記得準，還是記得穩？離散吸引子如何守護工作記憶
在計算神經科學中，大家對「用一群神經元活化的活動峰（bump）來表徵空間方位」已相當熟悉。不論是果蠅中央複合體的頭向細胞在導航中維持方向感，還是前額葉皮質暫存一個視覺目標，本質上都是在做「工作記憶」：在外界輸入消失或微弱時，系統必須將這個連續變數穩定保存在神經網絡的動態之中。直覺上，我們總希望編碼愈精細、愈準確愈好，絕不希望頭方向或方位記憶只能笨拙地卡在少數幾個預設的格點上。也因此，理論上擁有無限解析度的「連續吸引子」（continuous attractor），長年來被視為最完美的理想架構。 但追求極致的編碼準度，真的是好事嗎？ 事實上，任何依賴神經群表徵連續變數的記憶系統，都必須同時面對兩種本質截然不同的誤差： 第一種是量化誤差（quantization error）——當網絡只能將狀態歸類到有限的離散格點時，初始刺激被迫「四捨五入」所產生的解析度損失； 第二種則是擴散誤差（diffusion error）——在記憶維持期間，神經系統內部隨機雜訊不斷擾動，導致 bump 在網絡中隨時間四處漂移所累積的偏離。 大家之所以迷戀連續吸引子，正是因為它將量化誤差降到了零——任何細微的角度差異都能被無損寫入，不必委身於特定格點。然而，這往往讓人忽略了它所必須支付的沉重代價：幾近失控的擴散誤差。 連續吸引子之所以能平滑移動、沒有量化誤差，物理本質在於狀態沿著連續流形滑動不需要跨越任何位能壘。但這同義於整個流形完全缺乏回復力（restoring force）。在真實大腦中，膜電位起伏與突觸釋放的隨機性無處不在。當隨機雜訊把 bump 推偏了一點點，網絡根本無法分辨這是雜訊還是新的轉向信號，只能照單全收地持續積分。隨時間累積，bump 的軌跡就退化為相空間中的布朗運動（Brownian motion）——記憶的變異數隨延遲時間線性擴散，原本精準的記憶隨時間消磨殆盡。心理物理學早已觀察到，人類在延遲眼動任務中的落點誤差會隨時間拉長而發散；果蠅在黑暗中缺乏視覺錨定時，其頭向 bump 同樣會發生緩慢漂移。 換言之：連續吸引子雖然做到了「記得準」，卻根本「記不穩」。 大腦若想在雜訊充斥的環境中「記得穩」，該怎麼做？Kilpatrick、Ermentrout 與 Doiron（2013）在 Journal of Neuroscience 上發表的研究，給出了一個翻轉：主動打破連續性，利...
