玻尔百科人脑是一个由数百亿神经元组成的复杂网络，它使用一种被称为脉冲或动作电位的简短电信号作为通用语言进行交流。但是，这种看似简单的二进制词汇是如何产生丰富多彩的人类体验——从对颜色的感知到思想的复杂性？这正是神经编码研究要解决的核心问题。该领域致力于破解大脑的密码，试图理解将外部刺激和内部状态映射到神经活动模式的规则和原理。本文旨在搭建一座桥梁，连接神经元的窃窃私语与心智的宏伟交响。
本文的探索分为两个主要部分。首先，在“原理与机制”部分，我们将深入探讨神经编码的基本概念。我们将审视速率编码与时间编码的重大争论，介绍用于量化和检验这些编码的强大信息论数学工具，并探索神经元群体如何协同工作以惊人的精度表征信息。随后，“应用与跨学科联系”部分将展示这些原理的实际应用。我们将看到神经编码如何构建我们的感觉现实，如何支撑我们记忆与价值的内心世界，如何调控思维的机制，并如何启发直接与大脑交互的新一代技术。
想象一下，你正试图理解一种完全陌生的外星语言。起初，它只是一串声音。但很快，你可能会开始注意到一些模式。也许某种语调意味着紧急，或者一串特定的咔嗒声和口哨声总是在某个特定动作之前出现。你实际上是在试图破解一种编码。这正是神经科学家面临的挑战。大脑及其千亿个神经元在持续不断地“交谈”。每个神经元都用一种称为脉冲或动作电位的简短电信号语言“说话”。这种看似简单的、断断续续的词汇是如何产生我们思想、知觉和行动的交响乐般的丰富性呢？答案就在于神经编码的原理。
让我们从最基本的问题开始：神经元脉冲的哪个方面是“信息”？几十年来，一场重大的争论围绕着两个对立的观点展开：速率编码和时间编码。
速率编码的观点非常简单直观。它主张信息被编码在脉冲的频率中。一个对强光做出反应的神经元可能会发出一连串快速的脉冲，而昏暗的光线只引发几个稀疏的脉冲。信息就是速率，相当于神经世界里的大喊与耳语。在这种观点下，短时间窗口内每个脉冲的精确时间在很大程度上是无关紧要的，就像重新排列一轮掌声中每一次拍手的时间并不会改变其整体强度一样。重要的是在持续时间为 的给定时间窗口内的脉冲总数 。下游神经元可以通过拥有较长的记忆或时间常数来“读取”这种编码；其膜电位会有效地对传入的脉冲进行平均，产生一个随输入速率升降的平滑电压。这使得充满噪声的、离散的脉冲世界能够被转换成更连续的计算语言。
但如果这太简单了呢？如果大脑更像一位技艺高超的打击乐手，而不仅仅是一个简单的噪声发生器呢？这就是时间编码的核心。该假说认为，每个脉冲的精确时间是信息的关键部分。信息不仅在于有多少脉冲到达，还在于它们何时到达。脉冲之间的静默间隙——脉冲间期——以及来自不同神经元的脉冲同步到达，可以构成一种复杂的、结构化的编码。想想摩尔斯电码：“点”和“划”由相同的基本信号构成，但它们的持续时间和它们之间的停顿承载了所有信息。在时间编码中，即使是脉冲到达时间的微小变化——一个微小的时间抖动——也可能从根本上改变信息的含义。这样的编码需要一种不同类型的“听众”：不是一个缓慢的平均器，而是一个快速的重合检测器，即一个只有在完全相同的时刻接收到输入时才会发放脉冲的神经元。
现在我们有了两个引人注目的理论。作为科学家，我们如何在它们之间做出选择？我们需要一种更强大、更客观的语言，一种量化脉冲序列在“说”什么的方法。这正是信息论的强大工具发挥作用的地方。
信息的核心是减少不确定性。在神经元发放脉冲之前，你对刺激是不确定的。观察到它的反应之后，你（希望）变得不那么不确定了。互信息，记作 ，衡量的正是这一点：神经反应 携带的关于刺激 的信息量（通常以比特为单位）。这是一个非常通用且独立于解码器的度量；它告诉我们编码中可用的总信息量，而不管下游的某个神经元可能会如何（或不会）使用它。
有了这个工具，我们就可以对我们的编码理论进行严格的检验。一个编码是纯粹的速率编码，当且仅当脉冲计数包含了所有信息。用信息论的语言来说，这意味着刺激与完整的、精确定时的脉冲序列之间的互信息，完全等于刺激与仅脉冲计数之间的互信息：。时间没有增加任何额外信息。脉冲计数是刺激的充分统计量。
这带来了一个绝妙的实验检验方法：如果我们故意扰乱时间会发生什么？想象一下，我们记录一个脉冲序列，然后在一个小时间窗口内随机打乱脉冲的顺序，同时保持总数不变。如果编码确实是速率编码，这应该不重要；信息就是计数，而我们没有改变它。信息将被保留。但如果编码是时间编码，我们就刚刚打乱了信息。信息内容将会下降。因此，如果我们发现 ，我们就找到了时间编码的证据——精确的时间是重要的。
“精确时间”的想法很诱人，但我们必须始终将我们的理论根植于大脑的物理现实中。神经元不是完美的数字时钟；它们是充满噪声的生物机器。这个现实对任何神经编码的性质施加了根本性的限制。
首先，神经元是有噪声的。脉冲生成的时间存在固有的随机性，即脉冲时间抖动（标准差为 ）。如果神经元自身发放时间的变化范围是1毫秒，那么讨论一个精度为0.1毫秒的编码就没有什么意义。这意味着我们的分析应该与硬件相匹配。如果我们以远小于抖动尺度（）的分辨率 来分析编码，我们主要是在测量噪声，并且在找到的关于刺激的信息上会看到递减的回报。
其次，神经元有不应期（），即在发放脉冲后的一小段时间内无法再次发放。这为发放速率设定了硬性的速度限制。如果我们的分析窗口 小于这个不应期，我们知道我们最多只能在其中找到一个脉冲，这简化了我们的分析，但本身并不能告诉我们编码的时间结构。
最后，世界本身有一个有限的节奏。刺激的“带宽”（）描述了其变化的最高频率。工程学中著名的奈奎斯特-香农采样定理告诉我们，要捕获带宽为 的信号，你必须以至少 的速率进行采样。对于神经编码来说，这意味着我们的时间分辨率 必须足够快以跟上刺激，否则我们就有可能“混叠”——完全误解信号。这些生物物理约束共同塑造了神经元的信息承载能力，定义了任何编码都必须在其中运作的边界。
到目前为止，我们讨论的都是单个神经元。但大脑的力量来自于合唱，而非独奏。信息分布在广阔的群体编码中，成千上万甚至数百万的神经元协同工作。
一个很好的例子来自控制我们运动的运动皮层。那里的每个神经元都可以被认为有一个“偏好”的运动方向。当你打算将手臂朝那个方向移动时，它的发放率最高，而对于其他方向，发放率则平滑下降，通常遵循一个简单的余弦调谐曲线：。没有哪个单个神经元能提供很多信息；知道它的速率只能让你对意图方向有一个模糊的概念。但是通过听取整个群体，大脑（或脑机接口）能够以惊人的精度确定意图方向。
我们如何量化这种群体优势？这里我们介绍信息论的另一个关键概念：费雪信息 (FI)。互信息给出了编码能力的全局度量，而费雪信息 则提供了一个局部度量。它问的是：对于一个特定的刺激 ，神经反应有多敏感？如果 的微小变化导致脉冲模式发生大的、可靠的变化，那么费雪信息就很高。它量化了从神经反应中估计刺激所能达到的最佳精度，这个极限被称为克拉默-拉奥下界，它指出任何估计器的误差至少为 [@problem_id:5002190, @problem_id:4163200]。
这里就蕴含着一条深刻的群体编码定律。对于一个由 个独立神经元组成的群体，总费雪信息就是它们各自贡献的总和：。这意味着最佳可能估计误差随着神经元数量的平方根（）而减小。将神经元数量加倍并不会使精度加倍，但它会稳步可靠地提高精度。这就是大脑高精度背后简单而优雅的统计魔法。
大脑不是一台拥有无限资源的超级计算机。它以相当于一个20瓦灯泡的功率运行，必须做到极致高效。这表明它的编码进化得不仅信息丰富，而且经济。
一个思考这个问题的强大框架是率失真理论。想象一下通过慢速网络连接发送一张高分辨率照片。你可能会将其压缩成一个JPEG文件。JPEG算法巧妙地丢弃了人眼不太敏感的信息，以微小且通常难以察觉的质量损失（失真）为代价，实现了文件大小的大幅缩减。率失真理论将这种权衡形式化。率失真函数 告诉我们，以不差于 的平均失真来表示一个信号所需的绝对最小信息率（）。这提供了一个基本的性能曲线。大脑很可能就在这样的曲线上运行，优化地权衡表征准确性与代谢成本，不是完美地编码世界，而是以恰好足够生存的方式编码。
另一个效率原则体现在压缩感知中。这个来自现代信号处理的理论揭示了一件令人惊奇的事情：如果一个信号已知是稀疏的（意味着它的大部分分量为零），那么它可以从数量惊人的少量测量中完美重建——远少于传统理论所建议的数量。许多神经编码被认为是稀疏的；对于任何给定的刺激，只有一小部分神经元被强烈激活。压缩感知提出了一种激进的可能性：一小群“读出”神经元（ 个）可以准确地解码一个大得多的神经元群体（ 个）的状态，前提是它们的突触连接足够随机。这为大脑如何有效地访问和传输稀疏信息，而无需监听每一个神经元提供了一种候选机制。
在这次旅程中，我们探索了不同种类的编码和分析它们的数学工具。但是，退后一步问一问我们这项研究的宏大结构是什么，是很有帮助的。伟大的神经科学家 David Marr 提出，我们必须在三个不同的分析层面上理解任何信息处理系统，比如大脑。
一个关键的洞见是多重可实现性：同一个算法可以在不同的硬件上实现。例如，一个简单的函数可以由一个抽象的速率编码网络实现，但它的平均行为也可以由一个更复杂的、生物物理上更详细的脉冲神经元网络实现。算法是相同的，但实现是不同的。
这个框架澄清了我们自己的科学任务。当我们建立大脑模型时，我们可以采取两种互补的方法，这两种方法反映了阅读和书写一种语言之间的区别。我们可以建立编码模型，试图从刺激预测大脑活动。这就像试图发现将思想转化为句子的语法规则。或者，我们可以建立解码模型，试图从大脑活动中读出刺激。这就像试图将句子翻译回原始思想。这些模型的成功，以其预测新的、未见过的数据的能力来判断，是我们理解的最终仲裁者。每一个成功的预测都标志着我们已经一点一点地开始破解大脑的密码。
大脑说着一种单一的、通用的语言。从蜜蜂的蜇痛到初吻的记忆，从日落的鲜红到正义的抽象概念，所有这一切都以同一种基本货币来表征：神经元发放的错综复杂的、随时间变化的电脉冲模式。这种神经编码是我们之所以成为我们自己的基石。但是，这种看似简单的、由脉冲和静默组成的语言，是如何产生我们世界的丰富性、我们的思想，乃至我们的意识本身的呢？
神经编码的真正美妙之处，不仅在于其基本原理，更在于其在生物科学及更广阔领域中令人惊叹的应用范围。在探索了基本机制之后，我们现在踏上一段旅程，去看看这种编码在实践中的应用。我们将看到它如何构建我们对现实的感知，如何构建我们思想和价值的内心世界，如何被用于技术，以及它最终是如何受到信息本身深刻规律的支配。
我们对世界的感知不是一张被动的照片；它是由我们的感觉神经元演奏的一场活跃的、持续进行的交响乐。大脑并非“看到”光或“听到”声音；它解读的是来自眼睛和耳朵的脉冲模式所讲述的故事。有时，通过理解编码，我们就能明白这个故事是如何被扭曲的。
思考一个你可以对自己玩的奇妙把戏：“羊皮纸皮肤”错觉。如果你用力搓手一分钟，然后触摸一张光滑的纸，它会感觉异常粗糙，就像古老的羊皮纸。发生了什么？剧烈的摩擦暂时耗尽了或适应了一类特定的触觉感受器——那些专门检测精细振动和纹理的快速适应型感受器。当你随后触摸纸张时，这些疲劳的“报告者”异常安静。因此，发送到你大脑的神经信息主要由另一类感受器主导，即那些传递持续压力信号的慢速适应型感受器。你的大脑习惯于来自这两个通道的特定信号比例来表示“光滑”，现在却收到了一个扭曲的信息。它将这种新的、不平衡的活动比例解读为粗糙表面的标志，因此你感知到的就是粗糙的表面。这个简单的错觉深刻地证明了我们的现实是一种重建，是基于它接收到的神经编码做出的最佳猜测。
在视觉中，故事变得更加错综复杂。从落在我们视网膜上的两个短暂、扁平且常常模糊的图像中创造一个稳定、三维的世界，是一个计算上的奇迹。这个奇迹的一部分涉及解读深度运动——知道一个物体是正在接近还是后退。你的大脑通过比较来自每只眼睛的运动信号来实现这一点。对于一个正在接近的物体，它的图像在两个视网膜上都从中心向外移动。一个专门的大脑区域，中颞区（MT），包含了作为精巧比较器的神经元。这些神经元被调整为接收来自双眼的、指示相反运动方向的信号。但为了准确地进行这种比较，信号必须同时到达。大自然的解决方案很优雅：这个计算主要依赖于大细胞通路，这是一条神经高速公路，其传输延迟（）比更慢的小细胞通路（）要短。这种速度确保了来自双眼的速度信息（ 和 ）能以最小的时间错位汇集在一起，使得MT神经元能够可靠地计算视差随时间的变化（），并发出“物体正在接近！”的信号。看见三维世界的编码不仅在于哪些神经元发放脉冲，还在于它们之间精确的、高速的协作。
大脑不仅仅表征外部世界；它还构建了一个关于外部世界的内部模型，其中包含了我们自身在其中的位置以及我们赋予其中事物的价值。神经编码是这个内部宇宙的关键。
现代神经科学最惊人的发现之一是大脑自己的“GPS”。在大脑一个叫做内侧内嗅皮层的区域，科学家们发现了非凡的“网格细胞”。这些神经元不仅仅在动物处于特定位置时发放脉冲；它们在多个位置发放，而这些位置构成了一个横跨环境的、令人惊叹的规则六边形网格。这是如何做到的？这些细胞是连续吸引子神经网络的一部分，这是一种特殊类型的回路，可以维持一个代表动物当前位置 的活动“凸起”。当动物以给定速度 移动时，这个内部表征通过对速度信号进行时间积分来完美更新：。网格状的发放模式是神经元执行这种复杂矢量微积分的宏观表现。这里的编码不是针对直接的感觉输入，而是针对一个抽象的、认知的变量——动物在其世界内部地图中推断出的自身位置。
正如大脑追踪我们在世界中的位置一样，它也追踪世界中事物的价值。你可能认为一个喜欢苹果汁味道的神经元会与其接收到的量成比例地发放脉冲。但事实证明，大脑是一位精明的经济学家。眶额皮层（OFC）的神经元不是以绝对的方式编码价值，而是相对于期望来编码。这就是参照依赖性的原则。想象一个神经元收到了14个单位的奖励。如果最近的奖励都很低（比如在4到14之间），那么14是一个极好的结果，神经元会剧烈发放。但如果最近的奖励都很高（比如在14到24之间），那么完全相同的14个单位的奖励就是一个失望，神经元发放微弱。神经元的编码 不仅仅是价值 的函数；它是价值相对于一个适应了的近期奖励基线 的函数，通常建模为 。这种自适应编码使大脑能够利用动态范围有限的神经元高效地表征各种各样的结果，确保无论在何种情境下，它都对价值的变化保持敏感。
除了感知和内部模型，神经编码本身就是思维的构成要素。当你在脑海中记住一个电话号码，在嘈杂的房间里专注于一段对话，或经历一个意识顿悟的时刻，这一切都是通过神经活动模式的动态舞蹈发生的。
当创造一个思想的刺激早已消失时，这个思想是如何持续存在的？这是工作记忆的奥秘。几十年来，主流理论认为信息是由“持续性活动”来维持的——前额叶皮层（PFC）中的一部分神经元在整个记忆延迟期间持续发放脉冲。但我们如何能确定呢？现代神经科学用一系列复杂的工具来解决这个问题。为了测试一个活动模式是否真的是一个稳定的记忆编码，我们可以看一个被训练用于在某一时间点（）从神经活动中解码记忆的计算机算法，是否仍然能用稍后时间点（）的活动成功解码。如果这种“跨时间泛化”是成功的，那就意味着编码是稳定的。我们还可以测试它对干扰物的鲁棒性，或者检查编码是否表征记忆本身，而与报告它的运动计划无关。这些实验帮助我们区分真正的持续性活动与其他可能性，比如一个只编码流逝时间的斜坡信号，或者一个依赖于周期性刷新的复述式编码。这就是科学过程在行动，剖析一个“思想”的本质。
通常，我们的思想不是孤立存在的，而是存在于一个充满竞争信息的繁忙世界中。注意力是选择哪些信息得到处理的机制。这不仅仅是“调大”某些神经元音量的问题。一个关键理论，“通过相干性进行通信”，提出注意力是通过同步相关神经群体的振荡来工作的。当你注意到一个特定的特征，比如一朵花的颜色，处理该颜色的不同脑区的神经元开始以同步的节律发放脉冲，尤其是在快速的伽马波段（– Hz）。这种节律性对齐确保了它们的信息在下游目标高度兴奋的时刻到达，从而有效地打开了一个通信通道。同时，为了抑制干扰物——比如附近一只飞舞的蝴蝶——大脑可以采用另一种节律。编码蝴蝶的神经群体可能会受到一个强大的、缓慢的阿尔法波段节律（– Hz）的影响，这提供了脉冲式的抑制，有效地关闭了它们的通信通道。因此，注意力的神经编码是节律的美妙相互作用——一种对信息的和谐选择。
这段进入思维机制的旅程将我们引向最终的问题：意识本身的神经编码是什么？虽然答案远未完整，但像全局神经工作空间（GNW）模型这样有影响力的理论提供了一个可检验的假说。GNW提出，虽然无意识信息在短暂、快速演变的活动波中被处理，但当一个刺激的表征“点燃”并在一个广泛的额顶叶脑区网络中被持续广播时，它就变得有意识了。这预测了神经编码的明确差异：无意识刺激应该产生一个时刻变化的编码，而有意识刺激应该产生一个随时间稳定和持续的编码。使用时间泛化解码，我们可以检验这一点。对于一个有意识的知觉，我们期望在一个时间点训练的解码器能很好地泛化到其他时间点，揭示一个稳定的编码。对于一个无意识的知觉，我们期望解码仅限于那个稍纵即逝的瞬间，揭示一个短暂的编码。神经编码的原理正在为探索心智最深奥的秘密提供第一个严谨的、经验性的抓手。
理解大脑的语言不仅仅是一项学术活动；它使我们能够自己说那种语言。这开启了神经科学与技术之间的双向通道，我们构建工具来理解大脑，并利用我们对大脑的理解来构建更好的工具。
最直接的应用是脑机接口（BCI）。通过在大脑上植入电极阵列（如ECoG阵列），我们可以“窃听”神经编码。在生物学与工程学的非凡融合中，一个BCI可能首先使用深度神经网络，如CNN，从复杂的大脑活动频谱图中提取关键特征。然后，为了与高能效的神经形态硬件接口，这些特征必须被翻译回大脑的母语——脉冲语言。这需要一个精心设计的编码器。工程师必须决定如何表示一个特征值——也许是使用一个神经元群体，其中更高的值意味着更高的发放率。这种设计涉及关键的权衡。使用更多的神经元（）可以提高编码的信噪比（SNR），但它也增加了代谢和计算成本，这可能违反神经形态芯片严格的“脉冲预算”。找到最优设计需要对群体编码原理和脉冲系统中的噪声有深入的理解。
协同作用也向另一个方向流动。大脑活动的巨大复杂性，涉及数十亿神经元，对数据分析来说是一个巨大的挑战。我们如何能在这股数据洪流中找到有意义的结构——即编码？在这里，我们借鉴了人工智能前沿的工具，例如变分自编码器（VAE）。VAE可以学习将高维神经活动压缩到一个捕捉了基本特征的低维“潜在空间”中。通过仔细选择这个潜在空间的属性——例如，通过定义其“先验”——我们可以对模型施加不同的归纳偏见。一个简单的高斯先验，，会促使模型找到一个单一的、连续的表征。一个更复杂的多模态先验，如VampPrior，可以帮助模型发现不同的、聚类的活动状态，例如对应于不同行为的状态。一个更强大的自回归先验可以学习捕捉神经流形的错综复杂的、弯曲的和相关的结构。在这个美妙的递归中，我们正在构建人工神经网络来帮助我们逆向工程生物神经网络的编码。
通过这段旅程，我们看到了种类繁多、复杂性惊人的神经编码。然而，在这之下，隐藏着一个来自信息论领域的简单、优雅且不可违背的定律。想象一下整个感知和认知过程是一个事件链：捕食者的位置（）产生声波（），声波又产生神经表征（）。这就形成了一个马尔可夫链，。数据处理不等式指出，在这样的链中，关于原始来源的信息在每一步都只能减少。也就是说，。
大脑中的神经表征（）所包含的关于捕食者位置（）的信息，永远不可能多于感觉信号（）本身所包含的信息。神经处理无法凭空创造信息。从耳朵到皮层的最深处，每一步都涉及过滤、转换，以及不可避免的某些信息丢失。
这不是系统的缺陷；这是它最基本的设计原则。大脑的天才之处不在于保存来自感官世界的每一个数据比特，而在于其对信息的精湛、战略性的丢弃。它抛弃无关紧要的，以提炼出至关重要的。神经编码的全部艺术——自适应增益、注意节律、吸引子动力学、价值计算——就是塑造信息流的艺术，在每个阶段对其进行雕琢以解决手头的任务。神经编码的故事，就是生命学习如何从一个它只能获得短暂、不完美和片面一瞥的世界中，获取最大价值的故事。