Cell | 多巴胺信号塑造个体长期学习轨迹的机制

本文研究了多巴胺信号在长期学习过程中如何动态编码教学信号并塑造个体化的学习轨迹。背景方面，传统强化学习模型假设动物对环境的理解是固定的，主要依赖奖励预测误差调整状态价值，但难以解释新策略探索或个体差异化学习路径。研究目的是揭示多巴胺信号在完整学习过程中的动态作用。研究人员通过训练小鼠完成视觉决策任务，记录其行为轨迹和多巴胺信号，发现背侧纹状体的多巴胺信号在学习过程中从仅对奖励反应逐步发展为对视觉刺激也有响应，且编码特定刺激-选择关联。通过光遗传学操控和构建深度强化学习模型，研究证实多巴胺信号作为策略特异性教学信号，动态引导了个体化的学习路径。结论表明，该研究提出了“深度网络结构 + 异质性教学信号 + 鞍点过渡”作为长期学习的通用机制，拓展了对强化学习模型的理解，并为开发具个性化轨迹的AI系统提供启发。