2015年6月29日，北京大学心理学系和麦戈文脑科学研究所的张航研究员与美国纽约大学的合作者NathanielD.Daw和LaurenceT.Maloney在NatureNeuroscience杂志在线发表题为“Humanrepresentationofvisuo-motoruncertaintyasmixturesoforthogonalbasisdistributions”的研究论文(DOI:10.1038/nn.4055)。文章首次提出并证实了人脑对运动不确定性的内在表征是基于少量正交基底函数的简化和近似。
无论如何小心，我们的运动系统总会随机出错。过去十年的许多研究表明，人类能够很好地补偿自身的视觉和运动不确定性。不过，我们的神经系统是如何表征运动不确定性的呢?张航及其合作者采用了一种新颖的行为任务和计算建模方法来测量人脑如何表征快速指向运动中的随机误差。在每个实验试次中，她们要求人类被试判断两个目标中的哪一个自己更容易击中。通过比较被试在不同形状和大小的目标下的决策行为，她们可以构建出被试对其运动误差随机分布的内部表征。她们也测量了每个被试实际的运动误差。
虽然被试实际运动误差的随机分布是单峰的、接近于高斯分布，被试的内在表征却常常是多峰的、近似于对少量基本正交的(即，不重合的)基底分布的线性加和。相比高斯混合分布等其他的混合分布，以均匀分布为底的混合分布能够更好地解释被试的运动决策。文中讨论了正交基底函数表征有可能怎样减少人脑在做出运动决策时的计算负荷。从更广泛的意义上讲，张航研究组的发现为理解神经回路如何实现认知和决策中复杂的概率运算提供了算法上的指引。
张航研究员是论文的第一作者和通讯作者，该研究得到北京大学-清华大学生命科学联合中心和北京大学麦戈文脑科学研究所资助。