面对打破预期模式的图像，例如预期有停车标志的请勿进入标志，与显示的与预测相符的图像相比，大脑如何反应和学习？

这是包括约克大学在内的一个团队着手回答的问题。一个长期存在的理论表明，大脑学习世界的预测模型，当传入的感官数据证明它们是错误的时，其内部预测就会更新。然而，新发表论文的共同通讯作者、约克理学院副教授Joel Zylberberg表示，研究人员的发现让他们感到惊讶。

“检验这一理论一直是一个挑战，”他说。“我们需要能够长时间测量大脑感觉区域的自上而下的信号，以显示大脑如何学习新的感觉输入模式。”

研究人员使用小鼠模型，展示了多天内视觉模式的图像，然后呈现违反这些模式的其他图像，同时测量大脑视觉皮层的活动，视觉皮层是处理来自视网膜的视觉信息的地方。这个想法是为了测试神经元对新的违反模式的感觉信息的反应。

包括 Zylberberg 在内的几位研究人员是加拿大高级研究所机器和大脑学习小组的研究员，该小组作为艾伦脑科学研究所的大脑观测站及其OpenScope 计划的一部分进行了这项研究。OpenScope 被比作天文学家共同研究宇宙的天文台，只不过这次研究人员共享数据来研究大脑。

测量是在视觉皮层的神经元远端顶端树突和细胞体上进行的，前者接收自上而下的信号，后者接收自下而上的信号。他们想知道当信号匹配和违反预期模式时，远端顶端树突处理视觉刺激的方式是否与细胞体不同。

事实证明，与模式匹配图像相比，大脑对违反大脑预测的图像模式的反应会随着时间的推移而发生不同的变化。

“令人惊讶的是，随着时间的推移，远端顶端树突的反应显着增长，对违反模式的输入越来越敏感，而细胞体却失去了最初的强烈敏感性，”计算神经科学家 Zylberberg 说。“这一发现可以为大脑中的感觉计算和预测学习提供重要的见解。”

研究结果表明，模式破坏刺激推动了变化，不同形式的模式破坏刺激可能会引发与预期不同类型的预测错误。它指出大脑的一个组成部分可能在感官学习中发挥以前未知的独特而重要的作用。

“了解大脑如何处理新的视觉感官信息对于开发更好的机器学习算法和应用程序非常重要，这有望帮助人们在未来恢复视力，”Zylberberg 说。