Information accumulation over time in monkey inferior temporal cortex neurons explains pattern recognition reaction time under visual noise

（刊期备注：Zotero 与 doi 均记为 2016（doi:10.3389/fnint.2016.00043），期刊页面标注在线发表日期为 2017 年 1 月 12 日。）

这篇短文把"猴子认图越来越慢"与"神经元携带的信息累积得越来越慢"放到同一把尺子上量：给识别任务逐级加视觉噪声，猴子错误率几乎不涨、反应时却显著拉长；与此同时，TE 区神经元携带的刺激选择信息随时间累积的速率同样随噪声变慢，把群体平均信息达到阈值的时刻与行为反应时对齐后，两条曲线跨六个噪声水平几乎重合。它用互信息（mutual information）作桥梁，为"IT 群体信息的随时间累积支撑知觉决策"提供了一个行为—神经直接对照的定量案例。

研究背景

TE 区（area TE，即猴下颞叶皮层的主体部分）被认为是复杂物体识别的视觉信息加工晚期阶段。灵长类（包括人）只需瞥一眼就能识别视觉图形，而且对退化、模糊图像有相当的容忍度——就像隔着落满雨滴的玻璃窗、或透过雪雾看东西仍能认出目标。此前 Shidara 与 Richmond（2005）用同一套黑白图形已经确立了行为学事实：随着叠加在图形上的视觉噪声增多，猴子维持识别正确率的方式是花越来越多的时间做决定，也就是"以时间换准确"。神经元这一端，TE 神经元对复杂图形有选择性反应、其信息可被快速读出（Hung 等 2005）也是已知结论。缺口在于：还没有人在噪声逐级变化的同一任务里，把 TE 神经元携带的刺激识别信息随时间的累积过程与行为反应时直接对照——"时间换准确"的神经对应物究竟是什么，正是本文要回答的。

研究思路

作者的策略是把行为与神经各自的时间过程都画成"随噪声水平变化的累积曲线"，再让它们对齐比较。行为端用序列延迟匹配样本（delayed match-to-sample, DMS）任务，测错误率与反应时两个指标——错误率对噪声不敏感而反应时敏感，这一分离本身就暗示猴子在用时间换取信息。神经端记录 TE 单细胞，用互信息随扩展时间窗的增长曲线刻画"信息累积速率"，再定义信息升至某阈值所需的时间（information latency），与行为中位反应时逐噪声水平对照。逻辑链是：如果噪声减慢的是信息累积本身（而不是反应的启动），那么信息累积越慢、猴子决策越慢，两条曲线的形状应该一致；而若噪声只是推迟了反应起始，则潜伏期应随噪声增加。这个设计让"累积说"与"延迟说"可以被数据判别。

方法

被试为 2 只成年雄性恒河猴（5–7 kg，编号 G 与 S）。序列 DMS 任务的流程：猴子握杆后注视点（0.83×0.83°）出现 500 ms，随后依次呈现 2–5 个图形（各 10×10°，居中，每个呈现 500–1000 ms，刺激间隔 200–1000 ms），第一个为样本，其余 1–4 个为非匹配或匹配测试图形；以获奖励。（或括注"奖励类型原文未说明"）。样本图形永远无噪声；测试图形上叠加噪声的方式是：整屏铺满 1 像素黑白随机点底纹，再把图形上 3×3 像素块整体黑白翻转，使被翻转像素占 5%、10%、15%、20% 或 25%。记录 session 内则固定。8 个黑白图形为 48×48 像素。

猴子达到总体正确率 80% 以上后手术植入记录柱（MRI 确认电极达 TE 腹侧）与巩膜搜索线圈，注视窗 10° 或 20°，用钨微电极（1.5–1.7 MΩ）做单细胞记录。共记录 37 个神经元（G 猴 19、S 猴 18），其中每个噪声水平下试次充足的 13 个（G 7、S 6）进入分析；神经元的"有反应"判据为样本起始后 50–500 ms 的平均锋数对至少一种样本显著高于试间基线（t 检验，p<0.05）。反应起始潜伏期用高斯脉冲（σ=10–30 ms）卷积得到的 spike density function 测定，定义为匹配图形出现 50 ms 后发放首次超过其前 50 ms 间期反应均值 ±2 SD 的时刻。信息分析：以 8 种图形与匹配图形期的锋数计数为变量计算互信息，本任务可传信息上限为 log2 8 = 3 bits；条件概率 P(s|r) 由神经网络做名义回归（类似 logistic 回归、注意防过拟合）估计；时间窗从匹配刺激起始后 50 ms 起、以 8 ms 步长扩展至 500 ms；信息潜伏期取信息达到某阈值所需时间，阈值 0.084 bits 由与行为反应时的最小二乘最佳拟合确定。统计分析用 R 完成。

主要结果

1. 行为上"时间换准确"：错误率在所有噪声水平都很低，25% 噪声时正确率仍在 80% 以上；相邻噪声水平间只有 5↔10% 与 20↔25% 两处的错误率差异显著（卡方检验，FDR 校正），误报（非匹配时松杆）与漏报（匹配时不松杆）除 25% 水平外无显著差别（图 2A–C）。与之形成鲜明对照，中位反应时除 0↔5% 外随每一级噪声显著增加（Wilcoxon 秩和检验，FDR 校正，图 2D,E），且趋势与 Shidara 和 Richmond（2005）一致。

2. 神经元基础反应有选择性但形态分两型：13 个 TE 神经元在 0% 噪声下对 8 种匹配图形呈选择性反应（图 3）。两例示范中，一例对某图形反应最强、随噪声增大而减弱（图 4A，7/13 神经元属此型），另一例则在特定噪声水平下反应反而更强（图 4B，其余 6 个）。

3. 反应起始潜伏期不随噪声变化：匹配图形诱发的起始潜伏期在六个噪声水平间无显著差异（Kruskal-Wallis 秩和检验，df=5，p=0.7267，图 5）。这说明噪声没有推迟"发令枪"，而是拖慢了其后的信息积累——直接支持累积说而非延迟说。

4. 单细胞信息随时间累积、但解释不了行为：全部 13 个神经元在所有噪声水平上互信息都随时间上升；图 4A 所示神经元的信息累积速率随噪声增大而变慢，图 4B 所示神经元则不然；其余神经元的逐型累积—噪声关系原文未逐一报告，噪声减慢累积是对 13 个神经元总体而言的。但单个神经元的信息潜伏期与行为反应时并不对应（图 6C,D，即便为对齐加上了 336/261 ms 的常数）。

5. 群体平均后神经—行为对齐：把 13 个神经元的互信息平均，达到 0.084 bits 阈值所需时间随噪声从约 180 ms（0% 与 5% 噪声）延长到约 350 ms（25% 噪声，与 Hung 等 2005 的读出时间尺度相近）；给信息潜伏期统一加上 220 ms 常数后，与中位行为反应时在六个噪声水平上高度吻合（图 7B），即噪声引起的"信息变慢"与"行为变慢"幅度大约相同。

图注解读

图 1 · 序列 DMS 任务与噪声条件

原文图注：FIGURE 1 | Sequential Delayed Match to Sample (DMS) task with visual noise. (A) The procedure of sequential DMS task. The example shows a 10% noise level. (B) Six noise conditions (0, 5, 10, 15, 20, and 25%) were prepared for each of eight stimulus patterns. All stimulus and noise patterns were shown in Shidara and Richmond (2005).

这是任务示意图：A 栏以 10% 噪声为例演示流程——样本出现后接续非匹配与匹配图形，猴子须在匹配图形出现后松杆；B 栏列出同一图形在 0–25% 六档噪声下的样子，噪声表现为黑白像素块的随机翻转。读图时注意样本图形始终无噪声、噪声只出现在测试图形上，以及翻转是以 3×3 像素块为单位——这决定了"25% 噪声"指的是被翻转像素的比例。这张图是理解全部实验条件的基础。

图 2 · 行为表现：错误率与反应时

原文图注：FIGURE 2 | Behavioral performances. (A) Error rates averaged between two monkeys. Asterisks indicate the significant difference between adjacent noise levels (Chi-squared test; p < 0.05, p-values adjusted for multiple comparisons using the FDR procedure). (B) Error rates for each pattern. Black, red, green, blue, aqua blue, and purple curves indicate the error rates in 0, 5, 10, 15, 20, and 25% noise levels, respectively. (C) Errors divided into false alarm (bar release error in non-match presentation) and miss (not releasing the bar during match presentation). Asterisk indicates a significant difference between false alarm and miss in the same noise level (Chi-squared test; p < 0.05). (D) Median reaction time averaged between two monkeys. Asterisk indicates a significant difference in the reaction times between adjacent noise levels (Wilcoxon rank sum test; *p < 0.05, p-values adjusted for multiple comparisons using the FDR procedure). (E) Median reaction time for each pattern. The same convention as in (B).

全篇行为结果的汇总。A、D 两栏是两只猴平均的错误率与中位反应时随噪声水平的曲线，星号标出相邻噪声水平间的显著差异；B、E 两栏把同一指标按 8 种图形分开画（六种颜色对应六档噪声），C 栏把错误拆成误报与漏报两类对比。读图的关键对比在 A 与 D 之间：错误率曲线近乎平缓（仅在 5↔10% 与 20↔25% 两处有星号），而反应时曲线一路抬升（除 0↔5% 外逐级显著）——"错误几乎不涨、时间大幅变长"正是时间换准确的证据。这支撑上文的第 1 条结果，也是全文逻辑的行为起点。

图 3 · 13 个神经元对 8 种图形的选择性

原文图注：FIGURE 3 | Rank-ordered normalized response to the eight match stimuli for 13 analyzed neurons. Firing rates for each stimulus pattern in 0% noise level were normalized by their max firing rate in 0% noise level. Each curve shows the data from each neuron.

这张图交代神经元样本的"底子"：把每个神经元对 8 种匹配图形在 0% 噪声下的发放率按各自最大值归一化、再按大小排序，每条曲线代表一个神经元。横轴是秩序（第 1 到第 8 强的图形），纵轴是归一化反应强度。读图要点是所有曲线都呈下降形但陡缓不一——有的神经元对最偏好图形反应远高于其余（选择性陡峭），有的曲线平缓（选择性弱）。它支撑上文的第 2 条结果，说明进入信息分析的 13 个神经元确实携带刺激选择信息，同时也交代了图 5、图 6 中各神经元颜色编码的出处。

图 4 · 两例神经元对匹配图形的反应

原文图注：FIGURE 4 | Two examples of neuronal response during match stimulus. (A) An example of the match stimulus response. The raster plots and spike density plots (σ = 10 ms) are aligned to the onset of the match stimulus (line at time 0). Horizontal axis shows the time from the onset of the match stimulus. Vertical axis shows the firing rate. (B) Another example of the recorded neuronal responses. The same convention as in (A).

两例单细胞的原始反应数据，各含对 8 种图形（每种一个栅格图与一个 spike density 曲线）在 0–25% 六档噪声下的记录，全部对齐到匹配图形出现（时间 0）。读图时先看零噪声那一行确认选择性（A 例对图形 5 反应最强），再看噪声增大时反应如何变化：A 例的发放随噪声增强而整体压低，B 例则在若干噪声档位上对特定图形反应反而更高。这两类形态对应正文"7/13 神经元随噪声减幅、6/13 神经元在噪声下反应更强"的分型，是理解后文为什么只用群体平均才能对齐行为的关键——个体差异真实存在。

图 5 · 起始潜伏期与噪声水平无关

原文图注：FIGURE 5 | The relation between neuronal latency and noise level. The onset latency measured from the spike activity recorded during the match stimulus presentation was plotted against noise level. The same color square means the data from the same neuron. The line shows the averaged onset latency from 13 neurons. Color that indicates data of each neuron matches the color shown in Figure 3.

横轴为噪声水平（0–25%），纵轴为匹配图形诱发的反应起始潜伏期；每个色块是一个神经元（颜色与图 3 相同），直线是 13 个神经元的平均。读图要点：各神经元的散点上下交错、没有随噪声系统抬升的趋势，平均线几乎水平（Kruskal-Wallis 检验 p=0.7267）。这是"延迟说"被否掉的直接证据——噪声没有让 TE 的反应更晚启动，减慢的只能是其后携带信息的累积过程，支撑上文的第 3 条结果。

图 6 · 两例单细胞的信息累积与信息潜伏期

原文图注：FIGURE 6 | Two examples of accumulation of information carried by single neurons. (A,B) Accumulation curve of mutual information (calculated from the same neuron as shown in Figures 4A,B, respectively). Horizontal axis shows the time from the onset of match stimulus. Vertical axis shows accumulated information calculated from neuronal responses using the time window between 50 ms after the onset of match stimulus and the value of the horizontal axis. Black line indicates the information accumulation curve of 0% noise level. Red, green, blue, aqua blue, and purple lines indicate those of 5, 10, 15, 20, and 25% noise levels, respectively. Accumulation curves were smoothed by using simple moving average. (C,D) The time required to reach the arbitrary threshold of information (information latency) against noise levels (black circle and line) and the median reaction times against noise levels (red circle and line). The neurons used in (C,D) corresponded to those in (A,B), respectively. Horizontal axis shows noise level. Vertical axis shows information latency and the reaction time. In (C,D), the constant values (336 and 261 ms, respectively) were added to the information latencies so that those at the 0% noise level matches with the reaction time at the 0% noise level.

信息分析的核心演示。A、B 两栏分别是图 4 两个神经元的信息累积曲线：横轴为匹配图形出现后的时间，纵轴为用"起始后 50 ms 到横轴时刻"这一扩展窗算出的累积互信息，黑线为 0% 噪声，红、绿、蓝、浅蓝、紫依次为 5–25%。A 栏（图 4A 那种神经元）曲线斜率随噪声明显变平，B 栏则斜率与噪声的关系不明显——个体差异延续到了信息层面。C、D 栏把"达到某信息阈值所需时间"（信息潜伏期，黑）与中位反应时（红）按噪声水平并排画，并加常数（336/261 ms）使 0% 噪声处两者对齐；结果是即便对齐了起点，单细胞的潜伏期曲线与行为反应时曲线形状并不吻合。这张图同时给出一个正面结果（信息随时间累积、A 型累积随噪声变慢）和一个否定性结果（单细胞解释不了行为），支撑上文的第 4 条结果。

图 7 · 群体平均信息与行为反应时的对齐

原文图注：FIGURE 7 | (A) The mutual information averaged across all the 13 neurons. (B) A comparison between the information latency for the averaged information (A) and the median reaction times across the six noise levels. The same convention as in Figure 6 is used here, except that the orange horizontal line in (A) means the information threshold of 0.084 bit and 220 ms was added to the information latency. The dotted lines show mean ± SE.

全文的点睛之图。A 栏是 13 个神经元平均后的信息累积曲线族（六档噪声六条线），橙色横线标出 0.084 bits 的信息阈值；B 栏把达到该阈值的信息潜伏期与行为中位反应时跨六个噪声水平并排比较，信息潜伏期统一加了 220 ms，虚线为 mean ± SE。读图要点：六档噪声下"信息到达 0.084 bits 的时刻"与"猴子松杆的时刻"同步右移，曲线形状一致——0%/5% 噪声约 180 ms 到达阈值，25% 噪声约 350 ms。这支撑上文的第 5 条结果：噪声减慢信息累积的幅度与减慢行为的幅度大约相同，TE 群体信息像是可以被猴子"监测"到决策阈值的量。

讨论

作者的解释可以概括为一个机制图景：视觉噪声不改变 TE 反应的起始时刻，却让刺激特异信息随时间的累积变慢，仿佛信息被"在噪声之上逐步插值"（progressively interpolated across the noise）；单神经元携带的信息量不足以支撑行为（0.084 bits 对 3 bits 的理论上限），因此模式识别由神经群体完成，TE 群体携带的刺激身份信息随时间累积、逐步克服像素噪声造成的信号退化，猴子可以监测这一上升的量直到决策阈值——这一时间尺度与 Hung 等（2005）从 IT 群体快速读出物体身份的报告一致，Afraz 等（2006）对 IT 面部区微刺激能强烈偏置分类行为的结果也支持 IT 在图形识别中的核心地位。作者正面处理了与 Emadi 和 Esteky（2013, 2014）的分歧：对方在被动任务与主动分类任务（噪声可至 60%）中记录到潜伏期随噪声增加，而本文潜伏期不变、只有累积变慢；他们给出的可能解释包括单细胞与多单元记录之别、信息累积测量对发放变化的敏感性不同，以及任务有无工作记忆成分的差异。局限方面文中未详述系统性的讨论，仅提到噪声上限 25% 是刻意设置的——在该水平上"以时间换信息"仍足以补偿误差。

一句话总结

我读下来觉得这篇文章的说服力恰恰来自它最朴素的那个操作：不比绝对时间，只比"随噪声变慢的斜率"，行为反应时与群体信息曲线就几乎重合（只差一个恒定的 220 ms）。它是"知觉决策=信息累积到阈值"这一假设在 IT 区的一个漂亮注脚；但也要记住，13 个神经元、0.084 bits 的阈值是拟合出来的任意量，图 4B 那 6 个（13 个中的近半数）信息累积不随噪声变慢的个体。——这些边界条件决定了它的结论强度。