為什么在重慶比北京更容易迷路？Nature子刊：大腦GPS系統(tǒng)呈蜂窩狀，彎路多了就“變形”

郭一璞 十三 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI

為什么在北京、西安這種道路橫平豎直的城市，你更容易分清方向，不容易迷路？

為什么到了重慶、青島這種道路方向隨心所欲的城市，你就暈了？

好像所有人都知道，如果道路直南直北、城市方方正正，人就更有方向感，但這究竟是為什么？

現(xiàn)在科學(xué)依據(jù)來(lái)了。

來(lái)自大名鼎鼎的馬克斯·普朗克人類認(rèn)知與腦科學(xué)研究所、倫敦大學(xué)學(xué)院（UCL）等機(jī)構(gòu)科學(xué)家，最新一篇論文登上Nature子刊Human Behavior，揭開(kāi)了背后的大腦秘密：

因?yàn)槟愕哪X子里，記憶不同地標(biāo)位置的方式是一張?zhí)摂M的地圖，負(fù)責(zé)記憶這些虛擬地圖的細(xì)胞，本身排列成六邊形網(wǎng)格。

因此，當(dāng)“虛擬地圖”是四四方方的時(shí)候，六邊形網(wǎng)格細(xì)胞的記憶形變不明顯。

而如果“虛擬地圖”是七拐八拐的各種形狀，六邊形網(wǎng)格細(xì)胞的記憶形變就非常明顯了。

VR環(huán)境中位置記憶實(shí)驗(yàn)

為了證明這一點(diǎn)，研究者們跑去挪威科技大學(xué)，找了一群男男女女做實(shí)驗(yàn)。

參與者一共53人，他們的年齡都在18~30歲之間，實(shí)驗(yàn)需要讓他們帶上VR設(shè)備進(jìn)行，由于一些技術(shù)和誤差的問(wèn)題，最終的數(shù)據(jù)以其中37人為樣本。

實(shí)驗(yàn)的過(guò)程，是在這樣一個(gè)VR+運(yùn)動(dòng)平臺(tái)的組合中進(jìn)行的：

實(shí)驗(yàn)者穿著摩擦非常低的鞋套，被安全帶固定在運(yùn)動(dòng)平臺(tái)上，可以自由旋轉(zhuǎn)變換方向，這樣他們就能在VR世界中行進(jìn)了。

他們先進(jìn)入了一個(gè)新手村，新手村的形狀是虛擬的圓形環(huán)境，這里有許多樹(shù)木可以做為地標(biāo)辨別方向。

他們?cè)谶@個(gè)新手村適應(yīng)在VR運(yùn)動(dòng)平臺(tái)設(shè)備中走路和轉(zhuǎn)彎，并像玩游戲一樣在這個(gè)VR世界里通過(guò)控制器按鈕撿金幣。

在新手村適應(yīng)之后，實(shí)驗(yàn)正式開(kāi)始。

△?正方形和梯形環(huán)境

實(shí)驗(yàn)在兩種尺寸的虛擬環(huán)境中進(jìn)行，一種是36vm×76vm×8vm×76vm的梯形環(huán)境，這里的vm是“虛擬米(virtual meters)”，VR環(huán)境中特有的長(zhǎng)度計(jì)量單位，另一種是40.27vm×40.27vm的正方形環(huán)境。

兩種環(huán)境中，都有藍(lán)天和草地，為了方便定位，環(huán)境的邊界每面墻都是不同的顏色。

參與者在每種環(huán)境中分別呆20分鐘，一半的人先進(jìn)入梯形再進(jìn)入正方形，另一半的人相反。

虛擬環(huán)境中，有包括錐桶、烤吐司機(jī)在內(nèi)的各種目標(biāo)，每次他們新進(jìn)入虛擬環(huán)境的時(shí)候，環(huán)境中的這些目標(biāo)的坐標(biāo)是隨機(jī)更新的，目標(biāo)之間的最小距離是11vm，它們離邊界的最小距離是3vm，并且，每次坐標(biāo)隨機(jī)更新時(shí)，都是按照排列成兩個(gè)鈍角等腰三角形的陣列來(lái)布置的。

每次人進(jìn)去的時(shí)候，他們先從錐桶開(kāi)始，之后走到不同的目標(biāo)處，以記住不同目標(biāo)的位置。

△?這個(gè)玩意就是錐桶

之后，除了錐桶之外的其他目標(biāo)消失，參與者回到開(kāi)始的錐桶處，研究者給他們出題，隨機(jī)展示一個(gè)目標(biāo)的圖形，他們根據(jù)記憶跑到這個(gè)目標(biāo)之前的位置，如果地方對(duì)了，會(huì)收獲一個(gè)笑臉。

在參與者從虛擬世界的游戲中出來(lái)之后，研究人員讓他們分別估計(jì)自己行走的距離和對(duì)應(yīng)在電腦屏幕上的長(zhǎng)度。

越方正的VR環(huán)境，越容易記住位置

之后，通過(guò)各種數(shù)學(xué)方法統(tǒng)計(jì)出參與者們走到目標(biāo)位置的準(zhǔn)確程度，發(fā)現(xiàn)，在正方形環(huán)境中，參與者的錯(cuò)誤率是明顯低于梯形環(huán)境的。

而實(shí)驗(yàn)的分?jǐn)?shù)，正方形也是高于梯形環(huán)境的。

之后，考慮到梯形環(huán)境整體比較長(zhǎng)，因?yàn)榫嚯x遠(yuǎn)可能會(huì)讓人記不住，因此他們把梯形劃分為了左右兩個(gè)部分，左邊的寬一些，形狀更方正；右邊的窄一些，形狀更扭曲。

這下，神奇的事情出現(xiàn)了，在梯形環(huán)境里，左邊寬的部分錯(cuò)誤率明顯低于右邊窄的部分。

同樣從得分算，左邊寬的部分分?jǐn)?shù)也高于右邊窄的部分。

而在事后的距離估算環(huán)節(jié)，參與者估算距離的準(zhǔn)確程度也大同小異。

這說(shuō)明：

在越方正的地方，人類對(duì)于位置的記憶是越準(zhǔn)確的。

或者說(shuō)，一個(gè)地方越四四方方，你就越不容易迷路；而如果你個(gè)地方是歪歪扭扭的，你就容易犯路癡。

在七拐八拐的地方，網(wǎng)格細(xì)胞會(huì)扭曲

那么，為什么這樣呢？

其實(shí)，當(dāng)我們想要記住一個(gè)重要的位置或一段路徑時(shí)，我們的大腦會(huì)對(duì)周圍環(huán)境繪制一張“地圖”。

這張“地圖”中的一個(gè)重要組成部分就是網(wǎng)格細(xì)胞(grid cell)。

簡(jiǎn)單來(lái)說(shuō)，它是大腦GPS系統(tǒng)中的一部分。

當(dāng)我們?cè)诳匆粡埖貓D時(shí)，其實(shí)大腦也在看這張地圖。它會(huì)分析“有多遠(yuǎn)”、“什么方向”等等問(wèn)題，這時(shí)，起到關(guān)鍵作用的便是4個(gè)單位細(xì)胞：

定位細(xì)胞(place cell)：識(shí)別身處的位置；
網(wǎng)格細(xì)胞(grid cell)：打坐標(biāo)軸、畫網(wǎng)格；
定向細(xì)胞(head direction cell)：識(shí)別方向；
定界細(xì)胞(boundary vector cell)：了解相對(duì)距離。

有關(guān)“大腦GPS系統(tǒng)”的研究還曾獲得了2014年的諾貝爾獎(jiǎng)。

而在這個(gè)過(guò)程中，網(wǎng)格細(xì)胞起了比較重要的作用。

下圖中的灰色線代表了老鼠走過(guò)的路徑，紅色點(diǎn)表示在這個(gè)位置時(shí)，細(xì)胞屬于激活狀態(tài)。

而當(dāng)把老鼠放到更大面積區(qū)域后，結(jié)果就更明顯了。

較為亮的點(diǎn)表示細(xì)胞處于激活狀態(tài)，將這些亮點(diǎn)連起來(lái)，形成規(guī)則六邊形網(wǎng)格。

換句話說(shuō)，當(dāng)你在亂跑時(shí)，這些細(xì)胞都默默地在幫你記住坐標(biāo)。

而在這項(xiàng)的研究中發(fā)現(xiàn)，當(dāng)老鼠穿過(guò)梯形框時(shí)，這些本來(lái)較為穩(wěn)定的網(wǎng)格會(huì)變得不對(duì)稱。

相反的，在通過(guò)方形框時(shí)，網(wǎng)格是比較規(guī)則的。

在此次人類參與的實(shí)驗(yàn)中，結(jié)果是類似的：

人身處不規(guī)則環(huán)境后，回憶起位置和距離時(shí)，這些網(wǎng)格產(chǎn)生了扭曲。

而更神奇的是，即使是處于相同的方形環(huán)境，看到兩個(gè)距離相同的物體(一個(gè)是梯形，一個(gè)是方形)后，在回憶與梯形物體距離時(shí)，會(huì)產(chǎn)生一定的偏差。

△在梯形(上)和方形(下)環(huán)境下，網(wǎng)格所呈現(xiàn)的扭曲。

MPI科學(xué)家們之前的研究也表明，大腦不僅創(chuàng)造了思維地圖來(lái)找到自己的方向，而且其它的認(rèn)知過(guò)程也覆蓋在我們大腦的GPS系統(tǒng)上。

除了人類自我認(rèn)知，還有助于AI

研究諸如網(wǎng)格細(xì)胞或者大腦GPS系統(tǒng)，不僅能夠提高人類對(duì)自我的認(rèn)知。還能更好的幫助人類推進(jìn)人工智能的發(fā)展。

去年，DeepMind便利用AI模擬了大腦導(dǎo)航功能，能夠像動(dòng)物一樣“抄近路”，登上了Nature雜志，還激起了業(yè)界熱烈的討論。

DeepMind團(tuán)隊(duì)首先用深度學(xué)習(xí)算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)哺乳動(dòng)物的覓食運(yùn)動(dòng)路徑，利用線速度、角速度等信號(hào)在視覺(jué)環(huán)境中進(jìn)行定位。

研究人員隨后發(fā)現(xiàn)了一種類似于網(wǎng)格細(xì)胞活動(dòng)特征的結(jié)構(gòu)，在此前的訓(xùn)練中，他們并未刻意引導(dǎo)神經(jīng)網(wǎng)絡(luò)產(chǎn)生此種結(jié)構(gòu)。

DeepMind團(tuán)隊(duì)隨后利用強(qiáng)化學(xué)習(xí)檢驗(yàn)這種網(wǎng)格結(jié)構(gòu)是否能夠進(jìn)行矢量導(dǎo)航。

經(jīng)歷強(qiáng)化學(xué)習(xí)后，該人工智能在游戲迷宮中向目的地前進(jìn)的導(dǎo)航能力超越了一般人，達(dá)到了職業(yè)游戲玩家水平。它能像哺乳動(dòng)物一樣尋找新路線和抄近路。

DeepMind團(tuán)隊(duì)相信，類似的研究方法還可以用來(lái)探索大腦聽(tīng)覺(jué)和控制四肢的機(jī)制。在更遠(yuǎn)的將來(lái)，神經(jīng)科學(xué)家們甚至可以用人工智能代替小白鼠來(lái)做實(shí)驗(yàn)。

研究團(tuán)隊(duì)介紹

△Jacob Bellmund

Jacob Bellmund是一名認(rèn)知神經(jīng)科學(xué)家，來(lái)自德國(guó)Max Planck人類認(rèn)知和腦科學(xué)研究所，研究興趣包括空間導(dǎo)航和情景記憶。

個(gè)人主頁(yè)：
https://www.jacobbellmund.com/

△William de Cothi

William de Cothi是倫敦大學(xué)學(xué)院行為神經(jīng)科學(xué)研究所的博士生。在攻讀博士期間，他希望利用機(jī)器學(xué)習(xí)、虛擬現(xiàn)實(shí)、神經(jīng)成像和細(xì)胞外錄音等領(lǐng)域的最新進(jìn)展，研究與導(dǎo)航系統(tǒng)相關(guān)的大腦和行為。

個(gè)人主頁(yè)：
https://www.ucl.ac.uk/~ucbpwjw/

△Matthias Nau

Matthias Nau是挪威Kavli系統(tǒng)神經(jīng)科學(xué)研究所的認(rèn)知神經(jīng)學(xué)家。

個(gè)人主頁(yè)：
https://matthiasnau.com/

△Caswell Barry

Caswell Barry是UCL細(xì)胞和發(fā)育生物學(xué)首席研究員，同時(shí)也是神經(jīng)科學(xué)家。

個(gè)人主頁(yè)：
https://www.ucl.ac.uk/biosciences/people/caswell-barry

△Christian F. Doeller

Christian F. Doeller來(lái)自Max Planck人類認(rèn)知和腦科學(xué)研究所心理學(xué)系主任。

個(gè)人主頁(yè)：
https://www.mpg.de/12000399/kognitions-neurowissenschaften-doeller

傳送門

論文地址：
Deforming the metric of cognitive maps distorts memory
Jacob L. S. Bellmund, William de Cothi, Tom A. Ruiter, Matthias Nau, Caswell Barry, Christian F. Doeller
https://www.biorxiv.org/content/10.1101/391201v2.full

博客：
https://www.eurekalert.org/pub_releases/2019-11/mpif-vf111819.php