的发现表明，视网膜不仅仅是一个视觉输入的压缩器，而是从根本上被组织起来，以向大脑提供关于视觉世界的前瞻信息。