小脑对动作与认知的贡献：预测、时间尺度与连续性

小脑几乎参与人类认知的每一个领域，然而我们对这一皮层下结构如何贡献于认知的理解仍然难以捉摸。在这方面的努力往往分为两大阵营。一方致力于寻找一种通用的小脑变换，即一种可应用于感觉运动学习、社会认知和决策等不同领域的单一算法。另一方则专注于为不同任务领域量身定制的功能特化。在这一视角中，我们提出了一种综合方法，该方法既承认不同小脑亚区的功能特化，又建立在有助于定义触发小脑参与条件的共同约束之上。借鉴小脑在运动控制中确立作用的反复出现原则，我们识别出三个核心约束：预测——小脑执行的是预期性而非反应性的计算；时间尺度——小脑生成的预测仅限于短时间间隔；连续性——小脑转换诸如空间和时间的连续表征。这些约束共同定义了小脑何时以及如何支持认知的边界条件，并且同样重要的是，明确了不应依赖于小脑的计算类型。