Nat Commun：表征學習過程中“任務相似性”對大腦和神經網絡的影響

PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關注，點亮星標 ??

不錯過每日前沿資訊

認知神經科學前沿文獻分享

基本信息

Title:The effects of task similarity during representation learning in brains and neural networks

發表時間：2025.11.29

發表期刊:Nature Communications

影響因子：15.7

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

人類的認知系統面臨著一個巨大的挑戰：環境極其復雜，但我們必須做出快速且適應性的行為決策。為了解決這一問題，大腦并不總是死記硬背每一個感官輸入的細節，而是試圖從繁雜的信息中提取出抽象的低維結構或規則。理論上，如果在不同的任務之間識別出這種共享的結構，應該能夠通過泛化和遷移學習來促進學習效率。例如，通過觀察植物生長與光照和水分的關系，我們能夠建立一個內部模型，并將其推廣到類似的新情境中。

然而，這種 “舉一反三” 的能力是否總是奏效？認知神經科學領域一直存在一個關于表征（Representation）與遷移（Transfer）的爭論：共享的表征究竟是加速了學習，還是引發了干擾？盡管已有的機器學習和神經科學研究表明，利用任務間的相似性可以提高效率，但人類大腦如何在動態學習過程中構建這些表征，以及任務相似性在何種條件下會轉變為一種負擔，目前仍知之甚少。

本研究結合了行為實驗、腦磁圖（MEG）和人工神經網絡（ANN）建模，挑戰了“相似結構總是促進學習”的傳統假設，揭示了任務相似性、神經動力學與行為表現之間復雜的相互作用 。

研究核心總結

本研究通過設計一項需要被試在“概念任務”（基于抽象特征）和“空間任務”（基于位置特征）之間交替學習的實驗，通過改變兩類任務底層結構的相似性（相同結構組 vs. 不同結構組），揭示了表征學習中的干擾-正交化機制。

Fig. 1 | Stimuli, Task Structures and Trial Structure.

“相似性詛咒”：共享結構導致學習初期的行為干擾

研究發現了一個反直覺的現象：在訓練階段，任務結構完全相同的被試組（SameSt），其學習表現反而顯著差于任務結構正交的被試組（DiffSt）。這意味著，簡單的結構共享并沒有像預期那樣促進遷移，反而因為任務間的高度重疊引發了認知干擾。只有經過充分練習后，這種性能差距才在測試階段消失。

Fig. 2 | General performance and generalization.

Fig. 3 | Model distances.

神經機制：從“相關”到“反相關”的動態重組

利用表征相似性分析（RSA）對MEG數據的解碼顯示，這種行為干擾與大腦的神經表征幾何密切相關 。

Fig. 4 | Cross-domain representations during training.

• 初始階段：相同結構組（SameSt）的神經表征表現出顯著的跨任務正相關。這種高度重疊的神經活動模式雖然反映了客觀的任務結構，但卻阻礙了大腦區分不同任務情境，導致了行為上的干擾。相反，不同結構組（DiffSt）的表征一開始就是反相關的，這種天然的分離有助于減少干擾 。

• 學習重塑：關鍵的發現是，隨著練習的進行，相同結構組的大腦發生了一種表征重組。在測試階段，他們的神經表征從正相關轉變為類似于不同結構組的反相關模式。這表明，為了克服干擾，大腦必須主動將共享結構的任務表征進行正交化，將其投射到不同的神經子空間中 。

Fig. 5 | Cross-domain representations during testing sessions.

計算驗證：神經網絡中的正交化代價

人工神經網絡（ANN）模型的模擬結果進一步證實了這一機制：當輸入特征在低維流形上較為相似（非正交）時，網絡需要更多的訓練迭代次數來將這些表征正交化，以實現可靠的任務性能。這解釋了為何結構相似的任務在人類學習初期反而更慢：因為大腦需要額外的計算成本來“拆分”這些重疊的表征以避免災難性干擾 。

Fig. 6 | Schematic and learning performance of the neural network across different input structures and tasks.

綜上所述，本研究提出了一種動態的表征學習觀點：盡管共享結構是泛化的基礎，但在多任務學習中，大腦必須在利用共享結構與分離任務表征之間取得平衡。有效的學習往往伴隨著將相似任務的表征推向互不干擾的神經子空間的過程 。

Abstract

The complexity of our environment poses significant challenges for adaptive behavior. Recognizing shared structures across tasks can theoretically improve learning through generalization. However, how such shared representations emerge and influence performance remains poorly understood. Contrary to expectations, our findings revealed that individuals trained on tasks with similar low-dimensional structures performed worse than those trained on dissimilar tasks. Magnetoencephalography revealed correlated neural representations in the same-structure group and anticorrelated ones in the different-structure group. Crucially, practice reduced this performance gap and shifted the neural representations of the tasks in the same-structure group towards anticorrelation, resembling those in the different-structure group. A neural network model trained on similar tasks replicated these findings: tasks with similar structures require more iterations to orthogonalize their representations. These results highlight a complex interplay between task similarity, neural dynamics, and behavior, challenging traditional assumptions about learning and generalization.

請打分

這篇剛剛登上Nature Communications的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

前沿交流|歡迎加入認知神經科學前沿交流群！

核心圖表、方法細節、統計結果與討論見原文及其拓展數據。

分享人：飯哥

審核：PsyBrain 腦心前沿編輯部