原标题：PNAS：大脑如何整合多感官模态信息，进行因果推断？
导语/Introduction
大脑作为复杂智能系统，因果推断能力是其智能的主要表现之一，但怎样在微观神经元层面解释大脑因果推断的内在机制，仍是尚未解决的难题。
例如，当我们在静止的车厢里看到旁边的列车开动，会产生自己在动的错觉。这是因为视觉系统“看到”了运动，但前庭信号却显示我们是静止的。面对不同来源的信号，大脑如何进行整合并作出合理推断？电生理记录显示，大脑神经元会编码前庭运动和视觉运动线索的组合。今年8月份发表在 PNAS上的一项最新研究通过训练神经网络模型证明，这两种类型神经元之间的权衡决定了视觉线索和前庭线索应该整合还是分离，从而帮助大脑进行因果推断。
论文题目：
Causal inference and the evolution of opposite neurons
论文链接：https://www.pnas.org/content/118/36/e2112686118
导语/Introduction
大脑作为复杂智能系统，因果推断能力是其智能的主要表现之一，但怎样在微观神经元层面解释大脑因果推断的内在机制，仍是尚未解决的难题。
例如，当我们在静止的车厢里看到旁边的列车开动，会产生自己在动的错觉。这是因为视觉系统“看到”了运动，但前庭信号却显示我们是静止的。面对不同来源的信号，大脑如何进行整合并作出合理推断？电生理记录显示，大脑神经元会编码前庭运动和视觉运动线索的组合。今年8月份发表在 PNAS上的一项最新研究通过训练神经网络模型证明，这两种类型神经元之间的权衡决定了视觉线索和前庭线索应该整合还是分离，从而帮助大脑进行因果推断。
论文题目：
Causal inference and the evolution of opposite neurons
论文链接：https://www.pnas.org/content/118/36/e2112686118
责任编辑：