燒掉 15 顆神經元，老鼠照樣拿得到水，卻從此變成了 NPC：大腦的「身體感」原來一直在做卡爾曼濾波
故事的開頭是這樣的：半夜兩點，你口渴醒來，決定不開燈，摸黑去廚房倒水。
你其實是在做兩件事。第一件是預測：你記得床到門口大概幾步、門把在腰的高度，所以腳還沒踩下去，腦子已經先「算好」手應該會在哪裡。第二件是修正：手指碰到牆、碰到冰箱門，你就順手把剛剛的猜測拉回來一點。
真正有意思的，是這兩件事要怎麼分配比重。怎麼說？
現在，讓我們來講個暗夜驚悚情節：
當你不經意的一摸，猛然發現你平日再熟悉不過的牆，此時摸起來，怎麼跟記憶不一樣時，一股無以名狀的恐懼與不適，順著原始的本能從無邊的黑暗之中爬上你的脊椎與後頸。就在這個 moment，你要信記憶，還是信手指？（本文為科普性質，這邊假設 SAN 值沒有歸零、沒有提供「你要信古神」這種超自然的選項。）信太多記憶，你會一頭撞上上個月才搬過來的書架；信太多手指，你會被每一個凸起的插座嚇得原地重新規劃人生。
摸黑也走得到廚房，靠的是大腦的本體感（proprioception）：不用眼睛看，也知道自己的手腳在哪、往哪動。那它到底在算什麼？我們同系列上一篇文有提到，2024 年瑞士洛桑聯邦理工學院與美國西北大學的團隊的研究，結論是本體感在算的，就是「手現在在哪、跑多快」。但還沒完！請各位不要以為問題已經完全解完準備關閉這篇文章，想想看，知道「在算什麼」之後，當然還有下一個問題：那到底這個本體感的真身究竟是誰？誰在算？算的又是哪一步？
本篇要講的主角就是 2026 年 7 月，瑞士弗里堡大學 Mario Prsa 實驗室在 Current Biology 給了一個相當漂亮的答案：他們在小鼠的初級體感覺皮質（S1）裡，找到一小群負責「決定要多相信感覺」的神經元，並且如果我們用工程師的話來形容，那就是在算一個「卡爾曼增益」。
一、摸黑倒水的數學：卡爾曼增益是一個「信任度調節閥」
先把廚房翻譯成數學。控制理論裡有一個經典架構叫最佳回饋控制（Optimal Feedback Control，OFC），它把「動一隻手」分拆成三個零件：
1. 控制器：根據「我現在估計手在哪」下指令。
2. 內部前向模型：根據剛下的指令，預測手下一刻會跑到哪。
3. 狀態估計器：把預測和感覺回饋混在一起，得出「手現在在哪」的最佳猜測。
其中第三個零件的核心就是這條式子：
x̂ = x* + K ( y − Ĥ x* )
x* 是內部預測，y 是感覺回饋，括號裡是「感覺跟預測差了多少」，而 K 就是標題中講到的卡爾曼增益：決定這個落差要被聽進去幾成。簡單來說你各位桀驁不馴放浪不羈愛自由的各位大概就是K=0，不過夠了！買菜找零都在解 Riccati 方程的數學小神童們，請把計算紙收好。我們沒有要繼續討論這些，畢竟字數限制又不是三千萬字，建議各位下次在宮廟彩排陣頭當下，拜請降駕的各路神明當即開示推導過程即可。
總之一句話：K 大＝相信手指，K 小＝相信記憶。好，我們拉回來看這群老鼠。
二、量尺可不能自己亂漂：要先確認這群神經元站得穩
本體感的原始資料，有很大一部分來自肌肉裡的肌梭。正如同本系列前一篇文我們講過，你可以把它想成貼在每條肌肉上的捲尺，隨時回報肌肉被拉長了多少、拉得多快。捲尺的讀數一路往上送，最後在大腦皮質被讀出來。但問題是：皮質裡負責讀捲尺的那群人，自己會不會漂？
這不是多慮。神經科學近年有個熱門名詞叫表徵漂移（representational drift）：很多腦區的神經元總是見異思遷心猿意馬，今天喜歡往左、下個月可能就改喜歡往上。如果本體感神經元也這樣，它們就很難當作穩定的回饋來源。
作者用雙光子鈣影像，在 8 隻小鼠大腦 S1 第 2/3 層追蹤同一批神經元，前後間隔 9 ~ 72 天。刺激方式是讓老鼠握住一支機械手把，由機械手把被動把前肢推往 8 個方向。結果：初次找到的 116 顆本體感神經元，第二次仍有 92 顆照常反應、約兩成退出；方向偏好有明顯改變的不到1/4，且大多不超過 40 度。更關鍵的是，這些變動跟間隔天數無關，不是「練越久改越多」。
好吧，幸好結論是這群讀捲尺的人，大致上是同一批人、並且用同一套標準在讀，這算是個好消息，故事還可以繼續下去，沒有定格在今年夏天。
三、燒掉 15 顆之後：老鼠對伸手這件事產生了僵化現象
幸福總是脆弱，接著是整篇最狠的地方。作者先確認哪些神經元是本體感型，再把雷射焦點對準它們的細胞本體，用 920 奈米飛秒雷射、500 毫瓦、每顆最多 10 秒，一顆一顆精準燒掉。平均每隻燒掉 14.7 ± 7 顆，共 6 隻小鼠。精準打擊，就是十幾顆、不是一整片（整片皮質少說幾十萬顆神經元，只挑十幾顆下手，精準度大概等於在夜市撈金魚，指定只撈左邊數來第三隻）。
任務很簡單：讓老鼠從一個小窗伸出前肢，去拿一滴水。兩台每秒 100 格的相機從兩個角度拍，重建出爪子的 3D 軌跡。結果乍看之下一如往昔，什麼事情都沒發生的感覺，成功率沒變、路徑總長度也沒變。但接著作者把軌跡疊起來看，這時差別就跳出來了：每一次伸手的路線，變得愈來愈像同一條。
作者於是把一整個 session 的軌跡做主成分分析，看前3個主成分能解釋多少變異，當作「僵化指數」。燒完之後這個指數顯著上升。換句話說，老鼠像是變成了zombie…或像是遊戲裡的 NPC…還是應該說像zombie NPC？總之現在的老鼠：任務照樣完成，巡邏路線卻每天都一模一樣。更怪的是，起手的位置跟以前一樣，愈到動作尾段，軌跡在空間上反而愈分散。（見圖一）又散、又死板，聽起來矛盾，作者認為這組矛盾正是下一節要抓的犯人留下的指紋。
值得一提的是，作者把動作切成伸出、抓取、收回三段（三段的「峰值速度對振幅」斜率差很多：抓取約 11.1，伸出與收回只有 2.0 和 2.3）。燒除之後，三段的斜率與振幅都不變，沒有伸過頭，也沒有伸不到。
 |
| 圖一、鼠手抓水照以及伸抓收三步驟軌跡圖、成功率、軌跡長度、僵化指數。 |
四、六個嫌犯，到底誰才是真正的兇手？
那…到底是誰、是誰害得可憐的阿鼠，必須放棄追尋世界一流舞者的夢想呢？在這場密室(鼠腦)懸案中，名偵探作者把 OFC 模型擴展到三維（見圖二），模擬同樣的伸手任務，然後把嫌疑犯一個一個拉出來審問（逐步調低其值看結果怎麼改變）：
-- 1號容疑者 – 大樓管理員Luke（回饋增益 L）：調低之後老鼠會伸過頭，路徑變長、錯誤變多。不符。
-- 2號容疑者 – 公寓房東Helen（感測矩陣 H）：同樣變成伸過頭。不符。
-- 3、4、5號容疑者 – 同層住戶Amanda、Bella、Henry（內部前向模型 A、B、Ĥ）：只要比最佳值低不到兩成，軌跡就直接失控。不符。
--6號容疑者 – 昨天班機剛抵達就拿出裝滿金條公事包付房租辦理入住臉上有刀疤左手是義肢的房客Калашников（卡爾曼增益 K）：調低之後，刻板度上升、路徑長度與成功率不變，一直撐到 K 被砍掉約一半以上才開始出事。完全符合。
六個嫌疑犯，真相只有一個！
為什麼 K 變小會讓動作變刻板？因為在正常情況下，感覺回饋本身帶著雜訊，而大腦會認真聽取這些帶雜訊的回報，所以每一次伸手都會被推出一點點獨一無二的修正。這些修正，就是我們看到的「自然變異」。
K 一變小，大腦直接拒絕溝通。預測跟感覺不一樣時，當然選擇相信自己！就像五月天說的「當我和世界不一樣，那就讓我不一樣[1]」。每一次的個別修正變少，軌跡就退回那條預先規劃好的標準路線。至於動作之所以沒有伸過頭，則是因為前向模型的內部預測，把缺掉的感覺補了上來。
不過這套解釋也有它沒辦法包含到的地方。燒除之後，抓取與收回的峰值速度變高，但單純調低 K 重現不出來。作者在這邊老實承認，這可能是燒除的旁及效應，例如波及到第 5 層往脊髓的輸出，或是 S1 往運動皮質的連線。
 |
| 圖二、作者提出的OFC模型架構示意圖。 |
五、把整團請下台，就聽不出是誰走音
最後一個對照組很有教育意義。作者開了地圖砲，改用高功率雷射，把 S1 裡整片本體感地圖（4 個位點）大範圍燒掉（5 隻小鼠）。
結果，僵化程度上升的現象消失了。取而代之的是：伸出和收回都變得伸不夠，老鼠乾脆把起手位置挪得更靠近水滴來補償，所以成功率倒是仍照樣維持。粗的破壞會把細的功能蓋掉。總之就是一個想知道樂團裡是誰走音，結果把整團請下台，你只會聽到一片安靜。
至於 S1 的回饋是什麼時候上場，作者用了一個很現代的法醫手段：訓練 LSTM 分類器（本科普系列的糾葛），讓它看軌跡猜「燒除前還是燒除後」，換 199 次隨機切分重複訓練。三段都猜得出來，但抓取與收回比伸出好猜；而且把伸出段拿掉，準確率不掉，把收回段拿掉，準確率就明顯下降。
這就很像開車正在倒車入庫的過程：前半段憑手感打方向盤，一路倒到底；最後三十公分，才開始盯著後視鏡一點一點修。伸出偏向皮質下的自動駕駛，抓取與收回才輪到 S1 上場精修。
結語
1. S1 這群本體感神經元不是傳聲筒，是信任度調節閥。它們在最佳回饋控制裡扮演的角色最像卡爾曼增益：決定感覺回饋要被聽進去幾成。
2. 自然變異不是雜訊垃圾，而是「有在聽」的證據。拿掉這群神經元，動作沒有變差，只是變僵化；變異消失，代表大腦少聽了世界說的話。
3. 精準操弄與大範圍破壞，會講出兩個不同的故事。燒掉十幾顆看到的是狀態估計失靈；燒掉整片，這個訊號反而被蓋掉。
4. 皮質回饋是分時段上班的。伸出靠自動駕駛，抓取與收回才是 S1 的主場。
最後，照例留一個開放問題給各位親愛的看官：如果每次都不一樣的伸手路線，是大腦「有在聽」的證據，那我們平常嫌棄的手抖、每次都不太一樣的投籃弧線，會不會其實才是健康的訊號？反過來，一個動作精準到每次都完全一樣的人，或一台機器人，是不是其實已經不再聽世界說話了？
AI 使用聲明：部分內文由 Claude協助編輯
撰文：鄭主佑
原始論文：Palacio-Manzano M, Scheer I, & Prsa M. (2026) "Proprioceptive cortical neurons implement optimal state estimation". Current Biology, 36(14), pp.3623–3635.e6.
留言
張貼留言