2025年8月，陈霓虹教授团队在中国科学旗舰期刊《Science China Technological Sciences》发表了题为“Hierarchical and parallel processing: From primate visual cortex to artificial intelligence”的综述文章。该论文系统探讨了视觉系统的层级与并行处理机制，并揭示了这些原理如何启发人工智能的发展。论文第一作者及通讯作者为陈霓虹教授。
视觉系统如何将光影转化为有意义的图像，一直是神经科学的重要问题。人类的视觉处理始于视网膜，信号经外侧膝状体（LGN）传递至初级视觉皮层（V1），再分流至背侧和腹侧两条通路。背侧通路负责处理空间位置和运动信息（“在哪里”），腹侧通路则聚焦于物体识别（“是什么”）。
而在介观尺度上，V1的功能模块以柱状结构组织，包含处理方向、颜色和双眼视差的神经元群。信号进入V2后，进一步分为负责颜色和形状加工的细条纹，负责运动和深度加工的粗条纹。这些区域通过前馈、反馈和水平连接，与上下游脑区协作，形成多层次、多线程的处理网络（见图1）。7T超高场功能磁共振成像研究进一步验证了人类V2的条纹结构，揭示了颜色、视差和自然纹理的介观尺度表征。
图1 早期至中级视觉系统的层级与并行处理。左图：早期视觉区域中前馈、反馈和水平连接的分层神经回路。右图：V2区并行处理流的简化模型及其与V1、V3ab和V4之间的连接关系
其中，自然纹理（如岩石或麦田）的加工是视觉系统层级与并行信息处理的典型案例。V2通过整合V1的局部特征（如方向和边缘），形成更复杂的纹理表征。研究表明，V2的纹理选择性依赖V4的反馈输入，这可能解释V2 未具有纹理专属模块化组织（见图2）。这种多层级信息交流展示了视觉系统如何从简单特征逐步构建复杂图像。
图2 利用超高场fMRI揭示颜色、视差和纹理的人脑介观功能组织。(a)V2区中颜色和视差加工呈现交错排列的条纹状柱结构，而纹理加工缺乏此类组织。(b)跨皮层深度的信息流分析显示，颜色和视差依赖V1到V2的前馈输入，而V2中的纹理加工则依赖来自V4的反馈。(c)灵长类视觉系统中颜色、视差和纹理多层次、多线程处理的示意模型。
上述模块化与层级处理机制为深度神经网络发展提供了灵感。19世纪50-60年代，Hubel和Wiesel发现初级视觉皮层中的神经元具有对视觉环境中特定的朝向的选择性。他们发现两种不同类型的细胞：简单细胞（只在特定空间位置对偏好朝向有响应）和复杂细胞（响应有更大的空间不变性）。特征的选择性以及空间不变性的基本视觉层级计算特性构成了CNN深度卷积神经网络的基础。基于早期视皮层的信息加工模式，Portilla与 Simoncelli（2000）用不同空间位置、尺度和朝向的滤波器对图像进行分解，并计算滤波器响应之间的相关结构，将这些高阶统计量作为约束条件。从随机白噪声出发，只要满足这些统计约束，便能够合成与原始纹理在知觉上高度相似的新图像。这一结果意味着人类视觉系统在层级加工中提取自然环境的统计信息，因此基于该规律合成知觉的“同位异构体”（Metamers）可很好地激活相应层级的视觉神经元。这一假设得到了灵长类电生理和人类脑成像研究的支持。例如，DNN在纹理处理中表现出与V2类似的统计选择性，通过模拟学习过程揭示感知学习的神经机制。近年来，灵长类研究通过比较学习前后 IT 皮层的神经反应变化。结果显示，这些变化不仅可以由下游读出权重调整解释，更符合解剖映射的人工神经网络在任务表现优化过程中产生的层级表征更新。该研究提示，深度网络不仅可以作为视觉系统的“孪生数字脑”模型，也可以用于生成关于视觉学习和皮层可塑性的可检验假设。
图3 深度卷积神经网络（DCNN）作为研究知觉学习诱发的皮层可塑性模型（Lu et al., 2024）。上方为与视觉层级对应的纹理加工，下方为DNN架构示意图。研究使用自然纹理辨别任务对代表性深度卷积网络Alexnet进行训练，并在训练前后分别测试了模型对特定家族的纹理和相应噪音的区分能力。
与简单的前馈通路不同，灵长类和人类视觉系统为多层次、多线程的处理架构。其他类脑模型如拓扑深度神经网络（TDNN）和自组织映射（SOM）通过模拟皮层空间组织，展现了生物视觉系统的效率与功能平衡。论文指出，视觉系统不仅依赖从低级视觉皮层到高级视觉区的前馈连接，也依赖高级区域向早期视觉皮层传递解释、预测和任务相关信息的自上而下反馈连接。未来应重点研发融合前馈、横向和反馈连接的神经网络，以提升物体识别性能并模拟灵长类视觉层级加工。上述探索将进一步提升AI系统的性能与可解释性，深化我们对生物视觉计算原理的理解，协同推动神经科学与人工智能发展。
原文链接：https://doi.org/10.1007/s11431-025-2971-2