The Temporal Context in Bayesian Models of Interval Timing:

Recent Advances and Future Directions

贝叶斯计时模型的时间背景:最新进展和未来方向

一、前言

人类对时间的认知加工并不准确，两种主要的偏差包括全局效应和局部效应，贝叶斯计时模型为理解这些效应提供了解释的视角，但在神经化学机制上过去时间如何影响当下感知仍不清楚。本研究旨在总结最近的贝叶斯计时模型解释时间背景效应的研究并指出亟待解决的突出问题。

全局效应最早是近200年前Vierordt提出的，描述了对一系列时间刺激中长/短时间间隔的感知向平均值靠拢而导致低估/高估的现象；而局部效应描述的是近期时间间隔的影响，如前一个试次或试次间距离。早期理论用适应和感觉加权来解释这些现象，而贝叶斯和信号检测论也早已用于解释这些偏差。

贝叶斯决策理论认为，人的大脑可以视作贝叶斯观察者，通过贝叶斯推断对先验知识和新的感觉信息进行最优化整合而做出决策。感知系统首先从外部环境中提取由概率分布（先验）建模的统计规律，而后传入的感觉信息会形成特定似然函数的测量分布，二者整合成后验分布，即为决策空间，再根据成本函数的收益和成本构成的隐含决策规则确定最终的反应。在贝叶斯计时模型中，感知到的时间由内部时间记忆和新传入的感觉信息整合而成，先验和似然性可用高斯分布表示，虽然实际情况可能更加复杂。

先验被认为是刺激系列的均值并表征内部时间的精度，而似然性表征当前信号的感知及其精度，传统的内部时钟模型已被质疑不能很好的解释多种似然分布的形成，近期研究将贝叶斯框架与纹状体节拍器等模型结合起来运用。

与以往的模型相比，贝叶斯模型能更好的解释时间之间中的背景效应，因为它的时间学习系统既考虑了世界的稳定属性，又考虑了信号的不确定性，因而不可避免地引入了计时偏差，本文将介绍这方面的相关研究及问题展望。

二、多重先验的动态整合

最初的贝叶斯模型假设先验是相对静态的，并没有把局部效应考虑在内。内部参考首先将全局背景和局部背景统合与于动态更新的加权几何移动的均值中。最近的贝叶斯模型也增加了类似卡尔曼滤波器的内容，卡尔曼增益与先验和似然性精度有关，高增益往往代表更不稳定的先验，即先验试验的影响更大。据此，全局与局部效应皆源于逐次试验基础上共同先验的更新，刺激的范围与次序皆有影响，如在随机序列中趋中效应大幅减少。将动态先验包含其中更言明了该模型解释多个先验协调交互塑造时间感知的潜力。

三、先验的学习

先验的形成与泛化。学习先验的不同统计属性有快慢，均值往往快于方差。学习者首先通过跨通道的快速而广泛的学习形成一个单一先验，大量训练之后开始表现出特异性先验的能力。当间隔分布与不同运动输出相对应时，学习者可以形成更具特异性的先验，这与具备超强运动计时技能的鼓手其趋中效应很小、而运动受损的帕金森患者趋中效应更大相一致。随着学习的进行，先验知识由灵活性向特异性动态转化。

先验泛化的脑成像与生物化学研究。纹状体（尾状核）与刺激特异性有关，而海马跨刺激间隔泛化并与对应于趋中效应的尺度而激活，表现出两种不同的机制。一些非时间领域的研究反应，泛化强度与中脑多巴胺-海马的功能连接有关，

未来研究方向。海马纹状体的相互作用以及对先验泛化与特异性的影响；内部参考的更新，原始参考的建立与保留。

四、时间处理过程中先验影响的时间位置

整合的位置。先验和感觉的整合往往被默认为发生在后感觉阶段，但在某些情况下，如时间二分任务中，一旦超过主观时间感知，决策可能先于刺激的消失。EEG研究表明n-1试验的 CNV波幅和β振荡功率变化与决策阈值的调整有关，但也有人认为这是内部参照的逐次更新。

先验在刺激处理过程中的整合。电生理研究提供了这方面的证据，在研究全局与局部背景效应的时间复制任务中发现，CNV随背景缩放、P2与期望有关、β功率与先验有关，这早于决策阶段。

五、时间似然性难题

预测处理模型假设知觉系统通过自上而下的方式学习世界的结构，通过分层生成系统预测，结合传入信息进行微调。知觉系统一方面以生成系统减去先验预测来减少信号，一方面放大不确定性，这样各层级系统的可能性可概念化为无法解释的预测误差，这一误差受注意力调节。

这种对可能性的解释与贝叶斯模型的一些概念不同，但最近的研究表明，视觉神经网络能够仅从视觉刺激的变化积累中产生可靠的时间估计，这种模型假设时间是神经系统的内在属性。

卡尔曼滤波模拟贝叶斯处理，从后验（感觉）和先验的双重交互过程来减小误差，传入的感觉信息越可靠，先验的影响越小。关于时间可似然性的不确定归根结底体现了有无内部时钟的争议。

六、先验和似然分布的精确性

感觉不确定性的估计。一个典型的例子是趋中效应。老年人的CTB较大，可能与感觉精度下降而过分依赖先验有关；打击乐手的CTB较小，可能是长期训练导致对感觉的精确加权；帕金森患者的CTB较大，表明多巴胺与似然性精度有重叠；自闭症患儿不能很好地使用先验来减少误差。

CTB强度不一定与低似然性精度和低多巴胺水平单调负相关，安它非命和精神分裂症患者的相关研究提供了相反的证据。精神分裂症患者有感知的崩溃、预测错误、对似然性的高加权、自上而下的先验崩溃等情况，对该人群的趋中效应相关研究表明，多巴胺增加与贝叶斯先验加权提高也有关系。

类似的，服用多巴胺阻断剂氟哌啶醇会损害时间预期，扰乱原本精确的时间先验。总之，多巴胺和先验及似然性信号的精确度有关。

  除多巴胺外，还有一些其他神经递质与贝叶斯计时的信号精确性有关，如乙酰胆碱、去甲肾上腺素、迷幻剂、氯胺酮等。

七、时间决策

预测错误的处理。预测处理中的误差并不用于编码客观世界而只用于调整和细化，随着对刺激的感知由一般性质的要点走向越来愈丰富的感知，误差也随之减小。根据这一假设的研究表明，时间复制任务中的二次反应其趋中效应更小，因为进行了评估和再决策。

贝叶斯模型还要考虑后验信念以及预期成本。比如在医疗领域的诊断就必须考虑不同诊断（心脏病和烧心）的后果（死亡和不必要的医疗程序）来决策。人的认知监测能在一定程度上意识到错误的方向和大小，如提供反馈会使趋中效应减小。此外，强化学习会增加变异性以使奖励最大化。这些都表明时间感知与学习的基础过程之间存在密切关系。

关于多巴胺在时间感知和奖励预测学习中作用的整合。虽然预测处理和强化学习都关注误差，但前者着眼于最小化误差，而后者重点在最大化奖励。基于理性不注意提出的模型认为增加的任务精度与更高的精力成本有关，而是否承担这一成本取决于多巴胺。高奖励下的高多巴胺导致对积极预测错误的学习，先验影响减小而似然性精度增加；反之低多巴胺与消极预测错误以及趋中效应增大有关。这一模型可解释帕金森但解释不了精神分裂，多巴胺、时间、强化学习之间可能不是简单的线性关系。

八、总结与展望

本文旨在从贝叶斯推理的角度综述间隔计时的最新研究。先验不是静态的，我们开始了解先验形成的具体细节；先验不仅表征时间范围，还表征序列。

未来研究要阐明先验和似然性的精确加权，尤其是多巴胺在其中的作用；贝叶斯在神经化学系统和多系统交互中如何体现；时间似然性是由于专门的计时系统还是神经网络的属性；贝叶斯模型和其他的时间理论如内部时钟、神经网络之间如何抉择，以不同的预测来澄清和更新各模型的说法是非常必要的。

#谁能相信这篇文章前前后后看了快一个月看了三四遍还是没看懂，服了SOS