Single neuron studies of inferior temporal cortex

一句话定位：这是 Charles Gross 在晚年对自家实验室 1965 年起猴下颞叶（inferior temporal cortex, IT）单细胞记录工作的回忆式综述——当年正是在这里首次发现对"手"和"面孔"有选择性的神经元。它既是一篇科学史散文，也系统总结了 IT 神经元的六条基本反应特性，并把Single-cell 电生理一直讲到人类包括海马在内的"名人细胞"和猴 fMRI 面孔斑块，读它能明白"面孔细胞"这个概念的来龙去脉。

研究背景

Gross 的出发点是一个当时颇为反直觉的事实：IT 皮层距离初级视皮层（striate cortex）那么远，凭什么说它是视觉区？此前 Weiskrantz、Mishkin 等人在猴子身上已经证明，切除 IT（即细胞构筑区 TE）会带来 Klüver-Bucy 综合征中的"精神性失明"成分——视觉学习和记忆的选择性障碍，而温顺、性欲亢进等其余症状归因于杏仁核损伤；IT 损伤不影响其他感觉通道的学习，也不损害视力、视野等基本视觉功能，因此属于视觉失认（visual agnosia）而不是感官缺陷。后来人们弄清了 IT 的视觉功能依赖一条从纹状皮层出发、途经 V4、TEO 等多个视觉区的多突触皮层通路。

但行为学证据之外，IT 神经元本身"看"什么，几乎没人知道。当时正是 Hubel 和 Wiesel 用单细胞记录横扫皮层功能的年代，Gross 决定把这项技术搬进 IT 研究却连微电极都没摸过，于是借 Teuber 之劝与做听觉系统的 Gerstein 合作搭起了电生理实验室（后来 Peter Schiller、David Bender、Rocha-Miranda 相继加入）。另一段背景则纯属机缘：Konorski 1967 年就预言 IT 里存在对面孔、表情、身体部位等类别敏感的"认知神经元"（gnostic neurons），Teuber 又常在系里讲颞叶损伤后的面孔失认症（prosopagnosia）——这些"氛围"让这组人比同行更容易注意到复杂刺激引发的反应，也埋下了后来受同行质疑的伏笔。

研究思路

作者的策略是把行为学的损毁证据推进到神经元水平：先用麻醉动物证明 IT 细胞确实对视觉而非听觉刺激反应，再回到清醒动物的任务中看注意与记忆调制的迹象，最后干脆用固定头位的准备仔细描绘感受野。他们坚持用真实物体（手、面孔，甚至马桶刷）当刺激，而不是光栅或斑点，逻辑是：如果一个区域参与物体识别，就必须知道它对"物体"作何反应——哪怕当时主流认为这类刺激"不标准"。发现面孔/手选择性细胞之后，全文的核心论证转向一个问题：这些细胞是不是传说中的"祖母细胞"？作者通过对单个细胞跨 68 张图像的反应分布、对群编码证据的梳理，以及对人类内侧颞叶同类数据的引用，系统地把"一对一表征"的强主张卸下来，换成群体编码的解释框架。

方法

被试为猕猴。早期在麻醉动物上做单细胞记录（Gross 等 1967 年的工作证明 IT 只对视觉刺激反应），方法改为：早期在麻醉动物上进行单细胞记录；随后在清醒行为猴的延迟样本匹配和注意任务中观察到注意与记忆调制的迹象；为区分注意效应与感受野包含中央凹的影响，其后回到制动（immobilized）准备，更仔细地测绘视觉感受野。研究思路中的“固定头位的准备”同步制动（immobilized）准备。，并在清醒行为猴上用"延迟配对取样"（delayed match from sample）之类的任务观察 IT 活动的注意与记忆调制。刺激呈现方式颇具时代感：幻灯片投到注视点中心持续 2.5 秒，或者让三维实物模型和纸剪影以约 1.2°/s 的速度横穿一个以注视为中心 15° 的窗口；另有马桶刷之类"实验品味独特"的物体（Fig. 5）。分析以逐刺激累积的直方图（5 次试验）和"呈现期放电率减去前置期放电率"的差值为主。综述后期部分转述了灵长类（包括人）内颞叶单细胞记录（如 Quiroga 等 2005 年名人细胞的研究）与猴、人 fMRI 面孔成像实验的设计与结论，文中未详述这些研究的具体技术参数。

主要结果

• 六条基本感受野特性（对应正文对早期工作的总结）：IT 细胞有视觉感受野但完全不视网膜对应定位；几乎所有感受野都包含注视中心且对中央视野刺激反应更强；感受野极大（中位数约 25 平方度，有些覆盖大半视野）；近半数感受野越过中线伸入同侧视野——这在视皮层里是第一次，且依赖胼胝体和前连合；反应偏好复杂形状/颜色而非光点光缝；对大小、对比、颜色、位置的变异保持相对不变的"形状恒常"式反应。
• 第一只"手细胞"：对以注视点为中心扫过 15° 窗口的各刺激排序，反应强度不与任何简单物理维度对应，而与"像不像猴手的影子"对应；真实三维手模型最强，去掉手指或重排手指反应下降，"连指手套"式剪影也弱，与人手模型相对照（Fig. 1）。这一结果直接回应了"你们只是在看光栅"的质疑。
• 三类面孔细胞：一类对正脸反应最强、去掉眼睛或嘴反应减弱，像在汇总面孔部件；一类只对完整面孔反应、随朝向选择性变化；第三类任何朝向都行但必须要完整面孔。前两类被称作"以观察者为中心"，第三类"以物体为中心"（Fig. 2、Fig. 3）。STP 区（上前颞沟背岸）也有面孔单元，且部分细胞对生物运动敏感（Fig. 4）。
• 面孔细胞不是祖母细胞：单个 IT 神经元对 68 张面孔与非面孔图像呈连续分布的反应谱——对面孔的反应有强有弱，非面孔中也并非全无反应（自发率 20 s⁻¹）（Fig. 7）。面孔编码靠一群细胞的不同放电模式拼出来，属"粗编码/群体编码"。但细胞层面给"一只细胞一个概念"留了活口：人类右前海马的一个单元对某位女演员各种装扮的相片、乃至她的名字字母串都反应（Fig. 8）。
• 面孔功能簇的成像证据：猴 fMRI 显示面孔显著激活 STS 附近 IT 皮层的小而分离的区域（Fig. 9），与"面孔细胞在 STS 附近密度 20–30%、他处约 5%、并聚成 3–4 mm 宽的斑块"的单细胞数据吻合；Tsao 等 2006 年在一个 fMRI 定位的"面孔热点"内记录，发现几乎所有视觉反应细胞都是面孔选择性的——性质上类似人类"梭状回面孔区"。

图注解读

图 1 · 手细胞：对"手形"的反应层级

原文图注：Fig. 1. Responses of an IT neuron that responded more strongly to hands than to any other stimulus tested. (A) Comparison of responses to hand-like and other patterns. Stimuli were a 3D model of a human hand, a cutout with the shape of the hand model, a cutout with the shape of a monkey hand, a cutout with the shape of a monkey hand with the inter-digit spaces removed ("mitten"), a partially scrambled photograph of the model of the back of the human hand, two "grating-like" hands, a 3D model of a human face and a rectangle. Stimuli were randomly interleaved and moved at 1.2°s−1 from contralateral to ipsilateral into a 15° window centered at the fovea as indicated by the horizontal lines. The histograms were based on five trials. (B) Responses to the hand cutouts in different orientations.

这张图读法：A 里每一格是一种刺激的放电直方图，横线标出刺激以 1.2°/s 扫过 15° 注视窗口的时间，直方图基于 5 次试验。反应强度的排序是——三维手模型 > 手形剪影 > 去掉指缝的"手套"剪影 > 打乱的手背照片 > 类光栅"手" > 长方形；B 进一步显示不同朝向几乎不影响反应（除非断腕那侧先进入视野）。它支撑"IT 存在对手形选择性、而非对简单物理特征反应的神经元"这条核心结论，也顺便堵住了"把手当作特殊空间频率光栅"的解释。

图 2 · 正脸细胞：拆掉部件反应降、朝向调反应

原文图注：Fig. 2. Responses of an IT neuron that responded more strongly to the front view of faces than to any other stimulus tested. The stimuli were interleaved colored slides projected centered on the fovea for 2.5 s indicated by the horizontal lines under each histogram. (A) Responses to a monkey face in different degrees of rotation. (B) Comparison of responses to faces, to faces with components removed and to a hand.

读法：刺激是随机交替投到注视点的彩色幻灯片，横线下方标出 2.5 s 呈现期；上方折线/柱图给出"呈现期减前置期"的净放电率。A 显示同一张猴脸旋转角度不同反应不同，正脸最强；B 显示拿掉眼睛或嘴会让反应掉一截，手刺激则远低于任何面孔。这对应文中"第一类细胞像在求和各部件信息"的结论：部件敏感性 + 朝向敏感性。

图 3 · 侧脸细胞：只认完整侧脸

原文图注：Fig. 3. Responses of an IT neuron that responded more strongly to profiles of faces than to any other stimulus tested. See also legend of Fig. 2 (after Desimone et al., 1984).

读法与 Fig. 2 同一套呈现与统计方式，差别在于这只细胞的最优刺激是侧脸轮廓而非正脸。它和 Fig. 2 一起构成"面孔细胞内部也有分化"的证据：不同细胞偏爱不同视角，而面对只含部件的刺激则保持沉默。

图 4 · STP 区的面孔单元

原文图注：Fig. 4. Responses of a neuron in the superior temporal polysensory area (i.e. in the dorsal bank of the anterior superior temporal sulcus) that responded better to faces than to other stimuli. Removing the eyes from the face or presenting a caricature elicited a reduced response. Cutting the face photograph into segments and rearranging the segments eliminated the response. The receptive field is shown on the lower right, C, contralateral, I, ipsilateral (Bruce et al., 1981).

读法：这是 IT 背侧上方、前上颞沟背岸的 STP（上颞多感觉区）细胞，右下图给出感受野（C=对侧、I=同侧）。人猴面孔都诱发相近反应、大小不影响反应，而去掉眼睛或换成漫画反应打折；最戏剧性的是把人脸照片剪碎重排后反应消失——完整性而非"人脸像素含量"才是关键。这张图支撑 STP 与 IT 面孔细胞共享同一套基本性质的论断。

图 5 · 马桶刷细胞：影子也够用

原文图注：Fig. 5. Responses of an IT neuron that responded strongly to an oval brush. Shadows of the brush shown on the left also elicited strong responses. Presence of the handle, direction of movement and location within the receptive field (which extended 30° in all directions from the center of gaze) appeared irrelevant. Other shadows such as those shown on the right elicited weaker responses. The horizontal line indicates when the stimulus was moving through the receptive field at 8°s−1 and the numbers are the mean rate of firing during that period.

读法：左侧刷子的影子都能引发强反应，把手有无、运动方向、感受野内的位置（感受野从注视点向四周延伸 30°）统统不重要；右侧其他影子反应弱。横线标出刺激以 8°/s 穿过感受野的时段，数字是该时段平均放电率。作者自嘲说这张图"可能很难给我们早期的报告增加公信力"——但它恰恰是"IT 细胞认形状轮廓而非低级特征"的漂亮证明。

图 6 · Konorski 的"认知野"预言图

原文图注：Fig. 6. Konorski's (1967) illustrations of "particular categories of visual stimulus objects probably represented in different Gnostic fields" in inferior temporal cortex.

读法：这是 Konorski 1967 年书中的插图，示意他认为可能"由不同 Gnostic 野分别表征"的视觉类别清单（面孔、表情、身体部位、简单物体、场景等）。它出现在文中不是数据图，而是历史道具：作者借它交代自己早已在心里装着"IT 里有类别神经元"的预期，这正是他们在 1960 年代末就愿意拿手和脸当刺激的原因。

图 7 · 一个细胞对 68 张图的反应分布

原文图注：Fig. 7. Distribution of different strengths of response of one IT neuron to 68 faces and other images. F, stimuli that are front views of a face; P, face profiles; B, images that included a small face within a scene, sometimes including a whole person or other body parts. The non-face images are not labeled. The spontaneous rate of this neuron was 20 s−1 (Rolls & Tovee, 1995).

读法：横轴大致把 68 个刺激按反应强度排开，纵轴是反应强度；F=正脸，P=侧脸，B=场景中含有小面孔（含全身或其他身体部位），非面孔不标注。看点是"梯度"而非"开关"：正脸反应最强，侧脸次之，B 类再次，部分非面孔也有反应，而非全或无。自发率 20 s⁻¹ 作对照。这正是反驳"祖母细胞"的直接证据——编码靠细胞群的模式，而非一对一。

图 8 · 人类海马里的"Halle Berry 细胞"

原文图注：Fig. 8. A single unit in the human right anterior hippocampus that responds to different pictures of the actress Halle Berry including in costume and to the letter string of her name but not to other facial images or letter strings (Quiroga et al., 2005).

读法：图中的小格把刺激逐一列开，涵盖该演员不同装扮、不同场景的照片以及她的名字字母串——全部诱发反应；其他名人面孔与名字则均无效。这满足"祖母细胞"的字面标准——跨形态、跨视角的同一个概念。作者把它摆在这里很克制：它出现在人内侧颞叶而非猴 IT，因此既撼动了"IT 里没有祖母细胞"的类推，也提示这种跨视角、跨形态的高级表征可能真的存在。

图 9 · 猴颞叶面孔功能区的 fMRI 定位

原文图注：Fig. 9. Face-selective representations in monkey temporal cortex. (Left) Flattened cortical surfaces and coronal slices in monkey M1 depicting voxels activated significantly more by faces as compared to objects. (Right) Approximate locations of the coronal slices are indicated on a sagittal slice with distances from the interaural line (mm) noted. Scale indicates Z-score values of functional activity in colored regions. RH, right hemisphere; LH, left hemisphere; ls, lateral sulcus; sts, superior temporal sulcus; ios, inferior occipital sulcus; pmts, posterior middle temporal sulcus; mts, middle temporal sulcus; amts, anterior middle temporal sulcus; ots, occipital temporal sulcus.

读法：左图是把皮层展平后的表面图和冠状切片，彩色体素表示"面孔 > 物体"显著激活的 Z 分数；右图以矢状位标出各冠状切片距双耳连线（interaural line）的毫米数，缩写标出外侧沟、上颞沟等解剖标志。看点是激活呈小而分离的斑块，落在 STS 附近——把单细胞时代的"面孔细胞密度稍高区域"升级为可重复的功能镶嵌结构，也为猴、人（梭状回面孔区）之间的跨物种对应提供桥梁。

讨论

作者的核心立场有两层。第一层是给六十年前的自己"平冤"：IT 细胞的六条特性在当时被冷落了约 12 年才等到 Rolls、Perrett、Richmond 与 Wurtz 等人的系统复制，面孔/手细胞的遭遇更甚，部分原因是"你的最优刺激找不到"这类反 Hubel-Wiesel 的定性、加上马桶刷这样的非常规刺激确实难登大雅之堂。第二层是概念澄清：无论 Konorski 的 gnostic 细胞还是 Lettvin 的"祖母细胞"，其"一只细胞一个概念"的强解释都被生理数据否定——IT 响应分布连续、靠群体模式编码——但 Quiroga 等人在人内侧颞叶的发现提醒我们，这种表征形式未必在所有脑区都不存在。作者还借 Afraz 等 2006 年的微刺激实验强调 IT 面孔细胞的因果作用：刺激面孔神经元集群会让人猴更倾向于报告"看到脸"，且这种偏移有空间与时双重特异性。讨论末尾作者坦然列出未决问题——不同区域（IT、STP、杏仁核）面孔细胞的分工、细胞可塑性的机制、面孔细胞复合体与面孔失认症和自闭症的关系——像是给后来者留的作业。

一句话总结

在我看来，这篇文章最大的价值不是六条特性本身，而是作者如实讲出了"预期如何塑造发现"的全过程：如果没有 Konorski 的预言、Teuber 的失认症故事和隔壁的青蛙探测器，那群人未必会拿手和脸去挥。单细胞水平的面孔选择性从被嘲笑到被 fMRI 斑块印证，轨迹本身就说明——当证据与主流范式不合时，能撑过来的只有重复实验，而不只是漂亮的理论。至于真正跨形态的祖母细胞到底存不存在，我的判断是：猴 IT 的答案基本是否定的，但人类内侧颞叶的个案让它不完全死心。