本文来自微信公众号：量子位（QbitAI），作者：郭一璞、十三，题图来自：视觉中国
为什么在北京、西安这种道路横平竖直的城市，你更容易分清方向，不容易迷路？
为什么到了重庆、青岛这种道路方向随心所欲的城市，你就晕了？
好像所有人都知道，如果道路直南直北、城市方方正正，人就更有方向感，但这究竟是为什么？
现在科学依据来了。
来自大名鼎鼎的马克斯·普朗克人类认知与脑科学研究所、伦敦大学学院（UCL）等机构科学家，最新一篇论文登上Nature子刊Human Behavior，揭开了背后的大脑秘密：
因为你的脑子里，记忆不同地标位置的方式是一张虚拟的地图，负责记忆这些虚拟地图的细胞，本身排列成六边形网格。
因此，当“虚拟地图”是四四方方的时候，六边形网格细胞的记忆形变不明显。
而如果“虚拟地图”是七拐八拐的各种形状，六边形网格细胞的记忆形变就非常明显了。
VR环境中位置记忆实验
为了证明这一点，研究者们跑去挪威科技大学，找了一群男男女女做实验。
参与者一共53人，他们的年龄都在18~30岁之间，实验需要让他们带上VR设备进行，由于一些技术和误差的问题，最终的数据以其中37人为样本。
实验的过程，是在这样一个VR+运动平台的组合中进行的：
实验者穿着摩擦非常低的鞋套，被安全带固定在运动平台上，可以自由旋转变换方向，这样他们就能在VR世界中行进了。
他们先进入了一个新手村，新手村的形状是虚拟的圆形环境，这里有许多树木可以做为地标辨别方向。
他们在这个新手村适应在VR运动平台设备中走路和转弯，并像玩游戏一样在这个VR世界里通过控制器按钮捡金币。
在新手村适应之后，实验正式开始。
正方形和梯形环境
实验在两种尺寸的虚拟环境中进行，一种是36vm×76vm×8vm×76vm的梯形环境，这里的vm是“虚拟米(virtual meters)”，VR环境中特有的长度计量单位，另一种是40.27vm×40.27vm的正方形环境。
两种环境中，都有蓝天和草地，为了方便定位，环境的边界每面墙都是不同的颜色。
参与者在每种环境中分别呆20分钟，一半的人先进入梯形再进入正方形，另一半的人相反。
虚拟环境中，有包括锥桶、烤吐司机在内的各种目标，每次他们新进入虚拟环境的时候，环境中的这些目标的坐标是随机更新的，目标之间的最小距离是11vm，它们离边界的最小距离是3vm，并且，每次坐标随机更新时，都是按照排列成两个钝角等腰三角形的阵列来布置的。
每次人进去的时候，他们先从锥桶开始，之后走到不同的目标处，以记住不同目标的位置。
这个玩意就是锥桶
之后，除了锥桶之外的其他目标消失，参与者回到开始的锥桶处，研究者给他们出题，随机展示一个目标的图形，他们根据记忆跑到这个目标之前的位置，如果地方对了，会收获一个笑脸。
在参与者从虚拟世界的游戏中出来之后，研究人员让他们分别估计自己行走的距离和对应在电脑屏幕上的长度。
越方正的VR环境，越容易记住位置
之后，通过各种数学方法统计出参与者们走到目标位置的准确程度，发现在正方形环境中，参与者的错误率是明显低于梯形环境的。
而实验的分数，正方形也是高于梯形环境的。
之后，考虑到梯形环境整体比较长，因为距离远可能会让人记不住，因此他们把梯形划分为了左右两个部分，左边的宽一些，形状更方正；右边的窄一些，形状更扭曲。
这下，神奇的事情出现了，在梯形环境里，左边宽的部分错误率明显低于右边窄的部分。
同样从得分算，左边宽的部分分数也高于右边窄的部分。
而在事后的距离估算环节，参与者估算距离的准确程度也大同小异。
这说明：在越方正的地方，人类对于位置的记忆是越准确的。
或者说，一个地方越四四方方，你就越不容易迷路；而如果你个地方是歪歪扭扭的，你就容易犯路痴。
在七拐八拐的地方，网格细胞会扭曲
那么，为什么这样呢？
其实，当我们想要记住一个重要的位置或一段路径时，我们的大脑会对周围环境绘制一张“地图”。
这张“地图”中的一个重要组成部分就是网格细胞(grid cell)。
简单来说，它是大脑GPS系统中的一部分。
当我们在看一张地图时，其实大脑也在看这张地图。它会分析“有多远”、“什么方向”等等问题，这时，起到关键作用的便是4个单位细胞：
定位细胞(place cell)：识别身处的位置；网格细胞(grid cell)：打坐标轴、画网格；定向细胞(head direction cell)：识别方向；定界细胞(boundary vector cell)：了解相对距离。
有关“大脑GPS系统”的研究还曾获得了2014年的诺贝尔奖。
而在这个过程中，网格细胞起了比较重要的作用。
下图中的灰色线代表了老鼠走过的路径，红色点表示在这个位置时，细胞属于激活状态。
而当把老鼠放到更大面积区域后，结果就更明显了。
较为亮的点表示细胞处于激活状态，将这些亮点连起来，形成规则六边形网格。
换句话说，当你在乱跑时，这些细胞都默默地在帮你记住坐标。
而在这项的研究中发现，当老鼠穿过梯形框时，这些本来较为稳定的网格会变得不对称。
相反的，在通过方形框时，网格是比较规则的。
在此次人类参与的实验中，结果是类似的：
人身处不规则环境后，回忆起位置和距离时，这些网格产生了扭曲。
而更神奇的是，即使是处于相同的方形环境，看到两个距离相同的物体(一个是梯形，一个是方形)后，在回忆与梯形物体距离时，会产生一定的偏差。
在梯形(上)和方形(下)环境下，网格所呈现的扭曲。
MPI科学家们之前的研究也表明，大脑不仅创造了思维地图来找到自己的方向，而且其它的认知过程也覆盖在我们大脑的GPS系统上。
除了人类自我认知，还有助于AI
研究诸如网格细胞或者大脑GPS系统，不仅能够提高人类对自我的认知。还能更好的帮助人类推进人工智能的发展。
去年，DeepMind便利用AI模拟了大脑导航功能，能够像动物一样“抄近路”，登上了Nature杂志，还激起了业界热烈的讨论。
DeepMind团队首先用深度学习算法训练神经网络学习哺乳动物的觅食运动路径，利用线速度、角速度等信号在视觉环境中进行定位。
研究人员随后发现了一种类似于网格细胞活动特征的结构，在此前的训练中，他们并未刻意引导神经网络产生此种结构。
DeepMind团队随后利用强化学习检验这种网格结构是否能够进行矢量导航。
经历强化学习后，该人工智能在游戏迷宫中向目的地前进的导航能力超越了一般人，达到了职业游戏玩家水平。它能像哺乳动物一样寻找新路线和抄近路。
DeepMind团队相信，类似的研究方法还可以用来探索大脑听觉和控制四肢的机制。在更远的将来，神经科学家们甚至可以用人工智能代替小白鼠来做实验。
研究团队介绍
Jacob Bellmund，个人主页：https://www.jacobbellmund.com/
Jacob Bellmund是一名认知神经科学家，来自德国Max Planck人类认知和脑科学研究所，研究兴趣包括空间导航和情景记忆。
William de Cothi，个人主页：https://www.ucl.ac.uk/~ucbpwjw/
William de Cothi是伦敦大学学院行为神经科学研究所的博士生。在攻读博士期间，他希望利用机器学习、虚拟现实、神经成像和细胞外录音等领域的最新进展，研究与导航系统相关的大脑和行为。
Matthias Nau，个人主页：https://matthiasnau.com/
Matthias Nau是挪威Kavli系统神经科学研究所的认知神经学家。
Caswell Barry，个人主页：https://www.ucl.ac.uk/biosciences/people/caswell-barry
Caswell Barry是UCL细胞和发育生物学首席研究员，同时也是神经科学家。
Christian F. Doeller，个人主页：https://www.mpg.de/12000399/kognitions-neurowissenschaften-doeller
Christian F. Doeller来自Max Planck人类认知和脑科学研究所心理学系主任。
传送门：
论文地址：Deforming the metric of cognitive maps distorts memory
Jacob L. S. Bellmund, William de Cothi, Tom A. Ruiter, Matthias Nau, Caswell Barry, Christian F. Doeller
https://www.biorxiv.org/content/10.1101/391201v2.full
博客：https://www.eurekalert.org/pub_releases/2019-11/mpif-vf111819.php
本文来自微信公众号：量子位（QbitAI），作者：郭一璞、十三