6.1 感知系统建模

6.1 感知系统建模

感知建模面对的核心事实是：世界只有一份，大脑却为它建了好几套不同精度的副本——视网膜上的光强图、初级视皮层的朝向与空间频率图、颞叶的物体身份。本节沿视觉通路走一遍这条"表示的升级链"，看每一级的计算内容是什么，最后用预测编码把整条链重新表述一遍：层级不只是提特征，更是在预测下一级。

概念锚点：层级即加工深度

视觉通路的主干是一条清晰的层级链：视网膜（约一亿光感受器压缩到约百万节细胞输出）→ 外侧膝状体 → 初级视皮层 V1 → V2/V4 → 下颞叶 IT。每上一级，感受野变大、偏好特征变抽象：

• 视网膜做的是极限压缩与预处理：中心-周边拮抗感受野（93 万节细胞对约 1.26 亿光感受器，压缩比超百倍），强调局部对比而压制均匀照明；
• V1 的简单细胞偏好特定朝向与空间频率（Gabor 型感受野），复杂细胞对位置不敏感——第一批"边缘与条纹检测器"；
• V4 偏好中等复杂度的形状特征；IT 的细胞对物体甚至面孔产生选择性（面孔区的细胞常对数百个身份各有调谐）。

这条链的计算逻辑可以概括为两级跃迁：线性滤波（视网膜、V1 简单细胞——感受野就是滤波核）+ 非线性汇聚（复杂细胞以上——对位置、尺度的容忍来自池化）。卷积神经网络的"卷积+池化"结构正是这条链的工程投影——这也是层级感知模型与深度学习共享数学词汇的原因。

图：视觉层级——感受野的升级链

预测编码：把层级倒过来读

纯前馈层级有个尴尬的事实：皮层内部连接里反馈纤维的数量与前馈相当甚至更多，层级图却没给它们安排工作。预测编码（predictive coding）框架给反馈派了差事：每一级维护一个对下一级活动的预测，把"实际输入减预测"的误差信号沿前馈通路上传，把预测沿反馈通路下发。各层做的事变成：用尽量少的误差信号解释当前输入。

这个框架的三笔收益。解释经济性：自然影像高度冗余，预测掉了的部分不必传输——误差通道天然是稀疏码，与第 4 章的高效编码原则无缝衔接。解释反馈通路：预测下发有了生理载体（皮层深层的下行纤维），层级图从"前馈流水线"升级为"双向预测回路"。解释注意与先验：注意被形式化为"上调某通道误差信号的增益"（第 5.3 节的振荡相位在此入场——高兴奋性相位即增益窗口），而先验就是历史经验沉淀下来的预测模型——6.3 节的记忆在此回声。

实证支持也已到位：V1 对期望刺激的响应被系统性压制（重复抑制）， surprise（预测误差）诱发更强的响应与更大的伽马——误差通道的签名清晰可测。

概念代码：一层最小预测编码器

import numpy as np

# 单层预测编码：权重 w 学习"预测输入"，误差 e = 输入 - 预测
rng = np.random.default_rng(1)
data = rng.laplace(size=(4000, 8))       # 自然影像的稀疏重尾统计近似
w = rng.normal(scale=0.1, size=8)
lr = 0.02
for x in data:                            # 在线学习：最小化误差平方
    e = x - w*np.dot(w, x)                # 误差 = 输入 − 投影重建
    w += lr*e*np.dot(w, x)                # 误差驱动更新（与 Hebb 律同源）
    w /= np.linalg.norm(w)                # 归一化防发散（第3章的补丁）
print("学到的滤波器:", np.round(w, 2))
# 用边缘统计的数据跑：w 会收敛到稀疏方向——预测编码自动发现数据的低维结构
​

把数据分布换成高斯再跑：收敛结果退化为均匀方向——预测编码"学到什么"完全由环境统计决定。这一行为正是"感受野匹配自然统计"（4.1 节结尾）的最小演示。

何时层级模型不够

层级模型的三块盲区需要点名。一是注意与任务：同一个 V4 神经元在动物注意不同位置时响应可差数倍，纯表示链没有这个自由度。二是往返时间：感知不是单次前馈——3C 至 5C 的反馈重入在 150 ms 内完成多圈，识别是"回路收敛"而非"信号到站"。三是跨模态整合：视听冲突实验（如麦格克效应）显示高级表示会改写低级读数——信息不只在上行。三块盲区的共同解法是把层级嵌进循环动力学：反馈即预测、增益即注意、多轮即整合。这也再次呼应全册主线——功能产生于动力学组织，而非某个"感官认知模块"。

⚠️ 常见坑：把 IT 的"面孔细胞"读成"祖母细胞"（一个细胞认一个人）。实测是一群细胞稀疏分布式地表示身份（4.1 的群体码），单细胞选择性是群体表示的投影，不是编址单位。

💡 关键直觉：感知建模的全部进展可以压缩成一句话——从"大脑在提特征"走到"大脑在预测世界，只上报意外"。

本节要点回顾

• 要点一：视觉层级 = 线性滤波加非线性汇聚，感受野逐级变大变抽象。
• 要点二：视网膜的拮抗与百倍压缩是高效编码的第一现场。
• 要点三：预测编码把反馈通路用起来：误差上行、预测下行、稀疏即高效。
• 要点四：注意与先验在预测编码里有明确位置：增益上调与历史沉淀。
• 要点五：纯前馈模型的三块盲区——注意、重入、跨模态——都由循环动力学补齐。

世界被表示了。下一节看大脑如何拿着这份表示做选择：证据如何积累成决定，动作如何被选出来。

案例：盲视觉与预测编码的两条通路

预测编码框架有一个出人意料的临床应用现场。盲视（blindsight）病人：初级视皮层 V1 受损，主观报告"看不见"视野缺损区，但被迫选择时对该区物体的位置与朝向判断显著高于随机——说明视网膜到高级区的通路并未全断，只是那条通路上的信息不再到达"意识层"。预测编码给出的解读：意识相关的是层级间预测误差的整合广播，V1 损坏后误差信号无法上传，高级区只剩"猜"（先验）而没有"校"（误差），于是有行为读出而无知觉报告。这个案例把 6.1 的两个概念（层级表示、误差通道）一次性接到意识科学的门口，也示范了系统级建模的标准姿势：临床现象先于理论预言存在，模型负责解释"为什么恰好是这样分裂"。

问题：深度网络与视觉皮层到底像不像？

分层看答案不同。表示层相似：训练好的卷积网络中间层特征与 V1 至 IT 各级感受野的对应关系可量化（表示相似性分析），这是层级假说的强支持。机制层分歧：皮层有强反馈、脉冲通信、能量预算与发育可塑性，网络里这些几乎缺席或被简化；网络用梯度下降学习，皮层没有全局误差反传的解剖证据，更可能靠局部学习律与预测误差传播。务实的结论：深度网络是"行为层替代品 + 表示层对照组"，把它当机制模型用就会在反馈与学习问题上翻车。