第18章 神经活动 感受野与学习
18.1 从响应位置进入功能问题
一个神经元在某种视觉刺激出现时增加放电，研究者据此描绘它的感受野。这个描述已经包含刺激方式、动物状态、记录位置和响应判据。感受野不是从神经元内部取出的地图，而是在这些条件下建立的响应关系。它可以具有高度重复性，也可能在任务改变后需要重新估计。发生分析要解释的正是这种条件稳定性：一个响应关系怎样被建立，哪些变化会使它继续有效，哪些变化会迫使研究者重新定义它。
神经活动的功能不能仅凭一张响应图确定。某神经元对刺激敏感，不等于它在当前任务中决定了行为；某活动能预测选择，也不等于它直接生成选择。预测、相关和因果贡献需要不同证据。SDE在神经研究中的入口因此不应是给每种活动指定一种哲学属性，而是把活动显露、刺激与行动的差异序列、以及限定可用关系的特征组织放在同一分析单位内。
这个单位仍需受任务限制。研究视觉辨别时，身体运动可能主要作为需要控制或记录的条件；研究自然行动时，运动本身则改变后续输入，成为核心机制。若在前一种任务中获得稳定感受野，不能直接断言自然行为中的神经功能同样固定；若在后一种任务中看到复杂变化，也不能据此否定受控实验的知识价值。两种研究保存了不同的关系，重要的是建立它们之间的迁移条件。
假设同一视觉图形在任务甲中是目标，在任务乙中是干扰物。某神经记录随任务而变，可以说明刺激到活动的关系受到任务条件调节，但还不能说明动物如何理解目标。需要比较行为表现、任务规则学习和具体干预。神经活动在这里提供了一种显露，而不是对主体状态的完整替代。主体号位必须通过系统如何区分目标、承接反馈及改变行动来研究，不能被压缩为一个脑区或单一指标。
任务变化使号位侧重的区分取得了更具体的内容。同一神经元身份的持续辨认，使两次记录能够比较；刺激、动作与反馈的安排，使其活动获得不同的任务关联；动物或参与者对规则的学习，则决定哪些信息可以用于选择。三者各自都有形成和更新的过程。若只把任务名称加为一个标签，就仍未说明哪一步改变了响应。研究应指出新规则改变的是目标位置、奖励条件、可用动作还是既有策略，并检查这种改变怎样进入记录与行为之间的关系。
神经科学由此成为对发生理论的严格检验。它提供丰富的时间记录，同时也容易诱使研究者把读数密度当作解释深度。更多神经元、更多采样点和更复杂模型，并不自动回答功能如何形成。真正的推进在于，记录能够区分哪些竞争机制，干预能够改变哪些后果，以及模型能否预测新的任务安排。发生单位只有在这些要求下才从宏观哲学语言进入神经研究。
18.2 感受野的稳定与可变
Womelsdorf等在猕猴视觉皮层MT区域的研究中，观察到空间注意相关的感受野位移，并伴有较小程度的收缩。[33] 这一结果支持在其任务条件中把注意安排纳入感受野描述。它并不意味着所有感受野都随时任意改变，也不意味着神经元缺乏可识别的结构。相反，只有先建立足够可靠的记录和比较，研究者才有可能把有方向的变化与估计误差区分开来。
发生分析从这里提出的第一个问题，是保持了什么才使变化能够被称为同一感受野的改变。记录的神经元身份、刺激空间和响应判据需要足够可比，否则两次图形的差异可能只是对象或测量方式改变。第二个问题是变化怎样影响任务中的可用信息。某位置的响应增强，不一定提高全部辨别；对目标有利的调整也可能降低对其他位置的敏感性。功能判断必须明确其服务的任务。
一个简化模型可以帮助区分位置变化与响应放大。假定感受野曲线的形状保持，只把所有位置的响应乘以同一正数；在完整采样且估计方法允许幅度独立变化时，曲线的峰位应当保持。若以是否越过固定阈值决定响应区域，或者只采集曲线的一侧，同样的放大却可能改变被纳入估计的位置。于是表观位移既需要与纯幅度模型比较，也需要检查覆盖范围和阈值。只有这些条件得到控制，剩余的位置变化才更有力地要求空间重组解释。这是对估计逻辑的构造推演，并非对所引实验结果的替代解释。
感受野的估计尤其依赖刺激集合。若只在局部区域呈递刺激，模型对未采样区域的形状可能主要来自预设；若任务条件改变了有效采样范围，两次估计便不完全可比。发生档案应保存刺激实际出现的位置、时间和任务关联，而不是只保存拟合后的中心与宽度。这样，后来的研究者能够判断变化发生在数据、拟合规则还是两者之间的关系上。
稳定感受野同样能够支持发生论证。假如某响应关系在不同注意安排下保持不变，这可能说明该层处理具有较强的不变性，也可能说明所用测量不足以捕捉任务相关变化。两种可能不能凭理论偏好裁定，需要通过测量敏感性和任务操纵来判断。若证据支持稳定，就应当把稳定作为结果，继续研究系统怎样在其他层面完成任务调整。发生框架必须容纳分工，而不能要求每个局部都承担全部可塑性。
由此可以区分参数变化与对象失效。感受野参数随条件改变，通常意味着描述需要包含条件，而非神经元这个研究对象已经瓦解。只有当原有单位无法组织关键依赖，例如单神经元模型持续遗漏群体协调，才需要扩展单位。对象的重新建构应针对实际解释困难，不应由变化这一事实直接推导。对稳定性的精确说明，比宣布一切都流动更能推动新的神经实验。
18.3 群体活动与学习的可达范围
学习要求系统改变可产生的活动与行动关系，但这种改变并非完全自由。Sadtler等利用脑机接口任务研究了既有神经群体活动结构对学习的约束，发现与既有结构关系不同的任务变化，在所考察学习窗口中具有不同的可学习性。[34] 这里的约束是具体任务和时间范围中的结果，不能被解释为个体具有永远不可改变的能力上限。
这一研究问题适合SDE的一个核心判断：新的显露需要从已有的特征组织中发生。若群体活动已经形成某些协同关系，新的任务可以重用这些关系，也可能要求建立新的组织。两种改变在训练量、时间和反馈需求上可以不同。发生理论不必预先决定哪些改变更容易，而应把既有组织与新任务之间的相容程度转化为可比较的研究条件。
假设一个控制任务原先要求几种活动组合对应不同移动方向。新任务甲只是重新分配这些组合的行动意义，新任务乙则要求产生过去很少出现的组合。即使两种任务的目标距离相同，它们对系统提出的改变也不同。若只用总体成功率描述难度，就可能遗漏这个差别。分析单位需要包含活动结构、映射规则和反馈历史，才能说明行为改善究竟来自何处。
两种任务若获得相近成功率，仍可以通过后续探测区分学习内容。沿用上述构造案例，暂时恢复旧映射：若原有活动组合仍能迅速支持旧行动，改善可能主要来自新旧映射之间的选择；若旧映射也受持续影响，则需要考察活动组织是否改变。再安排未训练过的中间映射，可以检验系统是否只记住两个固定解法。恢复、保持和新映射迁移分别约束不同层次，任何一个成功率都无法独自概括它们。学习的对象因此是活动组合与任务规则之间可重新建立的关系，而不只是分数的提高。
E在这种分析中不是一个静态的神经网络图。它包含任务相关活动之间的约束，以及这些约束与反馈、身体和工具之间的关系。连接结构可能限制活动，活动历史也可能改变可用连接的功能表达。仅凭一张相关矩阵不能决定这些关系的方向。研究需要把观测到的协同、模型中假定的约束和干预支持的机制分别标明，再讨论哪种组织真正承担学习的限制。
学习的困难也可以生成创造性问题。若某种新行为长期不能获得，研究者不必只增加重复次数，还可以改变反馈的形式、任务分解方式或初始映射，考察是否存在能够进入新组织的路径。这里对应的六路径是研究进入次序：从现有活动结构出发安排差异，或者从失败的行动显露倒推需要改变的条件。路径是否有价值，取决于它能否产生新的可检验进展，而不是其名称是否完整。
18.4 行动反馈与表征的共同形成
在主动任务中，动作改变下一刻能够获得的刺激。眼睛转向某处，身体接近某物，控制器移动到某位置，都使输入依赖刚刚发生的输出。这种闭环区别于把刺激作为完全外部序列的安排，但两种安排可以被有目的地比较。若同样的刺激记录在主动与回放条件下产生不同响应，需要进一步分析行动预测、控制感、注意和身体状态等候选机制，而不能将差异一次性归给主体性。
构造一个低风险的视觉控制例子。参与者通过手柄移动光点，在条件甲中光点运动由其动作决定，在条件乙中观看先前记录的相同轨迹。两种条件在视觉输入上可以相近，但动作与后果的关系不同。若研究目标是行动回写，就应记录动作、反馈延迟和误差处理，而不只比较平均脑活动。这个例子没有声称任何结果，其作用是说明怎样把关系差异转为实际可比较的任务。
反馈还具有解释内容。同样的失败提示可能告诉参与者方向错了，也可能只告诉其得分不足。前者提供具体修改线索，后者可能促使其探索其他策略。神经活动变化因此需要与可获得信息一起解释。若不记录反馈内容，研究者可能把任务信息差异误判成个体能力差异。发生档案应保存提示的版本和可见时间，使学习过程能够被重建，而非只留下训练前后的两次分数。
反馈的时间还影响后果被归给哪一次行动。设想参与者连续作出两次选择，评分提示在第二次选择之后才出现。如果提示未标明所对应的动作，规则学习的困难可能来自归属含混，而非缺乏产生正确动作的能力。可以在保持奖励数量不变时增加事件对应标记，观察策略是否随之改变；也可以固定标记而调整反馈间隔，研究时间承接的作用。行动显露与既有区分之间的张力，由此推动任务组织的修订；修订再改变下一轮可获得的差异。这使三原理落在后果归属的具体机制上。
成功的反馈也可能稳定原有组织。当某策略持续满足任务，系统可能减少探索并保持一致表现。这种收敛可以是学习的成就。若任务后来改变，原有稳定策略才可能成为限制。稳定与灵活的评价必须相对于条件和目标进行，不能以行为变异大小直接判断系统是否有生命力。一个在熟练任务中低变异、在新任务中能够重组的系统，与一个在所有任务中都随机波动的系统，具有完全不同的能力。
主动任务同时把研究者纳入闭环。实验者可能根据参与者表现调整难度，算法可能改变奖励频率，观察者可能给予额外提示。若这些调整没有记录，所谓学习轨迹就是对象变化与任务变化的混合。研究者不必消除所有自适应安排，但必须让它们成为模型可见的条件。研究单位因而包含一个共同演化的任务制度，而不只是接受固定刺激的孤立大脑。
18.5 同步 差异与因果的尺度
神经信号的同步可以由多种机制产生，异步也可以由多种机制产生。共同输入、相互耦合、任务节律和记录处理都可能影响时间关系。因而不能把三种指标不同步直接当作三号位同台的证据，也不能把同步当作某一号位压制其他号位的标志。时间结构的科学意义，需要通过其与任务、干预和模型的关系来确定。
假设两组神经活动在某频段相干增强，同时行为改善。至少可以提出三种解释：协调本身有助于任务，共同的任务状态同时增强协调与表现，或者分析方法在活动强度改变时产生相干估计的变化。仅有相关结果不足以选择其中一种。研究应当检查统计估计的条件，再寻找能够改变协调关系而尽量保留其他条件的干预。即使这样的干预可行，其作用范围仍需谨慎限定。
时间先后也不能直接等同于功能层级。某区域先出现可测响应，可能因为其信号更容易被当前技术检测；另一区域的早期变化也可能未进入记录。不同测量方式具有不同的延迟和时间平滑。若把未经校正的时间差当成信息传递顺序，便会把仪器性质写进神经机制。发生分析要求读数事件包含观察映射，使时间证据不被过度解释。
另一方面，时间关系可以帮助构造更强假说。如果某种干预只在学习前期有效，而在熟练阶段作用减弱，就可以进一步研究它是否参与组织形成而非维持。如果改变反馈延迟产生可重复的策略变化，则延迟可能是差异序列中的重要变量。这里的结论来自有方向的条件比较，而不是来自对波形的哲学命名。SDE应帮助提出这些比较，不能替代它们。
多尺度时间模型还需要处理同时性。细胞膜过程、群体活动、一次动作和长期训练不必共享同一离散步长。把它们强行排列在同一轮中，可能制造看似闭合但实际上跨越多个机制的回路。研究可以采用嵌套窗口，分别定义快速状态、任务状态和学习状态，并说明它们如何交换信息。所谓同一发生，不要求所有变化发生在同一个时间格子，而要求它们在所解释事件中具有可说明的依赖。
时间窗口之外，任务坐标也决定哪些关系可以保持。假设同一目标在屏幕上移动，而参与者的任务始终是判断目标左侧的图形。按屏幕位置汇总与按目标相对位置汇总，可能显示不同的稳定关系。研究应预先说明其表征主张对应哪一种坐标，并检验更换坐标是否只是改进统计对齐，还是确实对应行为所利用的信息。如果行为依赖目标相对关系，而模型只记住屏幕位置，原任务内的准确预测就可能在目标移动后失效。任务意义在这里转化为可检验的坐标选择。
18.6 主体号位与意识问题的距离
神经研究中的主体号位首先可以围绕目标区分、后果承接和行动调整来操作化。系统是否把某刺激作为任务目标，是否利用反馈修订策略，是否在新条件中保持学习所得，都能够形成可比较问题。这种操作化仍然没有解决意识是什么。一个系统表现出记忆或自我调整，并不足以证明它具有某种主观体验；相反，无法从现有记录读出体验，也不意味着体验不存在。
人的自我报告为意识研究提供重要材料，却不是所有神经任务都具备的材料。动物任务中的选择、延迟保持和行为灵活性，可以支持功能推断，但其解释需要明确边界。若用人的语言直接描述动物或细胞的内心，便可能把研究者的叙述投射成对象事实。SDE的主体号位应允许不同层次的证据，而不能利用同一个词在功能、体验和道德地位之间自由滑动。
假设一个受试者能够准确区分刺激，却报告没有明确看见。这个情形提出的是表现与报告之间的关系问题，而不是自动证明某个脑区拥有或缺少主体性。研究需要检查任务要求、报告标准、置信程度以及重复条件。主体的表达同样发生在一种判断制度中，既不能被神经记录完全替代，也不能不经分析便作为对机制的最终裁决。
真、善、美若被用于解释主体活动，只能承担哲学上的对应工作。某种神经分布不能直接被测为美，某种相位协调也不能直接证明善。经验研究可以考察人怎样作审美判断、怎样评价行为，并研究相关神经过程；但价值判断的正当性仍需要理由。把物理或神经术语当作伦理词的单位，会掩盖两个领域各自的证明责任，也使本来可以开展的具体研究失去清楚目标。
主体号位的建设性作用，是防止任务意义在模型中消失。两个系统可以输出相同动作，却通过不同规则、不同训练和不同后果关系取得结果。若研究只保留动作标签，就无法说明能力的形成。把主体号位纳入研究，意味着保留系统能够获得什么信息、怎样选择目标和怎样承担后效的证据。这样的工作可以在不先解决全部意识哲学的情况下进行，同时为更深问题提供有约束的材料。
这也为跨人机比较建立了边界。神经学习与人工系统都可能表现出状态更新和任务适应，但其实现方式、训练范围和后果承接不同。不能由共同使用反馈一词，就推断两者具有相同主体性。有效比较应选取明确任务，分别描述记忆、目标更新和环境耦合，再检验哪些功能关系可以迁移。第七编将继续这一问题，此处只确立一个原则：功能相似性是一项研究结果，不是词语相同所保证的事实。
18.7 一个关于表征更新的研究方案
可以把本章的问题组织成一个尚未实施的研究方案：考察任务规则改变之后，感受野估计、群体活动组织和行为策略怎样共同更新。方案首先需要固定所研究的物种、脑区和任务类型，再确定技术条件；不能从抽象框架直接推出统一的实验参数。研究目标也应有限，例如区分行为改善主要依赖已有活动的重新利用，还是需要出现新的活动组织，而不是一次实验解释全部学习。
资料应保留训练前、规则改变期和稳定表现期的连续关系。仅比较前后两个平均状态，会遗漏中间的探索与过渡；只记录过渡期，又难以判断最终结构是否保持。各阶段的刺激、反馈和动作需要同步记录，并标明任何任务难度调整。对于神经记录，需保存信号质量与单元识别的变化，以免把记录对象变化误认成可塑性。不同阶段的可比性是后续机制分析的基础。
干预安排可以围绕差异预测展开。若模型认为反馈只改变动作选择而不改变感受表征，那么在保持视觉输入相近时改变反馈规则，应主要影响行为映射；若模型认为反馈参与表征更新，则可能对后续无反馈的感知任务提出不同预测。此处的预测方向需要具体模型决定，SDE不能提前替所有模型填写答案。框架的工作是要求后效能够被独立观察，而不是只解释训练中的成功。
在该方案中，可以把三个候选变化分别留下探测条件。重新使用旧活动的模型，应预测映射恢复时的表现；表征改变的模型，应预测新映射撤去以后对相同刺激的响应；依赖反馈规则的策略模型，应预测没有反馈时以及反馈延迟改变时的选择。三类模型都应获得任务状态和可用历史，避免把信息缺失制造成结构劣势。真正值得比较的是它们对这些探测条件的联合限制：一个模型若靠分别调整每个条件的自由参数才拟合成功，就尚未说明同一学习机制如何贯穿任务变化。
验证应包含新规则或新刺激的有限迁移。若模型能解释训练记录却不能预测相邻任务，可能是学到了实验特有的统计关系。若在新条件中仍有效，则可以更有信心地讨论其所捕捉的组织。迁移失败也应被定位：是感受层映射改变、行动策略改变，还是任务意义改变。将失败拆开，能够为下一轮研究选择更合适的入口，而不是把所有失败归于系统太复杂。
研究的判定还需要处理不一致的结果。若所记录的神经响应在相应灵敏度与任务范围内保持，而行动映射改变，结果与已有表征重新使用的解释相容，仍需检查未测变化和替代策略；若响应变化但行为迁移没有改善，应检查这种变化是否承担了所声称的功能；若行为和神经记录都改变，而其先后在现有分辨率下不可分，则只能支持联合更新的描述。将这些结果预先列为不同出口，能够让研究在局部层次形成明确知识。后续的干预据此选择对象：对映射变化检查反馈归属，对表征变化检查持续性，对联合变化补充能够分离环节的任务条件。
18.8 学习作为稳定性的再生产
学习并非只有从不稳定走向稳定一种方向。它可以建立新的稳定行为，也可以使系统学会在条件改变时选择不同策略。一个稳定的总分可能掩盖策略重组，一个波动的分数也可能只是随机误差。研究应当把表现、策略和可迁移能力分开追踪。发生论的贡献，是将学习理解为稳定性条件的更新：系统不仅产生新输出，还可能改变下一次输出能够如何产生。
这种理解也保留了遗忘和退出的功能位置。某种旧规则在新任务中不再适用，减少其影响可能有助于形成新表现；但遗忘也可能损失仍有用的知识。不能把保持或改变任一方向设为普遍价值。基础研究需要比较不同历史对当前任务的具体后果，教育和伦理则还需说明哪些目标值得追求。神经机制能够限制可行性，却不能独自决定培养什么能力。
对个体差异的解释同样需要历史视角。相同训练后表现不同，可能来自初始组织、可获得反馈、采用策略和练习过程的差异。若研究只把最终差异归为固定能力，便可能遗漏可改变条件；若把全部差异归为训练制度，又可能忽略实际的生物与经验差异。SDE不预先选择单一归属，而是要求找到能够支持不同解释的资料，并保留当事人的活动与研究安排之间的关系。
神经研究还有一种更深的客观性要求：模型应当使不一致可以被公开定位。不同实验室得到不同感受野或学习结果，可能因为任务、记录、分析或样本条件不同。可共享的事件档案能够帮助重建这些差别。其目的不是让所有实验最终只得到同一个数，而是建立条件之间可说明的转换；若无法转换，则明确指出资料缺口和模型边界。这样的客观性比掩盖条件的表面一致更有力量。
生命系统需要维持功能，学习又改变功能实现的方式，两者之间存在持续张力。过强保持可能限制新任务，过度更新也可能破坏已获得的协调。神经活动的发生因此不能只用可塑性赞歌来描述。研究应当同时追踪改变的收益、维持的成本和恢复的范围。稳定不是缺乏历史，灵活也不是没有约束；二者都是组织在具体条件下取得的能力。
感受野变化、活动组合的重新使用与反馈归属，分别显示任务能力在何处取得稳定。这样的稳定服务特定辨别与行动目标，其评价依据与内部变量的生理维持有所区别。第19章转向稳态时，需要进一步考察维持的资源、补偿的代价和扰动后的恢复范围。神经学习留下的问题因此是：系统通过改变实现方式保持功能以后，还剩下多大的调节余地，又会在何种新扰动下暴露原先不可见的限制。