当眼睛跟踪一只飞过的鸟时，平移眼球以保持目标聚焦的肌肉不仅可以确定他们看到的速度，还可以合理估计他们所期望的速度。之前看过的鸟儿。
 
杜克大学神经科学家团队发现了这种预测行为背后的神经布线，并且在电路设置为预测给定速度的情况下观察猴子。他们说，大脑的感觉和运动系统的神经元是由过去的经验和感官输入的结合引导的。
 
当在神经网络计算机中复制时，运动神经元所做的这些有根据的猜测模仿了贝叶斯统计推断，该论文的资深作者Stephen Birberger和杜克大学神经生物学研究教授George Barth Geller说。贝叶斯推断依赖于给定结果的概率，并在更多证据可用时对其进行更新。
 
研究人员建立了一个电路的数学模型，该电路使先前的经验与一种感觉输入相对应，并相应地调整其连接的权重，就像真实生活版本在其突触中所做的那样。
 
“该模型就像神经元一样，”Lisberger说。该团队能够将神经反应呈现为一系列符合贝叶斯逻辑的方程。
 
这项工作将于9月17日出现在Nature Neuroscience上。
 
“电机控制由这种可靠性编码信息引导，”Lisberger说。过去经验的记忆是通过神经回路中突触的强度来建立的，这些突触驱动所谓的追踪眼球运动，并且这些突触可以随着经历的变化而快速修改。该系统的核心是大脑的一个区域，用于控制额叶眼球中的平滑眼球运动，简称FEFsem。
 
在过去几年中，许多神经科学论文都展示了大脑根据过去的经验使用推理和预测来调节其对感官输入的使用的能力。“据我们所知，这是第一次有人找到一个完美的位置来引起我们看到的行为输出，”Lisberger说，他也是杜克脑科学研究所的成员。
 
整个追踪眼球运动电路，从视网膜到大脑，再到眼肌，是研究人员所熟知的，它们可以测量任何单个神经元。他们记录了单个神经元的活动，因为猴子跟踪移动目标，并使他们的追踪眼球运动适应不断变化的速度。
 
该团队的实验还表明，当视觉目标通过降低其对比度或亮度而在视觉上不那么明显时，基于过去经验的估计的重要性变得更大。“就像你在夜间或雾中驾驶一条熟悉的道路一样-你知道接下来会发生什么，就像你实际看到的一样，”Lisberger说道。
 
“在低光照下，FEFsem说，'不要跟踪，'”Lisberger说。“但是，如果它是一个明亮的补丁，它会说'调入，得到它。'”这种洞察力将使他们能够通过观察神经元来预测眼球运动，他说。