大腦如何“規劃”未來？我們可能一直把問題想窄了

認知神經科學前沿文獻分享

基本信息

Title:Planning in the Brain: It’s Not What You Think It Is

發表時間:2026.4.16

發表期刊:Annual Review of Neuroscience

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

在大腦與決策研究里，“規劃”長期有一個幾乎不言自明的經典形象：個體面對選擇時，像棋類程序那樣沿著未來行動樹向前推演，比較不同路徑的后果，再決定下一步怎么做。這套思路深受人工智能早期樹搜索算法影響，也與心理學中“世界模型”或“認知地圖”的觀念緊密相連：大腦先學到環境結構，再在決策時從當前狀態出發做前向搜索。它確實解釋了人和動物為何能在新情境中表現出靈活、目標導向的行為，但一個關鍵困難始終存在——真正的內部模擬過程往往是隱性的，僅靠行為結果很難判斷它到底在何時發生、以何種形式發生。

Marcelo G. Mattar 和 Nathaniel D. Daw 在這篇綜述中正是從這里切入，重新審視“規劃”這一概念本身。作者認為，把規劃主要理解為“做決定時的在線前向搜索”過于狹窄，甚至可能只是更一般機制中的一個不具代表性的特殊案例。更合適的表述是：凡是能夠借助心理模擬來支持學習、從而改善未來行為的計算過程，都可以納入規劃的范圍。這樣一來，規劃的關鍵就不再只是在選擇當下“往前搜幾步”，而是包括在決策之前、乃至決策之外，通過模擬經驗完成預計算、更新價值表征、塑造策略選擇等過程。

實驗設計與方法邏輯

文章的組織邏輯很明確：先回顧經典規劃觀，即基于世界模型在決策時進行前向搜索；再結合人工智能中的預計算、緩存、Dyna 架構與蒸餾思路，強調模擬經驗更重要的用途往往是支持學習，而非僅服務當下選擇。隨后，作者圍繞 Figure 1 提出的四種視角展開論證：在線前向搜索、離線模擬驅動的預規劃、借助時間抽象表征實現的“少搜索或無搜索”規劃，以及由元學習塑形的任務特異性規劃策略。全文因此不是在比較互斥模型，而是在重構“規劃”這一概念的邊界。

核心發現

發現一：作者將“規劃”從決策時的前向搜索，擴展為由心理模擬支持學習的一類更廣義計算

全文最核心的貢獻，是對“規劃”定義本身的改寫。Figure 1a–d 以同一迷宮場景并列展示四種機制：Figure 1a 代表經典在線前向搜索，但 Figure 1b–d 進一步加入離線預規劃、無需迭代搜索的時間抽象表征以及元學習。這個總圖之所以重要，不是因為它提供了新數據，而是因為它明確表明：作者并不把前向搜索當作規劃的標準模板，而是把它視為眾多實現方式中的一種。結合摘要與引言可見，作者真正想強調的是，心理模擬的主要價值常常體現在“提前學會如何更好決策”，而不是只在選擇時臨場展開推演。

Figure 1 Four views of planning in the brain.

發現二：海馬回放常常更像離線預計算與學習，而非直接控制當下選擇

圍繞回放的討論，是全文最直接的神經證據鏈。Figure 1b 概括了作者的關鍵主張：模擬軌跡可以在決策尚未到來之前生成，并通過訓練下游價值表征來影響后續行為。文中回顧的人類功能磁共振成像、腦磁圖以及嚙齒類研究都顯示，相關再激活不僅會在選擇時出現，也常在獎勵剛被引入時、安靜休息期、停頓期甚至睡眠中出現；其內容還能預測之后的靈活選擇表現。作者尤其強調，后向回放更容易解釋為信用分配，而非即刻前視搜索；同時，嚙齒類的長程回放常發生在靜止時，而不是動物真正移動、最需要即時選擇之際。

發現三：后繼表征與網格細胞相關編碼提示，大腦可以在不逐步搜索的情況下實現靈活評估

Figure 1c 是全文“規劃不等于樹搜索”的另一條關鍵證據。作者指出，后繼表征會把某一狀態之后可能遇到的未來狀態進行聚合，因此當目標價值變化時，系統可通過一次加權讀出完成重新評估，而不必每次都沿狀態樹逐步展開。這種時間抽象機制保留了相當程度的靈活性，卻顯著降低了在線計算負擔。文中進一步討論，內嗅皮層的網格細胞可被視為支持這類長程預測的表征基礎，其群體活動近似于一組能夠表達長期動態關系的基函數，使規劃更像讀取預測地圖，而不只是反復模擬一步轉移。

發現四：前額葉元學習可能塑造大腦何時規劃、如何規劃以及調用哪種模擬策略

如果說前兩部分討論的是規劃的實現材料，Figure 1d 討論的則是規劃機制本身如何被學習出來。作者在“Meta-learning: Learning How to Plan”一節提出，規劃并不是一個跨任務固定不變的通用算法，而會在反復任務經歷中被經驗持續塑形。按照這一視角，前額葉皮層的持續性、循環性動態可能承擔類似“內環算法”的功能，而跨情境的學習則通過較慢的塑性過程來優化這種動態，使其更適配特定任務結構。

歸納總結和點評

這篇綜述最有分量的地方，在于它不是單純為經典“模型式決策”框架補充新現象，而是重新設置了“規劃”這一研究問題：大腦中的規劃更像是一組利用心理模擬來進行學習、預計算與策略塑形的過程，前向搜索只是其中一種情形。沿著這一框架，海馬回放、后繼表征、網格細胞相關編碼以及前額葉動態不再是彼此割裂的線索，而被放進同一理論坐標中理解，為“靈活行為究竟如何在神經系統中實現”提供了更統一的敘述。同時，作者也保持了必要克制：不同機制未必能被單一理論完全統一，不同物種、任務與測量手段之間的映射關系仍待厘清，而依賴預計算與緩存的方案雖然高效，也會在環境變化時面臨失效風險。正因為沒有把框架寫成終局答案，這篇文章的價值反而更清楚——它真正推動的是我們看待規劃的方式。

請打分

這篇剛剛登上 Annual Review of Neuroscience 的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿