综述：杏仁核功能的主动推理（Active Inference）视角

作者与机构： 本文由 Ronald Sladky (维也纳大学心理学系认知、情感与方法学系社会、认知与情感神经科学单元; 维也纳认知科学中心)、Dominic Kargl (维也纳医科大学大脑研究中心神经细胞生物学系)、Wulf Haubensak (维也纳医科大学大脑研究中心神经细胞生物学系; 维也纳生物中心分子病理学研究所) 和 Claus Lamm (维也纳大学心理学系认知、情感与方法学系社会、认知与情感神经科学单元; 维也纳认知科学中心) 共同撰写。论文以“An active inference perspective for the amygdala complex”为题，以开放获取的“Opinion”形式，于2024年3月发表在《Trends in Cognitive Sciences》杂志第28卷第3期。

论文主题： 本文旨在提出一个全新的理论框架，以统一并超越当前对杏仁核功能的碎片化理解。作者们认为，传统上基于“自下而上”（bottom-up）或“前馈”（feed-forward）加工模型的理论（例如，将杏仁核视为刺激驱动的威胁检测器或情绪反应中心）存在诸多局限，无法全面解释其在焦虑、恐惧、危险检测等多种认知和情感过程中的复杂作用。因此，他们引入并详尽阐述了基于“主动推理”的计算神经科学框架，以此重新解释杏仁核复合体（特别是其亚核，如基底外侧杏仁核BLA和中央杏仁核CeA）在感知、学习、行为调节中的核心作用。该框架强调“自上而下”（top-down）的预测性加工、信念更新（belief updating）以及以维持内稳态（homeostasis）/异稳态（allostasis）为目标的主动自我调节。

主要论点及论据：

1. 对传统前馈加工模型局限性的批判 作者首先指出，尽管杏仁核（包括其基底外侧核BLA和中央核CeA等亚核）在认知神经科学和临床神经科学中占据中心地位，但大量研究（包括人类神经影像和动物模型）描绘出的功能图景却日益细化而碎片化。不同研究范式将杏仁核与不同概念框架（如效价/突显性、决策）联系起来，但这些解释往往是针对特定现象的、情境化的，缺乏一个统一的理论基础。传统的前馈模型（信息从感觉输入→BLA→CeA→行为输出）存在根本性问题：第一，它无法解释“扎根问题”（grounding problem），即纯粹的感官数据如何在某个加工阶段转化为对有机体有意义的信息（如危险、安全）。第二，它依赖于外部刺激触发反应，忽略了大脑内在自发活动、个体间巨大差异和状态依赖性的重要性。第三，它将实验中的行为变异性视为噪声而丢弃，或将混淆变量引入模型，降低了理论的纯净度和解释力。因此，需要一个能够整合自上而下预测、先验知识（priors）和信念更新的新框架。

2. 提出主动推理作为替代性框架 作者主张用“主动推理”模型替代刺激驱动的前馈模型。主动推理源于自由能原理（Free Energy Principle），其核心思想是大脑是一个“贝叶斯脑”（Bayesian brain），它通过一个分层的生成模型（generative model）不断预测来自身体和世界的感官输入。当来自低层的感觉输入与高层发出的自上而下的预测不符时，会产生“预测误差”（prediction error）。大脑的目标是最小化预测误差（即最小化变分自由能）。这可以通过两种方式实现：一是更新内部模型以更准确地预测世界（即“信念更新”，属感知）；二是通过行动（actions）改变感觉输入，使之符合预测（即“主动推理”，属行为调节）。这个过程涉及“精确度加权”（precision weighting），即根据先验信念和感觉证据的可靠性（“精确度”）来决定学习率（learning rate）或对预测误差的重视程度。作者强调，主动推理为理解大脑功能提供了一个统一的、以行动为导向的自适应自我调节原则。

3. 将杏仁核亚核定位为主动推理分层网络的关键节点 作者的核心创新在于将主动推理的计算原理映射到杏仁核的具体解剖结构上，从而反转了传统的信息流方向。 * 中央杏仁核（CeA）作为贝叶斯调节器： 作者提出，CeA并非被动的行为输出中继站，而是作为一个“贝叶斯调节器”位于杏仁核层次结构的顶端。它接收来自岛叶（insula）等脑区的内感受（interoceptive）信息，编码关于理想内稳态/异稳态设定点的“偏好先验”（preference priors）。这些先验是关于“世界应该是怎样”的固定、高精确度的信念（例如，“我应该感到安全”、“我的血氧水平应处于正常范围”）。当实际或预期的身体状态与这些偏好先验发生偏离时，CeA会产生（预期）预测误差，并发出效价（valence）信号（如负性的恐惧或焦虑信号）。这个信号并非简单地触发情绪，而是驱动一系列自上而下的过程，旨在通过行动减少预测误差，使身体状态回归设定点。 * 基底外侧杏仁核（BLA）作为主动感知过滤器： 传统认为BLA整合感觉信息并传递给CeA。在主动推理框架下，信息流被反转。CeA发出的效价预测（如“可能有危险”）作为情境线索，传递给BLA。BLA（特别是其外侧核LA和基底核BA）则利用这些来自CeA以及海马体、前额叶皮层的自上而下的“感知先验”（perceptual priors），主动预测和搜索环境中与当前内感受状态（如恐惧）相关的特定感觉特征（如蛇的形状、声音）。这相当于一个主动的、预测性的“感知过滤器”。BLA向感觉皮层和丘脑发送预测，通过“预测编码”（predictive coding）机制，选择性地增强相关信号、抑制无关噪声，从而高效地检测危险或奖赏线索。因此，BLA的功能是根据CeA提供的内部动机背景，主动塑造感知，而非被动接收感觉输入。

4. 运用主动推理框架重新阐释四个经典研究主题 为展示其框架的解释力，作者系统性地用它重新解读了杏仁核研究的四个核心领域： * 主题1：危险检测。 传统模型认为BLA过滤和整合感觉特征以检测危险。主动推理视角则认为，BLA利用来自CeA的恐惧预测，主动生成关于潜在威胁的感官预期（如“蛇应该看起来像这样”），并据此主动采样环境。这使得感知是目标导向、节能且高效的，也解释了为何在恐惧状态下感知会偏向威胁、忽视安全信号。 * 主题2：恐惧与焦虑。 传统模型认为恐惧是外部威胁刺激触发的反应。主动推理视角则将其视为一种自我调节过程：恐惧和焦虑是当前或预期状态偏离CeA编码的内稳态偏好先验时产生的（预期）预测误差信号。CeA的功能是持续监控并最小化这种偏离。这区分了用于灵活感知的“感知先验”（可更新）和用于刚性调节的“偏好先验”（固定，驱动行动）。焦虑障碍（如过度警觉、安全学习受损）可被解释为CeA偏好先验失调（如过于精确的“危险”信念）和/或学习率异常。 * 主题3：恐惧条件反射。 传统上，中性刺激（条件刺激CS）通过与无条件刺激（US，如电击）关联获得情感价值。主动推理框架将其视为一种主动的、前摄性的内稳态调节学习。CeA将疼痛等US编码为对内稳态偏好先验的偏离（预测误差）。通过学习，原本中性的CS能够预测这种偏离。因此，条件反射的本质是：生物体学会利用外感受线索（CS）来预测未来的内感受不良体验，从而提前采取适应性行为（如回避）以避免偏离发生。这强调了CeA在内感受-外感受连接中的核心作用。 * 主题4：趋近/回避行为。 CeA不再被视为简单的行为“开关”。在主动推理框架下，CeA发出的预测误差（偏离偏好先验）驱动多层次的、并行的行为调节回路。对于迫在眉睫的危险，CeA通过脑干通路引发刻板的防御行为（如僵直）。对于较远的威胁，它通过影响BLA、皮层等区域，支持更复杂的、灵活的行为计划（如战斗、逃跑、主动回避）。行为的产生都是为了最小化CeA的预测误差，使世界（包括身体状态）符合偏好先验。

5. 对焦虑障碍等临床问题的计算机制解释 作者特别阐述了该框架对焦虑障碍病理机制的理解。他们将临床症状与计算异常联系起来： * 过度警觉（Hypervigilance）： 源于CeA过度活跃，发出过强、过精确的“危险”预测，导致BLA过度偏向于检测威胁相关的感觉特征，增加误报。 * 安全学习受损： 由于CeA的“危险”先验过于精确且固定，即使BLA接收到精确的“安全”预测误差（即没有危险），也无法有效更新高层信念。 * 回避行为： CeA输出的预测误差驱动回避行为，这在短期内减少焦虑，但长期阻止了个体接触新证据来更新错误的先验，导致适应不良。 * 预期性焦虑： 与CeA对未来不良内感受状态的预期有关。 这些解释为从计算层面理解心理障碍并开发针对性干预（如通过暴露疗法更新错误信念）提供了理论基础。

论文的意义与价值： 本文的理论构建具有重要的科学意义和潜在应用价值。 1. 理论整合与统一： 它成功地将分散在杏仁核不同功能研究（如恐惧、注意、决策、社会认知）中的发现，统一到一个基于主动推理和自由能原理的、连贯的、可计算的框架之下，为解决该领域的理论碎片化问题提供了有力方案。 2. 概念革新： 它反转了杏仁核内部（CeA→BLA）以及杏仁核与感觉系统之间的传统信息流方向，将杏仁核从被动的“反应者”重新定义为主动的“预测者”和“调节者”，为理解情绪、感知和行为的交互提供了全新视角。 3. 启发新研究： 文章提出了大量可检验的神经科学预测（如CeA神经元如何编码偏好先验、BLA-CeA环路如何实现预测误差计算和精确度加权），并指出了未来研究的关键方向（如利用计算建模、光遗传学、神经环路追踪等技术验证这些预测），具有很强的启发性和指导性。 4. 连接基础与临床： 该框架为理解焦虑、恐惧相关障碍以及成瘾、强迫症等疾病的病理生理机制提供了基于计算原理的微观解释，有助于推动更具机制针对性的新型治疗策略的开发。 5. 方法学贡献： 提倡将计算建模（如分层高斯滤波）与精细的神经环路实验相结合，推动杏仁核研究从现象描述迈向机制性、定量化的理解。

这篇论文不仅是一篇关于杏仁核功能的深刻理论综述，更是一次将前沿计算神经科学框架（主动推理）系统应用于特定脑区功能解释的典范。它挑战了旧有范式，提出了一个层次清晰、逻辑严密、预测丰富的新理论，有望在未来数年引领和塑造杏仁核乃至情感神经科学领域的研究方向。