玻尔百科大脑如何知道自己身在何处？这个关于导航和自我定位的基本问题，是我们与世界互动能力的核心。随着位置细胞的发现，这个问题的答案开始浮现。位置细胞是海马体中一类非凡的神经元，它们共同构成了一张“认知地图”——一种对环境的内部表征。这些细胞不仅仅是一个简单的GPS；它们是我们建立经验记忆和规划未来的基础。但这引出了更深层次的问题：这张神经地图是如何创建和维护的？一个用于空间导航的系统又是如何成为情景记忆这样复杂功能的基础的呢？
本文将带领读者进入位置细胞的世界，以回答这些问题。我们将首先探讨其核心的“原理与机制”，详细介绍单个神经元如何编码位置，它们如何组合成一张连贯的地图，以及这张地图如何支持记忆。随后，在“应用与跨学科联系”部分，我们将看到这些基本概念如何彻底改变了我们对记忆、规划乃至人工智能的理解，揭示了大脑生物学与抽象计算原理之间深刻而优雅的联系。
从本质上讲，大脑的导航能力就是回答一个简单问题的能力：“我在哪里？”位置细胞的发现，让我们首次窥见大脑如何构建世界的认知地图。这些非凡的神经元主要位于一个名为海马体的大脑结构中，其作用就像神经系统的“您在此处”标志，每个神经元仅在动物进入其环境中的特定位置时才会发放冲动。但这个系统是如何工作的？这些表征是如何形成的，它们如何适应，又如何不仅支持导航，还支持记忆本身？
想象一只老鼠在一条简单的轨道上来回奔跑。如果我们能够监听单个位置细胞的活动，我们会观察到一些惊人的现象。当老鼠在轨道的大部分区域奔跑时，这个细胞可能几乎完全沉默，但当老鼠经过一个特定区段——比如中间三分之一——时，它会突然爆发一连串的活动。这个神经元变得高度活跃的特定空间区域，就是它的位置野。
这种以发放速率编码位置的基本原理，被称为速率编码。这是一个非常简洁的方案。某个特定细胞的高发放速率直接表明动物正处于该细胞的位置野之内。我们可以用惊人优雅的数学公式来描述这一点。一个位置野通常可以被建模为一个高斯“凸起”活动，其中位置 处的发放速率 在位置野中心 处最高，并随着距离的增加而平滑下降：
在这里， 是峰值发放速率， 控制位置野的大小。这个方程为一个对单一、局部空间区域有调谐反应的细胞提供了一个强大而形式化的描述。所有这些位置野的集合，每个都以不同的点为中心，共同构成了对环境的完整地图。
然而，当更优雅、信息更丰富的解决方案成为可能时，大自然很少会满足于简单的方案。事实证明，位置细胞的发放速率只是故事的一半。另一半在于其脉冲发放的精确时间，这是相对于海马体中一种名为theta振荡的背景电节律来测量的。这种节律就像一个稳定的内部鼓点，通常以每秒6到10次的频率（6-10赫兹）搏动。
当动物进入一个位置野时，细胞开始在theta波的后半段发放冲动。当它穿过位置野的中心并朝向出口移动时，这些脉冲会有系统地越来越早地出现，更接近theta波的波峰，然后是波谷。这种非凡的现象被称为相位进动。它是在速率编码之上叠加的第二种、更微妙的编码。速率告诉你在位置野的某个地方，而相位则可以精确地告诉你在穿越它的路径上的哪个位置。
振荡干涉模型（OIM）为这一现象提供了一个令人信服的解释。这些模型提出，相位进动源于两个振荡器之间的干涉：一个是稳定的体细胞theta节律，另一个是频率随动物奔跑速度而变化的树突振荡器。它们频率上的差异产生了一种“拍频”模式，并且随着动物移动距离的增加，这个拍频的相位相对于背景theta节律系统性地提前。该模型的一个惊人预测是，尽管相位随时间的变化率取决于速度，但相位随位置的变化率应该是恒定的，这一特征与实验观察结果惊人地一致。
那么，大脑拥有能够表征特定位置的细胞。但它如何决定将位置野放在哪里呢？地图最初是如何构建的？两个主要理论为此提供了令人信服且很可能互补的答案。
一种观点认为，位置细胞是根据环境边界信息来建立其位置野的。想象一组被称为边界向量细胞（BVCs）的神经元，每个细胞都对特定距离和方向上（例如，“我的左边3米处有一堵墙”）的墙壁或边界的存在有调谐反应。然后，一个位置细胞可以通过听取一组BVCs的意见来创建其位置野。它的位置野将位于空间中唯一一个能同时满足其所有BVCs输入条件的点上（例如，“我距离左墙3米，距离北墙2米，距离右墙5米”）。这个模型优雅地解释了为什么当环境的几何形状改变时，位置野会拉伸、收缩和重新缩放。
第二个令人惊叹的观点集中在网格细胞上。网格细胞发现于一个为海马体提供主要输入的脑区——内侧内嗅皮层（MEC）。与只有一个发放野的位置细胞不同，网格细胞在多个位置发放，这些位置排列成一个惊人规则的六边形晶格，覆盖整个环境。它们就像大脑自己的内部坐标纸或坐标系。但是，如何从这种重复的、周期性的输入中构建出单个、局部化的位置野呢？
解决方案是神经计算的一个奇迹。MEC包含多个网格细胞家族或模块。在每个模块内，所有细胞共享相同的网格间距和方向，但在不同模块之间，间距（尺度）是不同的。通过将来自几个具有不同、不相称尺度的模块的网格细胞输入相加，可以构建一个位置细胞，使其仅在所有不同网格模式的峰值恰好对齐的那一个位置发放。在其他所有地方，峰值错位，细胞保持沉默。在这种观点中，网格细胞为空间提供了一套通用的“基函数”，而每个位置细胞都是这些函数的独特组合，从而在给定环境中创建一个单一的、不重复的位置野。大脑的地图似乎是按地形学方式构建的，来自背侧MEC的小尺度网格投射到背侧海马体以创建小位置野，而来自腹侧MEC的大尺度网格投射到腹侧海马体以创建大位置野。
一张无法更新的地图在动态世界中几乎没有用处。海马体的地图是一份活文件，通过一个称为重映射的过程不断适应环境的变化。重映射主要有两种类型。
速率重映射是对微妙的、非几何学变化的响应。想象一下，一个房间的形状保持不变，但你改变了墙壁的颜色或移动了一件家具。位置野不会移动——底层的空间地图保持完整——但细胞的发放速率会改变。一些细胞可能会更强烈地发放，另一些则会减弱，从而有效地将新的情境信息编码到稳定的空间支架上。
相比之下，全局重映射是对地图的彻底革新。当定义空间的几何线索发生根本性改变时，比如将动物从一个方形盒子移到一个圆形盒子中，就会发生这种情况。旧的地图被丢弃，一张新的地图从头开始创建。一个在方形盒子东北角发放的细胞，现在可能在圆形环境中变得沉默，或在一个全新的位置发放。新的表征完全独立于旧的表征，或者说与旧表征“正交”。
这种功能上的区别在大脑的解剖结构中得到了完美的体现。与物体和局部特征（环境的“什么”）相关的输入来自外侧内嗅皮层（LEC），而关于全局几何和边界（“哪里”）的输入来自内侧内嗅皮层（MEC）。实验表明，在保持几何形状固定的情况下改变物体，会优先驱动速率重映射，这是一个依赖于LEC的过程。相反，在保持物体固定的情况下改变几何形状，会驱动全局重映射，这是一个依赖于MEC的过程。大脑使用不同的输入流来决定是简单地更新现有地图上的细节，还是完全绘制一张新地图。
认知地图远不止是用于当前时刻的导航设备；它是情景记忆——关于事件和经历的记忆——的基石。当动物处于休息状态，即安静清醒或睡眠时，这一功能表现得最为清晰。在这些“离线”时期，海马体绝非沉默。它会自发地重新激活与过去旅程相对应的位置细胞序列，但形式高度压缩，有时比原始经验快20倍。这种现象被称为海马体重放。
重放被认为是记忆巩固的核心机制，即海马体向新皮层“教授”近期经验的结构，从而加强它们以供长期储存。但其作用出人意料地多样，可通过其时间和方向来区分：
预演：令人难以置信的是，海马体可以为动物从未走过的路径生成连贯的序列发放。这表明大脑具有一种内在的能力来模拟新的可能性，用其现有地图的构建模块来构建潜在的未来。
逆向重放：在动物到达目标并获得奖励后，海马体通常会重放成功的轨迹，但是以相反的顺序。这种向后的扫描被认为是“信用分配”信号，将路径上的行动和地点与奖励结果联系起来。奖励越大，逆向重放就越稳健，从而加强了对成功策略的记忆。
正向重放：就在动物即将开始一段旅程之前，它通常会进行即将采取的路径的正向重放。这是一种明确的规划或前瞻性模拟的神经关联，是一种在头脑中预演通往目标路线的方式。重放的内容不仅是最有可能的计划；它还受到近期显著经验的偏向，反映了大脑在巩固过去和规划未来之间的不断权衡。
要让一张地图支持可靠的记忆，它必须是稳定的。一个今天在这里、明天就消失的位置野几乎没有用处。这种稳定性不是一个抽象的属性；它是通过长时程增强（LTP）等过程在突触层面形成的，即神经元之间连接的加强。
一个稳定的位置野的形成，要求携带特定位置感觉信息的突触选择性地加强到相应的位置细胞上。这个过程受到极其精密的控制。它需要足够的兴奋来触发对LTP至关重要的电压依赖性NMDA受体，但这必须在抑制的背景下实现，以防止失控的活动。
这种微妙的平衡在特定抑制性中间神经元的作用中得到了完美体现。其中一些中间神经元靶向位置细胞的树突，即输入信号被整合的地方。它们通过一类特殊的受体（含的受体）来实现这一点，这些受体提供一种“分流”抑制，其作用效果就像花园水管上的一个漏洞。如果这种抑制过多，兴奋性输入就会被分流掉，无法使树突充分去极化以诱导LTP。如果这种抑制被轻微减弱——例如，使用一种对这些特定受体起负向别构调节剂（NAM）作用的药物——LTP就会被促进。其结果是相关突触得到更稳健的加强，导致位置野在数天内更加稳定，并最终增强空间记忆表现。这提供了一个惊人的联系，从树突上的单个分子一直延伸到动物记忆其世界的能力。认知地图不仅仅是一个高层次的抽象概念；它是一个物理构造，由生物物理学和突触可塑性的基本规则构建和维护。
在窥探了位置细胞复杂精密的机制之后，我们可能会满足于对大脑“您在此处”信号的理解而止步不前。但这样做，就好比理解了齿轮的原理，却从未探究它能构建出何等奇妙的钟表。位置细胞的真正美妙之处在于，当我们看到这个简单的概念——一个为特定位置发放冲动的神经元——如何成为记忆的基石、规划的工具、抽象数学的研究对象以及演化设计的杰作时，才得以展现。现在，我们踏上征程，探索位置细胞帮助创造的广阔而相互关联的世界。
最直接地，位置细胞的发现给了我们一把钥匙，用以解锁生物内心的世界。如果你知道哪个神经元对应哪个位置，你就能在非常真实的意义上读懂动物的思想——或者至少，是它的位置感。通过观察神经活动的“闪烁灯光”并应用贝叶斯推断的逻辑，我们可以重建动物的轨迹，观察一个概率分布的峰值随着动物自身的移动而在心智地图上移动。这个过程不仅仅是一个戏法；它是一个强大的工具，让神经科学家能够精确地提问，大脑如何表征空间、处理模糊性以及纠正错误。
但是，一个真正的全球定位系统（GPS）所做的不仅仅是精确定位；它还必须随时间整合运动，这个过程称为路径整合或“航位推测法”。想象一下自己是一个在茫茫大海上的水手，试图通过一丝不苟地记录速度和方向的每一次变化来追踪自己的位置。不可避免地，你对速度测量的微小误差会累积，你计算出的位置会开始偏离你的真实位置。大脑面临的正是这个问题。其内部的速度信号是嘈杂的。一个简单的模型显示，如果大脑是一个“完美”的积分器，其位置估计的误差将无限制地增长。然而，通过在整合过程中引入轻微的“泄漏”或遗忘，系统可以管理这种误差，尽管代价是引入系统性偏差。这种在随机误差累积和系统性偏差之间的权衡，是工程学和机器人学中的一个基本挑战，而大脑似乎也得出了一个类似的、优雅的折衷方案 ([@problem-id:4748788])。
当然，大脑的导航系统不是一个单一、孤立的模块。它是由分布在一个古老而保守的大脑回路——即Papez回路——中的专业角色组成的宏大交响乐。海马体中的位置细胞提供了地图，但它们依赖于其他专家。头朝向细胞，存在于诸如丘脑前背核等结构中，充当指南针，提供稳定的异我中心（基于世界）的方向感。压后皮层是这个网络中的一个关键枢纽，它扮演着一个出色的计算转换器角色，利用头朝向信号将自我中心（egocentric）的感觉信息转换为认知地图的世界中心（allocentric）框架。这个集成系统使大脑能够将其内部地图锚定到外部地标上，不断纠正路径整合中固有的漂移。这个网络中任何一部分的损伤都可能扰乱整个交响乐，揭示了这些功能之间是何等紧密地相互关联。
如果你不能在地图上放置记忆，那么地图就没什么用。海马体系统的真正天才之处在于，它不仅问“我在哪里？”，还问“这里发生了什么？”。这是从空间映射到情景记忆——关于生命中丰富、展开的事件的记忆——的飞跃。一个优美而有力的观点，即“索引理论”，提出海马体充当一个主绑定器。当一个事件发生时，一小群位置细胞的稀疏和局部化活动为该特定空间情境创建了一个独特的“索引”或“条形码”。然后，这个索引通过赫布可塑性，与所有其他代表那一刻的景象、声音和感觉的皮层神经元——即记忆的“内容”——联系起来。
之后，仅用空间情境提示海马体，就可以重新激活该索引，而索引又会回放原始事件的全部皮层交响乐。这个模型优雅地解释了为什么我们的记忆如此依赖于情境，甚至为什么邻近事件的记忆有时会相互干扰。两个记忆之间的干扰程度与它们的海马体索引的重叠程度直接相关，而这又取决于它们相应位置野的物理重叠。
但是，这些索引化的地图和联结是如何形成的呢？答案在于突触根据经验改变的非凡能力。一个称为脉冲时间依赖可塑性（STDP）的原则规定，如果一个神经元总是在另一个神经元之前不久发放，它们之间的连接就会加强。当动物沿着一条路径行走时，位置细胞会按顺序被激活：A，然后是B，然后是C。因为细胞A的脉冲在细胞B发放之前到达B的突触，所以从A到B的突触被增强。反向连接，从B到A，则被削弱，因为B在A之后发放。经过反复的穿越，这个过程锻造出一条强连接的有向链：。大脑已将路径的经验物理地铭刻在它自己的布线中。这个学习到的序列随后可以被重新激活，让活动沿着链条预测性地流动，有效地模拟了这段旅程。经验就是这样将自己写入大脑的结构中，将转瞬即逝的时刻转化为关于世界结构的持久知识。
我们刚才描述的序列激活并不仅限于学习的时刻。在安静休息或短暂暂停期间，海马体活动爆发，重放这些序列，通常是在高度压缩的时间尺度上。它可以重放过去的旅程（“重放”），甚至更引人注目地，生成对应于从未走过的新路径的序列（“预演”）。这并非闲置的神经喋喋不休；这是大脑的模拟引擎在工作。
这一现象与人工智能中一个强大的概念——基于模型的强化学习——形成了惊人的平行。一个AI智能体可以通过使用世界的内部模型来模拟可能的未来情景并评估其结果，从而改进其决策。大脑的重放和预演似乎正是这一思想的生物学实现。这些内部生成的轨迹——从一个学习到的世界模型中抽取的样本——可以用来更新不同行动的期望值，所有这些都无需迈出一步。用强化学习的语言来说，大脑正在使用离策略更新来离线评估策略，这是一种用于灵活高效规划的复杂策略。
与抽象原则的联系甚至更深。我们可能会问：为什么位置野具有它们那样的形状——局部的、单峰的、并平铺整个空间？一个深刻的理论提出，位置野并非任意的，而是代表了表征空间的一种数学上最优的基。在这种观点下，环境是一个图，动物的随机探索是图上的一个扩散过程。该理论提出，位置细胞编码了“后继表征”——一个预测未来状态占有率的矩阵——的特征向量。这些特征向量是图的基本振动模式，是其自然的谐波。低频特征向量是平滑、空间上延展的函数，其外观与海马体位置野惊人地相似。这表明大脑可能已经发现了一种类似于傅里叶基的解决方案，但这种方案是为环境的几何和预测结构量身定做的。
这种神经表征与世界结构之间的深刻联系，可以通过另一个数学视角来观察：拓扑学。当一只老鼠在圆形轨道上奔跑时，它的位置由圆上的一个点 描述。在任何时刻发放的位置细胞群体可以被看作是高维“神经状态空间”中的一个点。当老鼠跑完一圈时，神经活动的模式会描绘出一条路径并返回到其起点。换句话说，从物理空间 () 到神经空间的连续映射创建了一个嵌入的环路。使用拓扑数据分析（TDA）的工具，我们可以分析这个神经数据点云的“形状”，并发现其底层的拓扑结构。对于圆形轨道，我们总是发现数据包含一个持久的一维孔洞——贝蒂数 ——这是圆的标志。大脑通过其位置细胞的集体活动，自发地创建了一个抽象的、高维的表征，该表征保留了动物世界的基本拓扑结构。
这个复杂的神经系统并非凭空产生。它是经过数千年自然选择的无情压力塑造而成的。例如，对于一种贮藏食物的鸟类来说，它的世界充满了巨大的记忆挑战。一只克拉克星鸦可能会在数千个不同地点贮藏多达30,000颗种子，并且必须在数月后记住它们。这种强烈的选择压力导致了一种显著的演化适应：贮藏食物的鸟类相对于它们不贮藏食物的近亲，拥有一个明显更大的海马体。
这不仅仅是量的增加；一个更大的海马体赋予了特定的计算优势。通过增加可用于创建稀疏编码的神经元数量，大脑增强了其执行“模式分离”的能力——即将相似的输入（例如，两个邻近的贮藏点）在神经元层面变得截然不同的过程。一个简单但有力的模型表明，将齿状回的神经元数量加倍，同时保持活跃神经元的数量不变，会显著提高系统为相似记忆分配独特神经编码的能力，从而减少干扰并改善回忆。这是一个美丽的例子，说明了一种特定的行为需求——记住你把食物储存在哪里——如何驱动特定神经结构的演化。
这种演化视角也阐明了物种之间的差异，包括我们人类自己。大脑的导航回路在哺乳动物中是保守的，但其侧重点根据感觉生态学而变化。一只在黑暗中导航的夜行性啮齿动物，严重依赖自我运动线索进行路径整合。因此，它的导航系统表现出对Papez回路的皮层下环路的强烈依赖，这些环路与前庭和头朝向信号紧密耦合。相比之下，灵长类动物是昼行性的视觉专家。我们的祖先利用丰富的视觉场景在复杂的三维树栖环境中导航。这一点，再加上新皮层的大规模扩张，促成了一条整合海马体输出与视觉和顶叶联合区的皮层-皮层通路的加强。这种转变不仅支持基于场景的导航，也支撑了我们自己进行丰富的、时间上延展的情景记忆和未来规划的能力。同一个基本回路，其权重和平衡由演化调整，服务于其所栖居生物的独特需求。
从研究人员屏幕上的一个点，到记忆与思维的根本结构，位置细胞带我们进行了一次不可思议的旅程。它站在神经科学、工程学、计算机科学和演化论的十字路口，证明了大自然为生命最根本的挑战所找到的优雅而统一的解决方案。它不仅仅是一张地图；它是书写生命故事的墨水。