吸引子网络

吸引子网络是描述一群相互之间密集连接的脑细胞的一种方式：由于彼此反复传递信号，它们的活动会自然地朝某几个稳定的模式滚去，并最终停在那里——有点像把一颗弹珠放到坑坑洼洼的地面上，它总会滚进其中一个低洼处停住。每一个低洼处被称为一个吸引子，代表网络能够保持的一种稳定状态，也对应着大脑想要稳稳记住的东西：一张记得的面孔、一个选定的方向、一个已经做出的决定。因为这些细胞把信号回送给彼此、形成回路（这种带环路的连线方式叫做递归连接），所以即使最初触发它的东西已经消失，这个模式仍能靠自己维持下去，把答案稳稳地保持住。

它如此有用的地方在于：网络能够清理并补全杂乱的输入。只要把它推到接近某个低洼处——给它一个模糊的线索，或只是半段记忆——递归式的回馈就会把整个活动模式顺着拉下去、落进最近的那个稳定状态，从而恢复出完整的答案；这正是单凭一条线索就能唤回整段记忆的原理。同样的思路也解释了做决定：随着证据不断到来，网络会慢慢漂移，直到倒进这个低洼而不是那个低洼，而最终停下的模式就是所做的选择。微小的扰动或噪声会被抚平，因为活动会重新滑回低洼处——正因如此，这类网络能在数秒之内可靠地保存信息，并在受到干扰后从容地恢复。

研究者既把吸引子网络当作真实回路如何运作的理论，也把它当作可以在计算机上模拟的工具。这一图景与脑中的多个系统相符：海马体和大脑皮层中的细胞被认为是以吸引子的形式储存记忆，头朝向细胞似乎会落在一圈状态上、像一个内在的指南针，而那些把一个决定或一个念头持续记在心里的回路，似乎也依赖同样的自我维持环路。这个模型还能预言一些典型的失误——例如，如果两个储存的模式靠得太近，弹珠就可能滚进错误的低洼，把记忆混淆或叠在一起。