在啮齿类动物教给神经科学家的许多东西中，有一个叫做海马体的区域，大脑会为每个独特的空间环境创建一个新的地图。F或者，一个不同的房间或迷宫。但到目前为止，科学家们一直在努力了解动物是如何决定什么时候一个环境足够新颖，值得创造，或者至少是修改这些心理地图。在一个研究在eLife麻省理工学院和哈佛大学的研究人员提出了一种新的理解:“重新映射”的过程可以被数学模拟为啮齿动物的概率推理壮举。
这种方法为科学家们提供了一种新的方式来解释许多依赖于测量重映射来研究学习和学习的实验内存．重新映射在这种追求中是不可或缺的，因为动物(和人)将学习与环境紧密联系在一起，海马地图表明了动物认为自己所处的环境。
“以前有人问过:‘什么样的环境变化会导致海马体产生新的地图?“但还没有任何明确的答案，”首席作者霍尼·桑德斯说。“这取决于各种各样的因素，这意味着动物如何定义环境一直是个谜。”
桑德斯是合著者马修·威尔逊实验室的博士后，谢尔曼·费尔柴尔德教授皮考尔学习与记忆研究所以及各部门麻省理工学院生物学，大脑和认知科学．他也是大脑、思想和机器中心的成员。两人与哈佛大学心理学教授塞缪尔·格什曼(Samuel Gershman)合作进行这项研究。
从根本上说，重新映射经常导致实验室报告相互矛盾、令人困惑或令人惊讶的结果的一个问题是，科学家不能简单地向他们的大鼠保证，他们已经从实验环境a转移到环境B，或者他们仍然在环境a中，即使某些环境条件，如温度或气味，在无意中发生了变化。由老鼠来探索和推断迷宫形状、气味、光线、障碍物的位置、奖励或它们必须执行的任务等条件是否发生了足够的变化，以触发完整或部分的重新映射。
因此，桑德斯、威尔逊和格什曼认为，科学家们不应该试图根据实验设计所要诱导的结果来理解重新映射的测量结果，而是应该使用贝叶斯统计方法对大鼠的推理进行数学解释，从而预测重新映射。贝叶斯统计方法量化了从一个不确定的假设开始，然后随着新信息的出现而更新的过程。
“你永远不会经历两次完全相同的情况。第二次总是略有不同，”桑德斯说。“你需要回答这个问题:‘这种差异只是这种情况下正常变化的结果，还是这种差异实际上是不同的情况?’”第一次体验这种差异时，你无法确定，但当你经历了很多次，了解了哪些变化是正常的，哪些变化是不正常的之后，你就能立即意识到什么是不正常的。”
三人将他们的方法称为“隐藏状态推断”，因为对动物来说，环境的可能变化是必须推断的隐藏状态。
在这项研究中，作者描述了几个案例，在这些案例中，隐藏状态推断可以帮助解释在先前的研究中观察到的重新映射或缺乏重新映射。
例如，在许多研究中，很难预测改变啮齿动物在迷宫中导航的一些线索(例如，灯光或蜂鸣器)将如何影响它绘制一个全新的地图，还是部分重新绘制当前地图，以及影响程度有多大。大多数数据表明，线索变化和重新映射之间并不存在明显的“一对一”关系。但是，新的模型预测了随着更多线索的变化，啮齿动物如何从对环境是否新颖的不确定(因此部分重新映射)转变为足够确定从而完全重新映射。
另一方面，该模型提供了一种新的预测，以解决当科学家逐渐“变形”啮齿动物围栏形状时产生的重新映射模糊性。例如，多个实验室在让大鼠熟悉方形和圆形环境时，发现了不同的结果，然后试图测量它们如何以及是否在中间形状(如八边形)中重新映射。一些实验室看到了完整的重映射，而另一些实验室只观察到部分重映射。新模型预测了这是如何实现的:在较长时间的训练后，暴露在中间环境中的大鼠比那些在训练早期暴露在中间环境中的大鼠更有可能完全重新映射，因为随着经验的增加，它们会更确定自己的原始环境，因此更确定中间环境是一个真实的变化。
该模型的数学甚至包括一个变量，可以解释个体动物之间的差异。桑德斯正在研究以这种方式重新思考旧的结果是否能让研究人员理解为什么不同的啮齿动物对类似的实验有如此不同的反应。
最终，桑德斯说，他希望这项研究将帮助其他重新测绘的研究人员采用一种新的方式来思考令人惊讶的结果——通过考虑他们的实验对他们的受试者构成的挑战。
他说:“动物没有直接接触到环境身份，而是必须推断它们。”“概率方法捕捉到了推理发生时不确定性发挥作用的方式。如果我们正确地描述了动物所面临的问题，我们就能理解不同情况下的不同结果，因为这些差异应该源于一个共同的原因:隐藏状态推断的工作方式。”
