大腦如何決定「誰比較可信」？
想像你在荒野中導航，遠方有一座不動的高山，眼前則有一棵隨風搖擺的樹。雖然兩者都很顯眼，但你的大腦會本能地更相信那座「穩定」的高山來確認方向，而不是那棵位置可能變動的樹 。但在果蠅的微觀世界裡，牠們經常面臨更複雜的選擇：當「眼睛看到的景色」與「觸角感受到的風向」告訴牠們不同的方位時，大腦該聽誰的？這不僅僅是誰比較大聲的問題，而是一場關於「信任」與「學習」的神經賽局。
在我們之前的文章中，常提到大腦中的「指南針」——位於中央複合體（Central Complex）的 環狀吸引子（Ring Attractor） 網路。最新的研究告訴我們，這個網路不只能告訴果蠅「我在哪裡」，它甚至懂得評估資訊的「可靠度」，並利用 Hebbian Learning（赫布學習法則） 在穩定與靈活性之間取得完美的平衡。
這篇發表於 2025 年 Nature Neuroscience 的最新研究，帶我們潛入果蠅大腦的導航中心，揭示了一個令人驚訝的發現：一個太過自信的大腦，有時候反而是最笨的學習者。
1. 什麼是「有信心的」神經訊號？
果蠅的頭部方向（Head Direction, HD）是由一群稱為 EPG neurons 的細胞編碼的。這些細胞在橢圓體（Ellipsoid Body, EB）中形成一個活性「凸起（Bump）」，就像羅盤上的指針 。
研究團隊發現，當果蠅處於一個高對比度、資訊豐富的視覺環境時，EPG 的活性 Bump 會發生顯著變化 (如圖一所示)：
• 當環境資訊很明確時（例如看到高對比度的地標）： EPG 的活性波形會變得「又高又瘦」（Amplitude 高，Width 窄）。這代表神經元們異口同聲，非常確定方向，雜訊很低。
• 當環境資訊模糊時（例如光線昏暗）： 波形會變得「又矮又胖」。這代表神經元們有點猶豫，意見不集中。
 |
| 圖一、Bump的結果示意圖。 |
這就像是在統計學中的機率分布，當我們很確定時，高斯分布會變得又高又瘦；當我們不確定時，分布就會變得又矮又胖。這背後的物理基礎在於赫布可塑性（Hebbian Plasticity）。當一個視覺線索很強且穩定時，大腦會透過長期抑制機制，在神經連結的權重矩陣上「刻」出一道深深的凹痕（Notch）。這道凹痕就像是一個深深的河道，把神經活動牢牢地鎖在特定的位置，讓羅盤變得極度精準且穩定。
2. 誰是老大？「最後看到的」說了算！
先看視覺地標還是先感受風，大腦的反應會一樣嗎？
為了回答這個問題，研究人員設計了一個精巧的實驗順序 (如圖二所示)：
a. 先給果蠅看 Cue A（例如：視覺）。
b. 接著讓 Cue A 和 Cue B（例如：風）同時出現。
 |
| 圖二、實驗流程及圖象化示意圖。 |
結果發現，果蠅的大腦具有強烈的「近期熟悉偏好（Recency/Familiarity Bias）」，剛看完誰，就信誰： 如果果蠅剛剛才適應了視覺環境，進入雙重線索環境後，神經羅盤（Bump）就會繼續跟隨視覺，而強迫「風」的訊號去配合視覺進行校正 。
這意味著，大腦在面對感官衝突時，採用的策略是：「維持我原本熟悉的認知，並修改新進來的資訊以符合舊經驗。」那個「最熟悉的線索」會變成教師，指導大腦去重新改寫（Remap）其他感官的輸入線路。這解釋了為什麼大腦能保持導航的一致性，不會因為突然出現的新訊號而瞬間迷失方向。
3. 「固執」與「好學」的權衡
這篇論文最精彩的部分在於探討了學習。研究人員創造了一個「顛倒世界」，讓果蠅向右轉時，視覺景物反而向左轉（與預期相反）。果蠅必須學會重新映射它的視覺輸入。
結果發現了一個驚人的相關性：
• 那些原本 Bump 較寬（較不確定） 的果蠅，學得比較快！
• 那些原本 Bump 較窄（很確定） 的果蠅，反而難以適應新環境 。
這揭示了神經系統中的一個基本權衡：穩定性 vs. 靈活性（Stability-Flexibility Tradeoff） 。 一個高度穩定的網路（窄 Bump）能抵抗雜訊，提供精準的導航，但它也變得「固執」，難以根據新資訊修正權重；相反地，一個較不穩定的網路（寬 Bump）雖然雜訊較多，但卻擁有極佳的可塑性。
這告訴我們：有時候，保持一點「不確定性」並不是壞事，那正是大腦保持開放與學習能力的關鍵。
AI 使用聲明：部分內文由 NotebookLM協助編輯
撰文：黃品喆
原始論文：Original Paper: Basnak, M. A., et al. (2025). Multimodal cue integration and learning in a neural representation of head direction. Nature Neuroscience, 28, 1729–1740.
留言
張貼留言