文 | 追问 nextquestion
相信大家都听说过热门电影《头脑特工队》。电影中最令人印象深刻的是几位情绪小人，但其实大脑中还有许多其他辛勤工作的 " 小土豆 " ——它们在大脑各个区域忙碌着，或整理刚形成新的记忆，或看守被遗忘的记忆，或为了梦境奋笔疾画……
如今你成为了这些小土豆中的一员，你被分配到的岗位是 " 情景记忆 "，主要职责是当主人莱莉回忆过去亲身经历事件的时候，你需要帮助她想起来和事件有关的、尽可能多的细节 [ 1 ] 。这可不是一项简单的任务：大脑的神经元容量有限，而需要存储的感官细节却堪称海量，该如何解决这个 " 根本性冲突 " 的呢？
这就要提到" 维度转换 "（dimensionality transformation）这个关键机制。简单来说，你需要先进行编码，即将具体感官信息转变成大脑能够理解和存储的 " 表征 "（representation） [ 2 ] 。这是一种对具体事件的 " 估计 "，更重要的是，它可以被用来进行后续的 " 重建 " 甚至 " 泛化 " [ 3 ] 。这样主人才能够将过去的经验应用到新的、类似的情境中，从而更好地适应环境。
为了更深刻地理解维度转换在情景记忆中的作用，接下来我们会先探讨维度转换在认知领域的神经和行为学证据；继而聚焦情景记忆，提出和维度转换有关的结构与功能机制，最终阐释这种转换一旦发生异常将如何导致情景记忆功能障碍。
01 神经几何学中的表征和维度转换
为了更好的理解 " 维度转化 " 这一过程，我们需要引入一种理解大脑活动的新角度——神经几何学（neural geometry） [ 4 ] ：
如果认为神经元活动会形成一定的状态空间（state space），理论上，这个神经状态空间，对应于参与活动的神经元数量（或实验中记录所需的电极数量），以及任务结构维度（如不同实验条件的数量）*。
编者注：假设我们能用电极监测到所有神经元的活动，并把每个神经元的活性用一个维度来表示，那么如果有 100 个神经元，就可以用 100 维的空间来展示这些数据。
但实际上，大脑还受到更低维的、被科学家称为" 神经流形 "（neural manifold）的约束。在这个低维流形中，高维神经状态空间的变化，通常反映在少数潜在变量变化——神经流形通过聚焦于数据中最显著的变化模式，有效地降低了神经状态空间的复杂性。而由神经状态空间中数据点之间的几何关系，描述了神经表征的跨脑区与时区的 " 维度转换 "。
问题在于，最优维度数量应该是多少呢？
一般来说，" 最优 " 应当同时平衡解决任务所需要的鲁棒性、效率与灵活性。若某特征在多个任务或刺激间共享（如不同条件间的共同上下文），低维几何表征可通过减少冗余来降低计算负荷；但当需要进行高精度分类时，高维表征有助于区分相似记忆项的细微差异，虽然这是以降低系统容量作为代价。
事实上，关于 " 维度总是越低越好吗 " 这一问题科学家们也尚未有定论。降维算法的核心目标是，在保留数据本质结构的前提下减少特征数量。因此，确定任务的最优维度，本质上是个权衡过程——情景记忆的最优维度，应随具体记忆内容和任务需求动态调整。
不同情境下可能具有不同的维度转换，这使得这项理论本身变得难以被证伪：若情景记忆的最优维度取决于具体的记忆内容与任务需求，则具有普适性的实证检验规则难以建立。
为此，情景记忆更应该被评估的是相对维度而非绝对维度，即关注不同实验条件间的维度差异，而非特定脑区表征特征的绝对维度数量。例如在线索回忆任务中，仅区分行为表现（如正确 vs 错误），除此之外的特征（神经元或通道）数量及任务因素等任务相关变量应保持恒定。
利用上述神经几何学的理论框架，科学家们对认知过程（如工作记忆和决策）拥有了重要的见解。例如，在一项物体序列任务（object sequence task）中，猴子背外侧前额叶皮层的神经元表现出与任务需求密切相关的表征维度 [ 5 ] 。同样，在人类的功能磁共振成像（fMRI）中，视觉表征的维度与所注意到的刺激特征数量相对应 [ 6 ] 。
值得注意的是，维度可以在同一项试验内和跨脑区之间波动。这恰恰证明了，维度转换是一种动态的、任务驱动的现象，通常在事件发生后迅速启动。
虽然维度转换在整个认知神经科学中都有所应用，但这一概念尤其适用于情景记忆的编码和提取。在编码过程中，高层次特征（" 它是一棵树吗？"），可以被看作低层次特征（" 它是绿色的吗？"、" 它很高大吗？"、" 它是静止的吗？"）反应的整合，这便是维度缩减。反过来，在提取过程中，维度重建可以利用高层次特征（" 它是一棵树吗？"、" 我们在海德公园吗？"），来激活与 " 树 " 这一概念相关的低层次感觉特征，从而帮助生动地回忆过去的事件。接下来，我们将探讨表征和维度转换如何在情景记忆中展开。
02 情景记忆中的维度转换
情景记忆中的 " 编码 " 过程，涉及外界环境信息的转换。这些信息从感觉系统（如视网膜或内耳）进入大脑，经过大脑不同区域的渐进性表征变化，从单模态皮层感觉区域逐渐过渡到跨模态皮层感觉区域，最终会到达海马体——也就是皮层层级结构的终点，记忆在此处被存储。
在通过皮层和皮层下区域传递到海马体的过程中，基本的低层次特征在早期感觉区域被处理成抽象特征，随后高层次抽象特征在更高级的区域（如下颞叶皮层和海马体）中显现。一个广为流传的例子是位置细胞（place cells），在空间导航等任务中复杂的外界感觉信息，是通过单个海马细胞来表征。
反过来，在记忆的提取过程中，情景记忆又需要将简单的存储代码扩展为对原始事件的丰富重建。这一过程会重新激活最初参与事件表征的脑区，同时还会涉及额外的感觉皮层区域。以视觉记忆提取为例，神经表征的提取过程会逆向复现编码过程中的视觉加工层级，经历相似的表征转换路径 [ 7 ] 。在感知过程中，颜色或者物体信息只会由枕叶 / 颞叶区域表征，但在提取时会扩展到跨模态的顶叶区域 [ 8 ] 。
至于表征转换如何在不同脑区之间传递的具体机制，一种较为共识的理论是，神经振荡（neural oscillation）通过促进多个刺激维度的相互作用，将它们整合成一个新的、转换后的表征。
第一个参与的频段可能是高频的 γ 振荡（约 30-100Hz）。这些振荡短暂的兴奋窗口（约 3 毫秒），确保了编码不同刺激维度的突触前神经元群能够同步放电，继而在突触后神经元群上产生汇聚输入，由此实现输入的整合。随后，抑制性活动会跟随这波兴奋性活动，防止其他输入对转换结果进行干扰 [ 9 ] 。研究发现，γ 振荡能通过神经元群的功能性连接，将信息从突触前传递到突触后神经元群，支持单模态输入的整合 [ 10 ] ；其增加还与成功的记忆形成和提取相关 [ 11 ] ——这些证据都支持γ 振荡同时支持维度缩减和维度扩展。
那么，又是什么因素决定了表征应当被压缩还是被重建呢？
一种假说认为，θ 振荡（3-7Hz）的相位变化提供了时间分离的可能性。相关实验发现，θ 振荡既能促进内侧颞叶编码 / 提取模式的切换 [ 12 ] ，又可协调海马 - 皮层活动 [ 13 ] ，其振荡周期内还嵌套 γ 振荡 [ 14 ] 。因此，皮层 γ 振荡驱动的维度转换，可能受控于内侧颞叶 θ 振荡，也就是说，θ 相位决定了表征处于压缩（编码）还是扩展（提取）状态。
另一假说则涉及将不同皮层的 γ 振荡进行分化：压缩机制由更快的 γ 振荡实现，该振荡在浅表层最强，负责将信息前馈至高级脑区；而重建机制由较慢的 γ / β 振荡实现，该振荡在深层最强，负责将信息反馈至感觉皮层 [ 15 ] 。
值得注意的是，这两种假说可整合：快慢 γ 振荡分别锁定 θ 振荡的不同相位 [ 14 ] ，从而在时间、空间和频谱三个维度实现压缩与扩展的分离。
综上，我们提出了振荡活动支持情景记忆维度压缩与扩展的双向调控框架。尽管已有大量证据表明皮层间振荡驱动信息传递对记忆的促进作用，但该框架的直接验证仍需通过新研究来阐明 γ 振荡如何调控记忆相关的维度变化。
03 侧面证明维度转换——进化和行为学观点
如果我们认同，维度转换需要通过从感觉外周系统到海马的多级信息传递处理实现。那么由此可以推断，维度转换的程度取决于信息处理步骤的复杂性，而这种复杂性可通过" 突触距离 "（表征感知与记忆间的处理路径长度）进行量化。
尽管在单一物种中验证这一推论具有挑战性，但演化视角为探究 " 感知 - 记忆 " 处理距离如何影响维度转换提供了独特窗口。比较哺乳动物演化过程中大脑皮层的功能与组织结构，我们可以观察到显著的脑区规模、结构分化和功能特化差异。
人类的情景记忆等高级认知功能，主要归因于跨模态皮层区的显著扩张，该区域在人类中呈现超比例发展 [ 16 ] 。反观海马结构则与之形成了鲜明对比，哺乳动物海马结构在 2 亿年演化中基本保留了其宏观解剖、细胞构筑和功能特性 [ 17 ] 。尽管关于非人动物是否具备情景记忆仍存争议，海马结构的保守性支持了 " 动物可能拥有情景记忆原型 " 的观点。
这种海马保守性与新皮层多样化的鲜明对比表明，虽然海马处理的信息类型存在显著差异，但其功能角色保持相似 [ 18 ] 。这一发现提示，通过研究跨物种的皮层 - 海马连接差异，可以深入理解维度转换在情景记忆中的作用。
跨物种研究表明，海马输入通路存在显著差异：啮齿类接收多模态初级感觉输入，而灵长类主要依赖视觉 / 听觉联合皮层输入，人类则进一步发展为跨模态主导 [ 19 ] 。这种从直接感觉到高度抽象输入的演化趋势，反映了信息处理层级的增加——灵长类需通过更复杂的维度转换才能完成海马编码，而人类跨模态输入可能赋予记忆更高效的抽象表征能力 [ 20 ] 。fMRI 研究证实了人类的这种皮层 - 海马连接模式的独特性 [ 21 ] 。
（A）跨物种的皮质 - 海马连接性差异：展示了从大鼠到人类的进化过程中，海马系统与感觉皮层和跨模式皮质区域的连接性变化，表明人类海马系统更多地依赖高度抽象的跨模式输入。
（B）感觉信息的维度转换程度：不同物种的感觉信息维度转换程度不同，直接从感觉区域到海马系统的投射与更真实、较少转换的感觉表征相关。
（C）皮质层次结构对记忆表征的影响：皮质层次结构的复杂性可能影响记忆表征的维度转换程度，进而影响记忆的行为表现。
图源： [ 3 ]
那下一个关键的科学问题便在于：皮层 - 海马相互作用的演化改变，如何影响信息维度转换呢？
现有行为学证据表明，直接感觉投射（如啮齿类）更多保留原始感觉细节 [ 22 ] ，而跨模态输入（如人类）会高度抽象表征。例如在视觉领域，相较于非人灵长类，大鼠对目标物体的视角变化更为敏感 [ 22 ] ；而灵长类在视觉原型（visual prototype）指派任务 * 中则对低级特征变化表现出更强辨别力 [ 23 ] 。
感知机制和决策策略的物种差异，使得跨物种的记忆研究存在固有挑战 [ 24 ] ，尽管如此这一方向仍为探索皮层层级结构对辅助记忆表征（mnemonic representations）的影响提供了重要理论框架。这一研究视角尤为值得关注，因为迄今研究的哺乳动物的神经振荡在频率、波形及时序演化等方面均表现出高度保守性 [ 25 ] 。
人类大脑构建情景记忆的神经解剖学基础与其他物种的显著差异，这从进化角度证明，人类海马结构接收的可能是经过高度处理的跨模态输入信息，其抽象程度远高于其他物种。这得人类的情景记忆缺乏高维度的感觉细节，更适合用潜在状态（latent states）来描述 [ 26 ] 。
重要的是，这意味着人类情景记忆主要通过 " 重建 " 机制运作，需要对存储的事件进行维度再扩展。换言之，人类神经解剖结构可能需要维度转换才能编码和提取情景记忆。这种差异如何影响情景记忆的跨物种研究，仍有待进一步探索。
然而，除了记忆在大脑中的表征形式，维度转换的实现方式还会决定记忆的行为表达，提供了另一个证明该机制的角度。
首先，维度转换可以解释干扰性遗忘与时间依赖性遗忘现象。与静态的计算机算法不同，大脑神经网络会随时间动态变化——这意味着编码感觉信息的神经网络与后续重建记忆的神经网络并不相同。微小的神经变化可以降低回忆准确性，而重大变化可能会导致完全遗忘。这些受新信息和时间影响的神经变化，会破坏记忆重建过程，从而引发时间或干扰相关的遗忘。
另外，维度转换还可以解释记忆提取时的原型偏差（prototypical biases）现象。记忆扭曲（Memory distortions）常源于统计规律性或先验知识 [ 27 ] 的影响。而在维度转换的框架下，编码时的降维操作可能剔除具体感觉细节，仅保留图式化或原型化的表征。这种特异性信息的丢失，使得提取时更依赖语义信息 [ 28 ] ，最终导致记忆扭曲。研究表明，颜色、位置等属性的记忆在编码阶段就会向原型偏移，并在提取时进一步失真 [ 27 ] 。简言之，降维可能削弱记忆特异性，使其易受语义知识干扰。
最后一个例子是信息组块（chunking）现象，类似于数据压缩，组块通过将小元素整合为大单元来简化记忆（如将 12 位数字转为 4 组 3 位数）。组块与数据压缩算法的相似性引起了人们的关注 [ 29 ] ，是否可以根据维度转换的程度预测组块化强度：转换越显著，组块化程度越高。
维度转换理论为上述行为现象提供了统一解释框架。若这些预测得到实证支持，将进一步证实维度转换在记忆体验中起着决定性作用。
04 维度转换理论的拓展
针对情景记忆，维度转换理论与 " 海马索引理论 "、" 互补学习系统 " 及 " 模式分离 " 等现有框架存在共识——均认为海马通过低维表征作为皮层内容 / 价值表征的指针或索引键。然而，维度转换并非由海马或其他内侧颞叶区域单次完成，而是通过皮层层级结构中的系列计算逐步实现。
另外，维度转换机制不仅支持情景记忆，也可能在其他认知领域也起重要作用。与情景记忆类似，工作记忆的容量也是有限的，维度压缩可能帮助提升其同时存储的信息量；情景记忆是回顾过去，而在未来规划过程中，维度转换也可能是关键工具；另外维度压缩机制可以过滤无关细节的性质也可能被应用到物体识别过程中去……这些假说均基于：记忆的低维表征通过聚焦核心特征、过滤冗余细节，有助于泛化经验，从而更灵活地应用于新情境。
05 总结
情景记忆的提取过程，绝非对原始体验的精确复现。随着时间推移，记忆细节可能丢失、扭曲或新增，这表明情景记忆具有动态演变的本质。本文介绍了一种新的理论框架，来讨论神经表征在脑内层级处理过程中发生的固有转换，并提出 γ 振荡通过整合多维度信息来实现表征的压缩与扩展。
跨物种比较研究表明，海马输入通路的差异深刻影响着信息存储与提取的模式。人类海马主要与跨模态皮层相连，这意味着人类的记忆提取本质上是基于简化信息的重建而非精确复制。未来研究应通过量化不同物种单模态与跨模态脑区的表征维度差异，深入解析人类记忆系统的独特性。
记忆研究的核心命题在于：大脑如何在不依赖无损压缩算法的情况下，实现复杂事件细节的提取？最新计算模型显示 [ 30 ] ，记忆重建质量取决于存储记忆的数量——随着记忆累积，单个记忆的细节表征会逐步缩减。这种计算负荷的降低避免了 " 记忆悬崖 "（memory cliff）现象，这与我们日常体验一致，即记住的多为要点而非全部细节。符合生物特性的计算模型的构建中，跨时空的维度压缩 / 扩展机制应起到关键作用。
总的来说，维度转换在情景记忆及其他认知功能中占据了核心地位。整合认知心理学、系统神经科学和神经解剖学的研究进展，为实证评估与实现这些转换机制提供了理论框架。未来研究可采用脑刺激等干预技术，进一步验证神经振荡在记忆转换中的核心作用。
仍待解决的问题：
- 信息编码和记忆提取过程在大脑中具体如何发生的？表征维度如何在大脑不同区域间变化？
- 新记忆形成过程中，先验知识如何影响维度转换？
- 记忆的维度转换是否伴随视角从自我中心（egocentric）转向 allocentric（环境中心）参考系？
- 不同物种在感知与检索期间的神经活动差异如何？人类是否如神经解剖学预测的那样，表现出最大的感知 - 检索差异？
- 记忆形成的最佳压缩水平是什么？过度压缩是否导致记忆模糊化（仅保留概要），而压缩不足是否造成记忆碎片化（部分细节异常清晰，其余缺失）？这是否与创伤后应激障碍（PTSD）中创伤记忆异常鲜明而周围细节模糊的现象相关？
- 振荡功率（power）与频率（frequency）对维度转换的相对重要性如何？仅增加功率（不改变频率）能否实现维度压缩，还是需要两者协同作用？
- 能否利用深度神经网络量化编码图像的相关维度数，进而评估大脑在编码、存储和检索中执行维度转换的能力？
原文链接：
https://www.cell.com/trends/cognitive-sciences/fulltext/S1364-6613 ( 25 ) 00021-X
