Nat Commun：利用“通用語義模型”成功解碼個體自傳體記憶

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:Neural decoding of autobiographical mental image features with a general semantic model

發表時間：2025.12.12

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

當我們閱讀一句簡單的描述，例如 “那個調皮的孩子在餐廳打破了玻璃杯” 時，我們的大腦是在單純地處理抽象的語義符號，還是在調動感官經驗去模擬這個場景？反過來，當我們閉上雙眼，回味自己獨特的親身經歷（如參加一場婚禮）時，這種“心理時間旅行”所依賴的神經機制，與我們理解語言時調用的機制究竟有多大重疊？

長期以來，認知神經科學領域傾向于將這兩個過程視為相對獨立的系統。語言理解通常被歸因于涉及顳葉、頂葉和額葉外側的語義系統（Semantic System），被稱為“心智的思想（Mind's Mind）” ；而自傳體記憶和心理意象則主要依賴中線皮層區域及海馬體的情景/自傳體系統（Episodic System），被稱為“心智的眼睛（Mind's Eye）” 。盡管兩者都植根于人類的經驗，但它們在神經表征上的共性一直未被完全闡明。

如果這兩個系統在功能上是割裂的，我們就很難解釋為什么語言能夠如此生動地喚起我們的個人記憶，也很難解釋我們如何用語言向他人描述內心私密的心理意象。本研究通過構建一個通用的語義模型，試圖挑戰這一傳統界限，探究是否能夠利用訓練于“閱讀句子”的大腦解碼器，直接讀取并重構個體在“回憶往事”時的心理圖像特征。這不僅關乎我們要如何理解記憶與語言的本質，更是通向構建能夠理解人類深層思維的腦機接口的重要一步。

研究核心總結

本研究 2025年12月12日 在線發表于Nature Communications，研究團隊通過對50名參與者（涵蓋青年與老年群體）的功能性磁共振成像（fMRI）數據進行分析，揭示了語言理解與自傳體心理意象在神經表征上的深度共享機制。

Fig. 1 | Decoding autobiographical mental image features from fMRI data with a general semantic model.

核心發現一：跨任務的“零樣本”神經解碼

研究者首先基于一組獨立的被試（14人）在閱讀句子時的fMRI數據，構建了一個通用語義解碼器（General Semantic Decoder）。該模型使用20個“體驗性特征”（如視覺、運動、社交、情感、空間等維度）來量化語義信息。令人驚訝的是，這個僅在“閱讀任務”上訓練的模型，成功地從另一組完全不同的被試（50人）在進行“自傳體想象任務”時的大腦活動中，重構出了他們心理意象的詳細特征。這證實了自傳體心理意象與句子語義理解在神經編碼上存在顯著的重疊，兩者共享同一套表征空間。

Fig. 2 | Autobiographical mental image features were reconstructed from fMRI data using a general semantic decoding model.

核心發現二：默認模式網絡（DMN）子系統的功能分離

研究深入剖析了默認模式網絡（DMN）的三個子系統在表征共享中的不同角色，發現了精細的功能組織架構：

• 核心DMN（Core-DMN）與額顳DMN（FT-DMN）：這兩個子系統在重構社交互動相關的特征（如“社交”、“溝通”、“言語”）方面表現出高度的一致性和準確性。這表明，無論是通過閱讀理解他人的故事，還是回憶自己的社交經歷，大腦都利用這些區域來處理社會認知信息（如心理理論）。

• 內側顳葉DMN（MT-DMN）：該子系統則表現出獨特的偏好，它能更準確地重構與感知和空間移動相關的特征（如“路徑”、“顏色”、“味覺”）。這與MT-DMN（包含海馬結構）在場景構建和視覺空間模擬中的傳統角色相符。

Fig. 3 | Autobiographical mental image feature ratings were reconstructed from each DMN subsystem.

Fig. 4 | Differences in feature reconstruction accuracy between DMN sub-systems.

核心發現三：解碼個體差異與特異性體驗

該模型不僅能解碼通用的語義類別，還能捕捉到個體差異（Individual Differences）。由于不同年齡、不同背景的人對同一場景（如“婚禮”）的想象截然不同（例如年輕人可能側重于熱鬧的派對，老年人可能側重于儀式感），研究者發現，利用從他人閱讀數據中訓練的模型，依然能夠以70%的準確率區分出不同個體的特異性心理意象。這表明，這種共享的神經編碼不僅包含類別信息，還通過加權組合保留了極其個人化的體驗細節。

Fig. 5 | Experiential features’ independent contributions to predicting mental image fMRI data.

關鍵意義

本研究有力地支持了情景記憶與語義記憶邊界模糊化的理論觀點，證明了人類大腦在處理外部符號輸入（語言）和內部模擬生成（想象）時，復用了相同的神經基質。這一發現為研發能夠“讀取”人類復雜思維內容的通用腦解碼器提供了重要的原理論證：即我們無需針對每個特定任務或特定個體重新訓練模型，利用現有的語言語義模型即可在一定程度上解析個體的私密記憶體驗。

Fig. 6 | Reconstruction of experiential mental image scenario structure was commensurate with GPT-2.

Abstract

To what extent does language comprehension engage the same brain areas that enable one to imagine autobiographical experiences? Traditionally, these two abilities have been thought to recruit largely separate neurocognitive systems, namely the semantic system – involving lateral aspects of the temporal, parietal, and frontal lobes – and the autobiographic/episodic system, primarily involving midline cortical areas and the hippocampus. Here, we provide evidence of shared representations elicited in sentence comprehension and self-generated autobiographical mental imagery that are most prominent in midline regions and present in both sets of cortical areas. Fifty participants who imagined their unique experiences of twenty common scenarios while undergoing functional Magnetic Resonance Imaging (fMRI) are analyzed. Self-reported, participant-specific experiential feature ratings of the mental images are reconstructed from fMRI activation in both midline and lateral surface cortical areas using a pre-trained semantic decoder. Critically, the semantic decoder was derived from fMRI activation recorded during sentence reading in a separate participant group. This finding demonstrates zero-shot decoding of participant-specific autobiographical feature ratings from fMRI data, across people and cognitive tasks. Moreover, it strongly suggests that the neural encoding of sentence meaning shares cortical areas and at least some representational codes with self-generated autobiographical mental images.

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