跳蛛以其巨大的前眼和复杂的行为能力而闻名。在自然环境中，它们能够在复杂的三维空间中追踪猎物，规划复杂的路线，并应对视觉遮挡和移动叶片的干扰。即使目标被遮挡，它们仍能准确判断目标的三维方向，并区分猎物和潜在配偶。这些复杂的行为每天都在跳蛛的小型大脑中完成。
然而，传统神经科学实验室通常采用简单的二维绘图（例如孤立线条、点或Gabor斑块）来研究视觉场景分析。这种方法与真实世界的复杂性相去甚远，可能无法全面揭示大脑如何在自然环境中处理信息。正因如此，Nachum Ulanovsky在其新书《自然神经科学》中提出，系统神经科学需要拥抱自然行为的研究范式，以更真实地理解大脑的运作机制。
一、自然行为与实验室研究的差异
自然行为与实验室研究之间存在显著的鸿沟。以下是两者在几个关键方面的对比：
| 方面 | 自然行为（如跳蛛） | 实验室研究 |
|---|---|---|
| 刺激复杂性 | 三维场景、视觉遮挡、动态背景 | 二维简单绘图、孤立线条、点、Gabor斑块 |
| 任务类型 | 捕猎、交配选择、三维路线规划 | 被动观看、简单辨别 |
| 环境 | 自然、动态、多模态（视觉+振动） | 高度受控、简化、静态 |
| 认知需求 | 空间记忆、目标识别、决策、跨时间整合 | 通常只涉及单一认知功能 |
| 物种 | 跳蛛（非标准模型） | 标准模型（小鼠、猴、人类） |
二、控制与自然：研究范式的转变
Ulanovsky在书中提出了一个对比传统实验室研究与自然行为研究的概念框架：
| 象限 | 控制程度 | 自然程度 | 典型实验 | 问题 |
|---|---|---|---|---|
| 左上（传统主流） | 高度控制 | 人工 | 麻醉/头部固定下的电生理；简化刺激 | 可能忽略自然行为的复杂性和涌现特性 |
| 右下（自然神经科学） | 较少控制 | 自然 | 自由行为动物记录；自然刺激 | 因果推断困难，但能揭示真实神经机制 |
他主张在实验中平衡控制与自然性。例如，利用虚拟现实技术或自由移动记录技术，让动物在接近自然的环境中执行任务，同时记录其神经活动。这种方法不仅能捕捉到大脑在真实世界中的运作方式，还能揭示复杂系统中涌现的特性。
三、涌现现象与还原论的局限性
涌现现象是指复杂系统在整体层面表现出的、无法从单个组成部分简单预测的特性。尽管还原论在理解基本机制方面具有重要意义，但其可能忽略了涌现特性的重要性。因此，Ulanovsky强调，自然神经科学应在自然行为的背景下研究大脑，以更全面地理解认知过程。
总之，系统神经科学需要从传统的高度控制实验转向更加自然的行为研究范式。这种转变将有助于揭示大脑在真实世界中如何处理复杂信息，并推动我们对认知科学的理解迈向新的高度。