整合无监督学习与强化学习的大脑皮层表征学习计算模型

基于摘要分析。本文研究奖励驱动的试错过程是否不仅参与运动表征学习，也能参与皮层感觉表征的形成。作者提出一个整合无监督学习 Contrastive Divergence 与强化学习 REINFORCE 的计算模型，考察两类学习过程如何共同形成更有利于下游动作选择的表征。 研究动机来自多巴胺信号的分布：通常被视为编码奖励的多巴胺信号不仅到达基底节，也到达前额叶、运动及高级感觉皮层。作者据此提出，奖励引导的试错过程可能与联结学习共同作用于皮层表征学习；这是待检验的机制假设，而非已经确立的皮层学习结论。 模型在视觉分类反应任务上接受测试：输入图像按颜色、形状或大小形成类别，任务要求对不同图像作出不同反应。作者报告，在所测试的任务与模型设置下，无监督学习与强化学习的平衡组合表现最好；无监督学习占比过高时，任务相关特征容易表征不足，而强化学习占比过高时，初期学习较慢，随后容易陷入局部最优。摘要未提供具体性能指标或混合比例，不能据此确定可推广的最优配置。 该工作的主要对象是皮层表征学习的计算机制，而非 EEG 解码或 BCI 系统。作者将结果视为开展纹状体外视觉皮层类别学习实证研究、以及进一步探索两类学习机制整合的动机。网络结构、奖励设计、训练细节、实验协议、消融及统计信息尚未验证；计算任务中的结果也不等同于对真实皮层机制的直接验证。