随着神经科学和人工智能的发展，研究者们对大脑如何学习和适应环境表现出越来越浓厚的兴趣。生物神经网络中的无监督预训练成为了近年来的研究热点，尤其在理解感官皮层的神经可塑性和行为塑造方面展示出巨大潜力。无监督学习不同于传统的监督学习，它不依赖外部奖励或标签，而是通过对自然环境中连续不断的感知刺激进行内在调整，形成高效的表征系统。近期发表于《Nature》的一项由林钟、斯科特·巴普蒂斯塔及其团队完成的研究，为我们剖析了小鼠视觉系统中无监督预训练如何促进神经表征塑性以及加速任务学习过程提供了丰富的实验证据。 视觉皮层作为感知的重要中枢，承担着从复杂视觉信息中提取关键特征的功能。长期以来，研究关注于监督学习在感官适应和感知学习中的作用，认为通过奖赏反馈调整神经响应模式。
但该研究发现，当小鼠在没有任何奖励的情况下，仅仅通过反复暴露于特定视觉环境中，其视觉皮层尤其是位于中间视觉区域的神经元也出现了显著的选择性变化。这表明无监督机制本身即可驱动神经网络的重塑，强化了刺激类别的区分能力，为后续的监督学习预设基础。通过高通量双光子显微镜技术，该团队成功记录了多达九万余神经元的同步活动，这种规模的数据采集为揭示神经系统动态变化提供了前所未有的空间和时间分辨率。 研究设计采用线性虚拟现实走廊，通过在走廊内展示多样化的自然纹理刺激，例如“叶子”与“圆圈”类别，检测小鼠在任务驱动条件和非奖励暴露条件下的神经活动改变量。任务组小鼠通过数周训练学会选择性地对目标纹理产生预期性舔舐反应，而无监督组小鼠仅被暴露于相同视觉环境但未获得任何奖励。实验结果出人意料地显示，两组小鼠在视觉皮层中确认刺激类别的神经元数量和活性模式变化高度一致，尤其是在介于初级视觉皮层和高级视觉区域之间的中间视觉区域。
这种发现挑战了传统观点，指出感知学习不必完全依赖监督信息，而是借助无监督的表征优化机制完成神经表征的强化。 进一步分析揭示神经塑性遵循视觉特征的规律，而非单纯的空间位置信息。试验设计中引入了多种变异刺激，例如空间排列经过打乱的叶子纹理和未曾奖励的新叶子样本，行为数据显示小鼠依据刺激的视觉类别而非其空间位置进行识别。神经数据也验证了这一点：对于相同类别但空间位置不同的刺激，神经反应虽有交叉但呈现明显的正交化趋势，说明系统通过区分视觉统计特性而非简单空间编码，实现了对不同表征的分层管理。 对于新颖刺激的响应，初级视觉皮层及其侧向高级区域表现出对刺激新颖性的敏感，体现为对新刺激的神经响应更为活跃，随后在持续暴露后该响应逐渐减弱，显示出视觉适应现象。此外，这种新颖性相关的神经活动并非由奖励机制驱动，进一步强调了无监督过程在整合和精细化视觉信息编码中的重要性。
奖励预测信号的存在则成为区分监督与无监督机制的重要标志。研究中发现，在任务组小鼠的前部高级视觉区域出现了明显的奖励预测神经元，活动水平与奖励时机紧密相关，且能预示奖励的到达。这种信号的形成依赖于任务训练，未出现在无监督组，意味着监督学习通过引入额外的奖励反馈信号，进一步调控和提升神经表征的功能性，使得动物能更高效地完成特定任务操作。 无监督预训练的功能效应不仅仅局限于神经生理层面。行为学结果充分证明，接受过无监督预训练的小鼠在随后开展需要奖励反馈的视觉判别任务时，学习速度明显优于未预训练或单纯经历简单视觉刺激（如条纹）的小鼠。预训练经历使视觉系统以更加适应和高效的方式表征任务相关刺激类别，降低后续监督学习的认知负担。
这一现象与深度学习领域中无监督或自监督预训练方法显著提升模型训练效率和泛化能力的原理高度吻合，为生物神经网络学习机制与人工智能算法之间架设了坚实桥梁。 该研究倡导对生物学习过程的重新审视，强调无监督经验积累在塑造大脑感知功能中的核心地位。它提示我们，生物系统可能通过持续自我调整和统计学习，提取环境中无数隐含的结构与规律，从而形成精细且多维的感知空间，进而支撑更加复杂的行为决策。当环境条件注入奖励信号时，监督机制叠加其上，实现目标导向的优化和快速适应。 展望未来，该领域面临多项挑战和机遇。首先，深入揭示生物神经元及其突触层面的分子和生理机制，将帮助连接无监督预训练现象与具体生理过程，例如行为时间尺度的突触可塑性和经典Hebb学习规则。
其次，探索不同大脑区域包括海马体在感知、空间记忆及预测编码中的无监督学习模式，可拓展我们对整体脑功能架构的理解。最后，将生物脑的无监督学习机制融合现代自监督深度学习技术，将为人工智能系统的设计与改进带来突破性灵感，助力构建更接近自然认知的智能模型。 综上所述，生物神经网络中的无监督预训练不仅塑造了视觉系统对复杂自然刺激的表征，还显著促进了随后的监督任务学习。这一发现丰富了我们认知脑功能的全貌，同时为人工智能领域的算法开发提供了坚实的科学基础。随着科学技术的不断进步，未来我们有望更全面地揭开脑内无监督学习的秘密，推动神经科学与机器学习的深度融合，开创智能科学的新纪元。
