综述：灵长类大脑中的预测编码：从视觉到额叶-边缘系统

本综述系统阐述了预测编码（Predictive Coding）理论在灵长类大脑层级信息处理中的神经实现。文章聚焦视觉皮层与额叶-边缘系统，揭示了层级解剖结构、频率特异性神经振荡（如γ波段自下而上信号、β波段自上而下信号）与微环路计算间的内在联系，并提出该框架可为抑郁症、焦虑症等精神疾病的大规模网络功能障碍提供新的解释视角。

预测编码理论：大脑如何作为预测机器运作

大脑并非被动接收感官信息，而是主动生成对外部世界的内部模型，并通过不断最小化输入感官信号与自上而下预期之间的差异来更新这些模型——这便是预测编码理论的核心思想。这一最初为解释视觉感知而提出的计算模型，现已发展成为理解大脑信息处理的一种通用框架。

预测编码的理论基石

在视觉系统研究中，Rao和Ballard提出的分层预测编码模型表明，通过分层级的预测与误差修正，高阶脑区会自适应自然图像中的规律性特征。Friston的自由能原理进一步将预测编码置于更广阔的贝叶斯推理框架下，将其形式化为大脑中实现近似贝叶斯推理的一种生物学上可行的机制。在此框架中，"典型微环路"被认为是实现预测编码的潜在神经基质：深层锥体神经元产生自上而下的预测，而浅层锥体神经元则计算这些预测与自下而上输入之间的误差。

视觉皮层中的神经架构与预测编码

灵长类视觉皮层具有明确的解剖层级结构。定量追踪研究显示，皮层连接的方向与其层状起源和终止模式相关，形成了渐变的解剖学层级。关键发现在于，这种解剖学定义的层级与特定的神经振荡模式相对应。例如，局部场电位记录发现，浅层皮层（II/III层）主要产生γ波段（40-90 Hz）活动，而深层皮层（V/VI层）则与β波段（15-30 Hz）活动相关。这种层状特异性振荡模式与预测编码的假设高度吻合：γ波段活动通过浅层到IV层的通路传递自下而上的预测误差信号，而β波段活动则通过深层到浅层的通路传递自上而下的预测信号。跨多个视觉区域（如V1、V4、7A区）的层状记录和谱格兰杰因果分析证实，γ波段的影响沿层级向上（如V1→V4→7A）传播，而β波段的影响则沿层级向下（如7A→V4→V1）传播，其方向性与基于上颗粒层标记神经元比率定义的解剖层级距离强相关。

像PredNet这样的预测编码计算模型，在接受预测后续视觉输入的训练后，不仅能准确预测未来帧，其内部表征还自发产生了类似初级视觉皮层的感受野特性（如Gabor-like感受野、端点抑制、周边抑制），甚至能解释Kanizsa错觉轮廓和"旋转蛇"静态运动错觉等高级知觉现象。这表明，无论是真实知觉还是错觉，都可以从分层预测和误差修正的角度得到统一解释。

从感觉皮层到额叶-边缘系统：预测编码的扩展

预测编码的原则并不仅限于感觉处理。额叶-边缘系统同样表现出层级组织和层状特异性连接。解剖学研究表明，脑区之间连接的方向性与它们细胞构筑颗粒性的差异系统性相关：从颗粒化程度较低的脑区（如无颗粒型的膝下前扣带回皮层sgACC）到颗粒化程度较高的脑区（如背外侧前额叶皮层dlPFC），投射遵循深层到浅层的模式（类似反馈连接）；而反向投射则遵循浅层到深层的模式（类似前馈连接）。这为认知情感调控的层级结构提供了解剖基础。

在重度抑郁症中，神经影像学研究观察到腹侧边缘区域（如sgACC）活动过度，而背侧前额叶区域（如dlPFC）活动不足的"皮质-边缘失衡"现象。从预测编码的角度看，这可被解释为来自边缘区域的自下而上情感预测误差信号，压制了前额叶区域的自上而下调控性预测。针对dlPFC的重复经颅磁刺激治疗，其疗效与刺激靶点同sgACC之间存在强的负性静息态功能连接相关，这支持了恢复自上而下调控可缓解症状的观点。

在非人灵长类动物中的实验提供了更直接的生理证据。在动机冲突决策任务中，对sgACC进行微刺激可诱发焦虑样行为，同时，频谱格兰杰因果分析显示，原本从dlPFC指向sgACC和纹状体的、以α/β波段为主的自上而下的因果影响显著减弱。这表明焦虑样状态破坏了对情绪的层级调控动力学。

未来展望与挑战

将预测编码框架扩展到情感和认知领域，特别是与内感受推理相结合，为理解情绪、自我意识及其在精神疾病中的紊乱提供了新视角。例如，前脑岛皮层被视为一个整合自下而上的内感受预测误差和来自前扣带回及前额叶皮层自上而下预测的关键枢纽。有研究通过光遗传学诱导小鼠心动过速，并观察到焦虑样行为增加，这为"身体状态通过内感受回路塑造情绪体验"的经典理论提供了因果证据，并符合预测编码的框架。

然而，直接证明前额叶-边缘系统中存在预测和预测误差计算的证据仍然有限。未来的研究需要结合层状电生理学、因果干扰和计算建模等方法，来验证这些脑区是否以及如何通过类似典型微环路的架构实现预测编码。澄清这些问题，不仅将深化我们对大脑功能的理解，也有望为情绪障碍的干预提供新的靶点。

总结

预测编码理论为理解灵长类大脑层级信息处理提供了一个强有力的统一框架。从视觉皮层的解剖层级、频率特异性振荡到微环路计算，证据表明预测误差最小化是皮层组织的核心计算原理。将该框架扩展到额叶-边缘系统，为解释抑郁症、焦虑症等精神疾病的大规模网络功能障碍提供了新的机制性视角，展现了连接基础神经科学与临床精神病学的巨大潜力。