● 认知神经科学前沿文献分享
论文信息：A vector navigation and inference architecture can construct universal cognitive maps for abstract reasoning
发表时间：2026-09-22
发表期刊：Current Biology
抽象推理也需要一张“地图”吗？
想象这样一个问题：你知道 A 和 B 是什么关系，也知道 C 是什么，那么与 C 对应的 D 应该是什么？
这是类比推理，听上去属于语言或逻辑。换个角度看，它也很像一次导航：先弄清从 A 到 B 要往哪个方向、走多远，再从 C 出发照样走一遍，落脚的地方就是 D。
过去十多年里，不少研究发现，人在学习概念、情绪这类非空间信息时，脑中也会出现类似网格细胞的六重对称信号，好像大脑把这些信息也铺成了一张地图。留下的问题是：这样的地图是怎么一点点搭起来的？搭好以后，能不能像空间地图那样拿来推理？马克斯·普朗克人类认知与脑科学研究所的 Andrej Bicanski 在《Current Biology》上发表了一篇理论论文，用一个计算模型回答这两个问题。
用导航的零件搭地图
模型里有两个从空间导航研究借来的模块。向量导航架构（vector navigation architecture，VNA）负责算出地图上两个已知位置之间的位移；位置推断网络（positional inference network，PIN）反过来，给它一个起点和一段位移，它推断终点落在哪里。地图上的每个位置，用一组网格细胞的共同活动模式（群体向量）来表示。
搭地图主要靠 PIN。第一个刺激放在任意位置；第二个刺激按它和第一个在各个属性上的差异，放到相应的距离和方向上。之后每来一个新刺激，模型就从两个或更多已经放好的刺激出发各推断一次，几次推断落在同一处，新刺激就安在那里，道理和测绘里的三角定位一样。VNA 在建图时用不上，到推理时才派上用场。
Fig. 1 中，作者展示了模型的组成：多个尺度的网格细胞模块、计算位移的 VNA、推断目标位置的 PIN，以及新刺激如何借助已放好的刺激被三角定位到地图上
两张地图：图片情绪和“伸缩鸟”
作者先用了开放情感标准化图片库（Open Affective Standardized Image Set，OASIS）中 409 张图片的效价和唤醒度评分。模型把图片一张张放进网格地图后，作者再把地图“读”回来，看重建出的网格细胞活动和输入时是否一致。两者在单个细胞上高度相关；把图片之间的位移打乱，网格结构就消失了。在没有噪声的有利条件下，只用大约 50 张图片，部分尺度的网格结构已经能显现。
第二套数据是概念网格研究里的经典刺激“伸缩鸟”（stretchy birds）。Constantinescu 等人当年就是用这种鸟，第一次找到了抽象概念的网格信号。作者按脖子长和腿长两个维度程序生成了 1280 只鸟，加入适量噪声后交给模型。重建出的网格呈现清楚的六角形图案，地图上的鸟也排得井井有条：从上到下看脖子，从左到右看腿。
Fig. 4 中，作者展示了“伸缩鸟”空间的建图结果；结果显示，重建出的网格细胞呈现清楚的六角形放电图案，地图上的鸟按脖子长和腿长有序排列
噪声先抹掉细节
真实世界里，估计属性、提取记忆、神经放电都有噪声。作者往刺激之间的位移里加入约为网格坐标范围 5% 的噪声，并让每个刺激只定位一次。最小尺度的网格最先认不出来，大尺度的还保留着粗略轮廓，地图的分辨率一级级往下掉，没有一下子垮掉。
模型的补救办法是多找几个参照。几个锚点推断出的位置如果对不上，新刺激就先不放；从记忆里调出更多已经放好的刺激反复推断，取多数推断重合的位置。这样一来，噪声加到约 10% 时，最小尺度的网格也能恢复，代价是推断次数和要调用的记忆都多了。作者据此给出一个能用行为实验检验的预测：任务越难、信息越嘈杂，人学会这张地图需要的试次越多，记忆差的人在嘈杂条件下也更难建好地图。
Fig. 3 中，作者展示了噪声对建图的影响和多锚点校正；结果显示，噪声先破坏最小尺度的网格，增加三角定位次数后，最小尺度的网格又能恢复
在地图上推理
地图建好后，作者让 VNA 和 PIN 配合，在上面做了三类推理。
类比推理就是开头那个问题。VNA 先算出鸟 A 到鸟 B 的位移，把这段位移连同鸟 C 的位置交给 PIN，PIN 推断出的终点附近那只鸟就是 D。作者在“伸缩鸟”地图上先模拟了 5 组，又扩大到 100 组。
子空间构造从两只“极端”的鸟出发。VNA 算出两者之间的位移，模型把这段位移按比例一点点缩短，每一步都交给 PIN 定位，再把落在附近的鸟收集起来，就得到一串沿同一方向变化的刺激。作者也在 OASIS 图片地图上做了同样的操作。
视角转换要先给模型一个“自己”的位置和一个朝向。VNA 算出从自己到目标的位移，再和朝向比一比，就能判断目标在“前方”“左边”还是“右边”。这里的左右是概念地图里的方位，跟身体朝哪边无关。
这三类推理用的都是建图时那套零件，没有另加模块。作者还在示意图里列出了三角补全、沿任意方向的传递推理，以及接入生成网络后在地图空白处插值，这几项是框架可能延伸的方向，论文没有模拟。
Fig. 5 中，作者展示了在认知地图上进行的类比推理、视角转换和子空间构造（A—F）；G 是框架可能支持的更多推理类型的示意，其中三角补全、传递推理和插值未经模拟
理解时要小心的地方
这是一篇纯理论工作。OASIS 图片和“伸缩鸟”都是用来跑模拟的数据，论文没有新的被试实验，也没有记录神经元。它能说明的是，空间导航那套机制在原理上能搭出抽象地图，并在上面推理；人脑是不是这样做，要靠行为和神经数据来判断。作者也列出了几处有待实证的环节：效价、脖子长这类单一维度的“量”如何在内嗅皮层上游被提取出来，网格的尺度能否按需要伸缩，以及“噪声越大、记忆负担越重”这条预测是否成立。
分享人：天天
审核：PsyBrain 脑心前沿编辑部
● 原文信息与获取方式
DOI：10.1016/j.cub.2026.08.064
获取原文：
1. 三连后添加小助手：PSY-Brain-Frontier 获取
版权归属作者团队和出版社，本文仅做分享
热门跟贴