大脑|不迷路的秘密，藏在脑海中的“屏幕”里( 二 )

在神经系统里，存在着维度和神经元数量相等的高维向量空间，有成百上千的维度进行着记忆的存储和分析。在记录时序信息时，子空间产生环状结构来存储信息。
不同子空间的表征共享类似的环状结构，随着次序的增加，环的半径会减小。一个可能的解释是，次序靠后的信息所分配到的注意资源更少，导致对应的环变小、区分度降低。这一结构也对应了序列记忆的行为表现，例如我们日常生活中记忆的内容越多，越往后的信息就更容易出错。
该研究第一次在群体神经元水平阐释了序列工作记忆的计算和编码原理，也为神经网络如何进行符号表征这一难题提供了新的思路。 20世纪80年代，人工智能领域就有研究者提出张量乘积这一概念来实现神经网络对符号结构的表征，但其如何在神经网络层面自然涌现这一问题一直没有被很好地解决。序列工作记忆的神经表征正好对应了将该符号表征由对应次序的子空间嵌入到高维向量空间中，同时支持下游神经网络对符号结构信息的线性读取。
【大脑|不迷路的秘密，藏在脑海中的“屏幕”里】脑科学能够将行为和神经元活动串联起来建模、解释和预测。通过对时序信息的研究，我们也能够展望神经科学对人工智能技术的启发。机器学习和神经科学的交互前行，让人看到了工业革命中机器代替手工的可能，也预示着下一场革命。 ◎吴天一采访人员王春