玻尔百科大脑是如何将来自外部世界的光、声、压力等混乱的输入流，转化为我们所体验到的连贯现实的？这个根本性问题可以通过神经表征的概念来回答——即神经元用来编码、处理和构建我们世界的复杂代码。理解这种神经语言是解开认知、意识和行为最深层奥秘的关键。本文旨在解决破译这一代码的挑战，超越简单的部件罗列，揭示其潜在的语法及其深远影响。
在接下来的章节中，我们将踏上一段理解这种内部语言的旅程。首先，在“原理与机制”中，我们将探索神经代码的基本语法，从大脑对现实的实用主义地图到使其能够变化的动态可塑性。然后，在“应用与跨学科联系”中，我们将审视这种语言所产生的“文献”——这些原理如何被应用于构建感官体验、指导行动，甚至在疾病中失效，并揭示其与神经科学之外领域的惊人联系。
要理解大脑，就要学习它的语言。外部世界是光、声、压力的嘈杂混合，但在我们的头脑中，它变成了一个由物体、旋律和纹理构成的连贯现实。这种转换是如何完成的？答案在于神经表征的概念——大脑的基本单位神经元用来编码信息的代码。这个代码不是一个简单的密码，而是一种动态、多层且效率惊人的语言。要欣赏它的精妙之处，我们不能仅仅罗列其词汇，还必须从基本原理上理解其语法。
思考神经表征最直观的方式或许是将其看作一张地图。正如世界地图代表着大洲和海洋，大脑也包含了我们身体的地图。在负责触觉的皮层区域，即初级体感皮层，有一张与身体表面一一对应的地图。但如果我们按照这张大脑地图的比例来画一个人，我们会得到一个怪诞的漫画形象：一个有着巨大手掌和嘴唇，但躯干和腿却很小的“侏儒”。
为什么会有这种奇异的扭曲？答案揭示了神经编码的一个基本原则。大脑不是一个被动的地图绘制者，根据物理面积分配空间。它是一个务实的信息处理器，根据计算的重要性来分配其宝贵的资源——神经元。你的指尖和嘴唇布满了密度极高的感觉感受器，不断向你的大脑输送关于纹理、形状和温度的大量高分辨率数据。相比之下，你的背部感受器密度要低得多。为了处理来自指尖的丰富信息流（这对于操纵物体至关重要），大脑投入了不成比例的大量皮层区域。这种现象被称为皮层放大，它告诉我们，大脑的“货币”不是皮肤的平方英寸，而是信息的比特。地图的尺度不是由大小决定，而是由重要性决定。
地图这个想法虽然有用，但仍然过于简单。单个神经元很少能独立表征一个复杂的特征。相反，知觉源于大量神经元集群的集体活动，这一原则被称为群体编码。
考虑一个名为羊皮纸皮肤错觉的奇特现象。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，就像古老的羊皮纸一样。这不是魔术，而是对你大脑解释系统的一个戏法。你的皮肤包含不同类型的机械感受器，每一种都像感官交响乐团中的专业乐手。一些是快速适应（RA）感受器，就像拉着快节奏、断奏音符的小提琴手；它们对变化的刺激产生反应，比如当你的手指滑过一个纹理时产生的微小振动。另一些是慢速适应（SA）感受器，就像拉着悠长、稳定音符的大提琴部；它们对持续的压力作出反应 [@problem_t_id:1717826]。
“光滑”的感觉并非来自单个“光滑神经元”的信号。它是由RA和SA群体共同产生的特定和谐——即特定的活动比例。当你用力搓手时，你实际上是在迫使RA“小提琴手”以最大强度演奏很长时间，以至于它们变得疲劳并暂时失去反应。这被称为适应。当你的适应后的手指触摸光滑的纸张时，RA感受器几乎没有反应。而适应速度慢得多的SA感受器则像往常一样放电。大脑现在接收到一个不寻常的信号：强的SA活动伴随着非常弱的RA活动。基于一生的经验，大脑将这种不平衡的神经和弦解释为粗糙表面的标志，因此，你感知到了错觉。纸张的现实没有改变，但它的神经表征改变了。知觉不是对世界的直接解读；它是一场宏大的交响乐，而我们的大脑是指挥家，诠释着音乐。
正如一个交响乐团有不同的声部，大脑也为不同的任务采用不同的编码策略，这通常由神经元自身的生物物理限制决定。听觉系统为这种分工提供了一个绝佳的例子。
任何复杂的声音，如语音或音乐，都可以被分解为两个部分。一个是时间精细结构，即决定其音高的声波的快速振荡。另一个是包络，即声音整体振幅或强度的较慢变化，这赋予了它节奏和韵律。要理解语音，你需要同时处理这两者。
大脑用两种不同的编码方案解决了这个问题。对于快速的精细结构，脑干中的神经元使用一种称为锁相的策略。它们发放动作电位的时间以亚毫秒级的精度与声波的特定相位同步，就像频闪灯冻结旋转轮子的运动一样。这是一项计算要求很高的任务，需要专门用于时间精度的神经元。然而，对于较慢的包络，听觉皮层中的神经元——它们倾向于在更长的时间窗口内整合信息——使用一种更简单的速率编码。它们通过改变放电频率来表示声音的强度，对包络中声音较大的部分放电更多，对较安静的部分放电更少。
为什么会有这两种策略？这归结于生物物理学。神经元的放电速度根本不足以锁相到非常高频率的声音。脑干用其高保真度的时间编码处理它所能处理的最高频率，这对于根据两耳之间的微小时间差来定位声源等任务至关重要。对于其他一切，特别是对于理解意义至关重要的较慢模式，皮层使用一种更节能的速率编码。大脑是一位务实的大师，总是为手头的工作选择正确的工具——正确的神经代码。
如果我们的大脑在出生时就是硬连线的，我们将永远无法学习新技能、从伤病中恢复，甚至无法形成新的记忆。我们讨论过的地图和代码并非用永久性墨水绘制；它们是在一种动态的、活的媒介上勾勒出来的，这一原则被称为神经可塑性。
最引人注目的证据来自关于体感皮层的经典实验。如果一根手指被截肢，大脑地图中曾经对它有反应的区域并不会沉寂下来。在数小时内，它开始对相邻手指的触摸产生反应。这分两个阶段发生。首先，是已存在但先前被抑制的突触连接的快速去掩蔽。来自相邻手指的输入一直存在，但被来自现已缺失手指的主导输入所淹没。一旦那个主导输入消失，这些安静的声音就能被听到了。在接下来的几周里，会发生一种更慢、更持久的变化：结构性萌芽。代表相邻手指的神经元的轴突会物理地生长到沉寂的区域，形成新的连接并巩固新的地图。
这是一个“不用则废”原则的实际体现。反之亦然：如果一个人为了一项感觉任务而集中使用某一根手指，其在皮层中的表征将会扩大，借用其较少使用的邻居的领地。这种依赖于活动的竞争是学习的基本机制。
这种塑造过程在出生前很久就开始了。发育中的大脑并不遵循一个僵化的蓝图；它以活动为指导进行自我连接。携带感觉信息的丘脑轴突首先在称为亚板的临时区域形成短暂的、临时的突触，然后才找到它们在皮层中的最终目标。这个等待期是活动依赖性优化的关键窗口，这个过程由赫布学习——“一起放电的神经元会连接在一起”——所支配。之后，这种最初的、繁茂的连接会被修剪。令人难以置信的是，大脑借用免疫系统中的分子，如补体成分 C1q，来标记和清除“失败者”突触——那些与邻居活动相关性较低的突触。感觉经验，或其缺乏，指导着这个修剪过程，确保最终的回路能够精确地调谐到真实世界的统计模式。你的大脑是一座雕塑，而经验是凿子。
当我们转向更高阶的认知功能时，神经代码的性质变得更加抽象。大脑如何表征“祖母”这个概念或拿起杯子的意图？虽然我们离完整答案还很远，但我们可以确定指导这些复杂表征的原则。其中一个原则是稀疏性。在任何特定时刻，大脑中大多数神经元都是沉默的。这似乎效率低下，但实际上是一个绝妙的策略。稀疏代码非常节能，并且可以增加网络的存储容量。
这个想法与一个来自工程学和计算机科学的强大理论相联系：压缩感知。该理论指出，如果一个信号已知是稀疏的（意味着它的大部分值为零），你可以从一个惊人少量（远少于信号总大小）的测量中完美地重建它。如果你的测量设计得足够巧妙，这是可能的。大脑可能是一个天生的压缩传感器。从一个大的神经元群体到较小的下游群体的看似随机的突触投射，很可能允许大脑有效地读出稀疏的神经代码。这为大脑如何用有限的资源完成如此复杂的壮举提供了一个令人信服的假说。
为了组织这些不同层次的探究，伟大的神经科学家 David Marr 提出了三个分析层面：
这个框架的一个关键洞见是多重可实现性的思想：同一个算法可以由不同的物理硬件实现。例如，一个像 这样的简单算法，可以在一个抽象的速率编码模型中实现，也可以在一个更具生物物理真实性的脉冲神经元网络中实现。虽然物理细节大相径庭，但它们在平均水平上都可以执行相同的计算。这给了我们创建简化模型的自由，这些模型虽然不是大脑“湿件”的完美复制品，但仍然能捕捉到它所运行算法的精髓。
有了这些原则，我们作为科学家，如何破译大脑的代码？一个强大的现代方法是将神经表征视为几何结构。一个包含 个神经元的群体在某一时刻的放电率可以被看作是 维空间中的一个点。当大脑处理一个刺激时，这个点会描绘出一条路径，定义一个轨迹或一个低维子空间。
这种几何观点使我们能够提出精确的问题。例如，两个不同的大脑区域是否以相同的方式编码信息？我们可以通过计算它们各自神经子空间之间的主角来回答这个问题。想象两张纸（二维子空间）在我们三维世界中。它们之间的角度告诉我们它们的对齐程度。如果第一个主角很小（接近于零），这意味着一个区域中至少有一个活动方向与另一个区域中的一个方向几乎完全对齐。这意味着它们在某种意义上，说的是同一种语言。这提供了一个严谨的数学工具来比较表征，并理解信息在流经大脑时是如何转换的。
这引导我们走向神经科学的前沿：贝叶斯大脑假说和预测编码。这个框架不把大脑看作是感官信息的被动接收者，而是一个主动的预测机器。大脑不断地生成一个世界模型，并预测接下来应该接收到什么感官输入。向上流经感觉层次的不是原始数据本身，而是预测误差——大脑预期与实际接收到的之间的差异。这些误差信号随后被用来更新内部模型，这个过程类似于贝叶斯推断。在这个优美而统一的理论中，知觉变成了推断感觉输入原因的过程，而学习则是我们大脑对世界生成模型的持续完善。那么，大脑的语言，可能不仅仅是对世界现状的描述，而是一场在期望与现实之间持续进行的动态对话。
在上一章中，我们探讨了大脑内部语言的基本语法——神经表征的原理和机制。我们了解了神经元如何通过其集体活动来编码关于世界的信息。但是，学习一门语言的语法只是第一步。真正的魔力在于它所产生的文学作品：史诗、复杂的论证、高昂的交响乐。现在，我们将探索这些“文献”。我们将看到神经表征的原理不仅仅是抽象的好奇之物，它们正是大脑用来构建我们的现实、指导我们的行动并产生我们思想的工具。我们将从我们皮层的感官画布，到疾病的复杂景观，甚至跨越生物学，去发现这些相同原理在人工智能和化学等迥异领域中的回响。
神经表征最直观的应用或许在于大脑如何创建外部世界的地图。思考一下你的视觉。你可能会想象你的大脑中有一个与眼前景象完美、像素对像素的复制品，就像一张照片。但大脑是比相机聪明得多的艺术家。它不创造一张忠实的照片；它创造一幅漫画，一幅巧妙地强调重要内容的漫画。
这一点通过皮层放大的概念得到了完美的阐释。你视网膜中心的一小部分，即中央凹，是你用来进行精细视觉活动的部分——例如，阅读这段文字。周围的周边视网膜则捕捉模糊的背景。在初级视觉皮层中，大脑将惊人不成比例的处理能力投入到中央凹。如果你要将这张神经地图可视化，微小的中央凹区域的表征会被极大地放大，而广阔的周边区域则被压缩到边缘。你视野中心的一小步对应着皮层表面上的一大步，而周边的一大步几乎不动。这不是缺陷，而是效率的杰作。大脑将其宝贵的资源分配到最需要的地方，在我们的注意力对象上创造一个动态、高分辨率的聚光灯，同时经济地勾勒出其余部分。
这种智能映射的原则从感觉延伸到行动。大脑如何告诉你的肌肉该做什么？同样，一个简单的“一个神经元对应一块肌肉”的模型虽然诱人，但在生物学上是幼稚的。大脑似乎是一位更为优雅的指挥家。初级运动皮层似乎不是微观管理数百块独立的肌肉，而是使用协同模式——即广泛、协作的肌肉激活模式——来组织运动。它以“伸展”或“抓握”的方式思考，而不是“弯曲二头肌15%，伸展三头肌10%”。
通过记录神经元群体，科学家可以识别出一种低维的运动“语言”。一个涉及数十块肌肉的复杂动作，可以用仅仅几个协同模式的激活来描述。这种表征不仅高效，而且稳健。如果一块肌肉疲劳或受伤，大脑可以巧妙地调整协同模式的组合以实现相同的目标。这引出了一个引人入胜的概念：存在一个“输出零空间”。这是一种神经活动，虽然是群体编码的一部分，但对肌肉输出没有直接影响。它就像大脑的私人草稿纸，一个用于内部计算、在做出动作前进行规划和准备的空间，而这一切都不会引起无意的抽搐。
看过了大脑如何表征物理世界后，让我们进入更抽象的领域：决策、记忆和概念等内部状态的表征。当你做出一个简单的选择——比如向左看或向右看——你的头脑里发生了什么？
对决策的研究揭示了一个非常简单的机制。在像额叶眼动区这样的大脑区域，某些神经元充当特定选择的证据累积器。当你在做决定时，这些神经元的放电率开始上升。对应于有更多证据的选项的神经元上升得更快。当其中一个神经元达到一个关键的阈值放电率时，决策就被触发了。这是一场神经冲向终点线的竞赛，胜利者决定了你的行动。一个抽象的认知事件——一个“决策”——因此在神经放电的动态中获得了具体、物理的体现。
大脑表征抽象空间的能力远不止一场简单的竞赛。思考一下动物如何在其环境中导航。一个简单的生物可能会学习一条路线——一个固定的序列“在大石头处左转，直走到高树前”。这是一种自我中心的表征。但许多动物，从老鼠到灵长类动物，发展出一种更为复杂的东西：一张*认知地图。这是一种非自我中心*或世界中心的空间表征，是头脑中真正的地图。认知地图的标志是灵活性。如果熟悉的路径被阻挡，动物不会就此放弃；它会查阅其内部地图并计算出一条新的绕行路线。它甚至可以生成从未走过的捷径。这表明大脑不仅仅是在存储感官快照；它正在构建一个世界的关系模型。
令人难以置信的是，我们现在正在开发数学工具来可视化这些神经表征的“形状”。利用一个名为拓扑数据分析（TDA）的领域，科学家可以同时分析数千个神经元的活动，并提出问题：这个数据点云的几何形状是什么？在一个引人注目的实验中，一只猴子观察一个在三维空间中旋转的物体，分析显示其神经元的集体活动被限制在一个高维球体的表面上。为什么是球体？因为所有可能的三维方向空间本身就是一个球体！大脑在没有任何外部指令的情况下，发现了问题的自然几何结构，并将其嵌入到其神经代码的结构中。世界的几何学在思想的几何学中得到了镜像。
如果大脑的正常功能依赖于形态良好、精确的表征，那么许多疾病和障碍就可以被理解为表征的病理。这一观点正在彻底改变我们对医学和精神病学的理解。
思考一下慢性疼痛这个悲剧性问题。我们倾向于认为疼痛是组织损伤的直接信号。但对于那个脚踝伤势几个月前就已愈合，却仍经历着令人衰弱的疼痛的人来说，情况又如何呢？疼痛的神经矩阵理论认为，疼痛不仅仅是来自外周的输入，而是大脑复杂的输出——一种由分布式神经网路产生的体验，该网络整合了感觉、情绪和认知信息。在慢性疼痛中，这个网络可能会陷入一种适应不良的状态。体感皮层中脚踝的神经表征可能会变得“模糊”和无序。患者对自己身体的感觉，即身体图式，可能会变得扭曲。疼痛是真实的，但其源头不再是组织；它在于表征本身。这一见解带来了深远的希望。它表明，治疗不应仅仅针对旧的损伤部位，而应旨在再训练大脑。像分级运动想象和触觉辨别训练等疗法正是为此设计的：为大脑提供清晰、明确的信息，帮助其重建一个健康、清晰的身体表征，并打破疼痛的循环。
这个框架也为像阅读障碍这样的发展性障碍提供了启示。一个主流理论认为，某些形式的阅读障碍的核心在于大脑对声音的基本表征存在问题。在听觉皮层中，不同音素（如/b/和/p/）的神经代码可能“噪音更大”或不够精确——就像一个模糊的收音机信号。在一个预测编码框架下，大脑不断尝试预测传入的感官信息，这种嘈杂的表征会产生一连串毁灭性的影响。大脑对其听到的声音变得不那么确定。当声音违反预期时产生的“预测误差”信号会更弱，因为大脑无法确定那是不是只是噪音。将这些模糊的声音表征映射到清晰的视觉字母上，变成了一项巨大的挑战。将阅读障碍理解为一种表征保真度的障碍，为诊断和干预开辟了新途径，重点在于加强这些基础的神经代码。
神经表征的原理是如此基础，以至于它们超越了神经科学。我们在认知发展、人工智能的设计，甚至在化学世界中都能发现它们的踪迹。
你是否曾想过儿童是如何发展出“心智理论”的——即理解他人拥有可能与自己不同的信念、欲望和意图的能力？发展心理语言学的一个深刻见解表明，语言本身为这种能力提供了支架。具体来说，掌握复杂的句法结构，如补语从句（“莎莉认为球在盒子里”），是一个关键的里程碑。这种句子结构为可以独立于现实进行评估的命题提供了一个形式上的“插槽”。它给了孩子一个工具，将信念表征为一个思想的对象，这个对象可以是真或假。我们语言的结构，在非常真实的意义上，可能为我们思考他人心智的结构提供了模板。
结构与功能之间的这种对话也是现代人工智能的核心。构建能够看见的机器的努力，与理解我们大脑如何看见的探索之间产生了深刻的协同作用。神经科学家使用卷积神经网络（CNNs）作为大脑视觉系统的模型，比较网络不同层的表征与视觉皮层不同区域的活动。反过来，人工智能研究人员也在从神经科学中借鉴思想。例如，*除法归一化*现象，一种在大脑中普遍存在的增益控制形式，已被整合到CNNs中以创建更稳健、更稳定的表征，从而提高了它们的性能和与生物视觉的一致性。
也许最令人惊讶的是，表征问题甚至在计算化学等领域也至关重要。为了预测一个候选分子是否会成为一种安全有效的药物，计算机必须首先为其构建一个有用的表征。早期的方法使用固定的、手工制作的“指纹”，描述分子的拓扑片段。这类似于一个具有固定特征检测器的简单视觉系统模型。但现代方法使用图神经网络（GNNs），它学习分子的一种丰富的、连续的、任务自适应的表征，甚至考虑到其三维形状或构象。这种概念上的相似之处是惊人的：无论是在大脑还是在计算机中，从看见一只猫到设计一种药物，进步往往涉及从固定的、僵硬的表征转向灵活的、学习的、和上下文敏感的表征。
从疼痛的扭曲地图到思想的几何形状，从运动协同的优雅效率到表征一个分子的普适挑战，神经表征的概念是一条贯穿所有现代科学的金线。我们才刚刚开始破译这种复杂的语言，但每一个新发现都强化了同一个深刻的真理：我们之所是，都写在了我们大脑的代码之中。