基于图式的主动推理支持经验的快速泛化与抽象结构的额叶皮层编码
神经元与认知
2026-03-17 v2
摘要
图式——捕捉跨经验共性的抽象关系结构——被认为是人类和动物能够快速泛化知识、将新经验重新绑定到现有结构以及跨情境灵活适应行为的基础。尽管图式在认知中扮演着核心角色，但支持图式形成和使用的计算原理及神经机制仍然难以捉摸。在此，我们引入了基于图式的层级主动推理（S-HAI），这是一个新颖的计算框架，它将预测处理和主动推理与基于图式的机制相结合。在S-HAI中，一个高层级生成模型编码抽象任务结构，而一个低层级模型编码空间导航，这两个层级通过一个将抽象目标映射到物理位置的接地似然函数连接起来。通过一系列仿真，我们表明S-HAI再现了空间导航任务中基于图式的快速泛化的关键行为特征，包括将抽象图式灵活地重新映射到新情境、解决目标歧义以及平衡新映射的重用与适应。至关重要的是，S-HAI还再现了在依赖图式的导航和决策任务中，在啮齿动物内侧前额叶皮层中报告的显著神经编码，包括任务不变的目标进度细胞、目标与空间联合细胞，以及低层级的类位置编码。总而言之，这些结果为基于图式的学习和推理提供了一个机制性解释，架起了行为、神经数据和理论之间的桥梁。更广泛地说，我们的发现表明，图式的形成和泛化可能源于在皮层和海马回路中层级实现的预测编码原理，从而实现了经验的泛化。
引用
@article{arxiv.2601.18946,
title = {Schema-based active inference supports rapid generalization of experience and frontal cortical coding of abstract structure},
author = {Toon Van de Maele and Tim Verbelen and Dileep George and Giovanni Pezzulo},
journal= {arXiv preprint arXiv:2601.18946},
year = {2026}
}