决策是生物体生存和适应环境的核心能力，其背后涉及多个脑区协调一致的复杂活动模式。作为神经科学家，我们面临的挑战是如何精确揭示这些协调活动如何驱动决策。尽管神经像素探针（Neuropixels）和光学成像等先进技术能够记录来自多个脑区数千个神经元的活动，产生了海量数据，但如何从这些数据中提炼出决策背后的计算原理，却一直难以捉摸。当前，正是神经科学领域设计与我们工具雄心相匹配的实验的绝佳时机。通过设计多维度变化且真正能挑战实验动物的决策任务，我们或许最终能理解多个脑区如何协同驱动决策。

大多数决策实验的起点是让动物为获得奖励（如果汁或食物）而执行一项任务。研究者常常倾向于训练动物完成“简单任务”，因为训练过程简单快捷。之后，我们便能着手进行“激动人心”的部分：利用各种实验工具收集神经生理数据，或扰动神经系统，并运用数学工具来揭示大脑活动如何导致目标行为。

然而，尽管这种方法在理论上听起来很棒，但分析与简单行为任务相关的神经数据却因多种原因而充满挑战。首先，当行为过于简单时，大脑无需进行太多计算。当许多脑区都能解决一个问题时，它们往往都会参与其中：相关信号遍布整个大脑，这使我们得出一个有些令人困惑的结论——该行为是“全局性”的。但某些任务可能过于微不足道，以至于不需要不同脑区进行不同的计算，因此在这种情况下，许多脑区看起来相似也就不足为奇了。

其次，动物执行简单任务的速度很快，只产生一个狭窄的神经活动窗口，我们很难从中理解它们是如何做出决策的。你可能只剩下短短50毫秒潜在的嘈杂神经数据，试图从中理解与决策相关的计算。

第三，动物常常会做出非指令性动作，例如在某些条件下扭动身体，而在另一些条件下保持静止，这种变异性可能会渗入神经数据，并导致错误的结论。

最后，当任务过于简单时，动物几乎每次都能正确完成，如果没有可供比较的错误，就很难知道动物是如何解决任务的。

这些实验的诸多挑战在于如何引出“正确类型”的错误，以便我们能够分离出哪些脑区或活动模式导致了正确或不正确的决策。幸运的是，我们可以借鉴人类认知神经科学的经验，开发出能真正挑战实验动物的决策任务，从而克服这一困难。

我们知道，即使任务设计上的适度改进也能带来丰厚的回报。例如，研究人员开发了新的范式，使感觉证据随时间推移而呈现，如听觉点击或视觉令牌。这种操作具有两个优点：首先，它延长了动物对刺激进行思考的时间，使我们能够理解神经活动如何逐步发展并最终形成决策；其次，它有助于揭示单个证据片段以及动物的内部状态（如紧迫感或觉醒度）如何在脑区内部和跨脑区的神经动力学中结合起来。其他研究者还开发了情境依赖性决策任务，动物需要在一种情境下关注某条信息而忽略另一条，反之亦然，这揭示了大脑如何利用动力学和输入来指导灵活行为的新机制。

我们和其他研究者已经意识到，将思考和感知判断与动作准备和执行解耦，能更深入地揭示不同脑区对决策的贡献。在一项研究中，我们要求动物辨别红绿色棋盘中主导颜色，并通过触摸红色或绿色目标来报告它们的决策。通过随机化红色目标位于左侧还是右侧，我们成功地将动作与对感觉刺激的判断解耦。为了完成这项任务，大脑需要解决一个异或（XOR）问题。我们发现，不同脑区携带独特的信号——背外侧前额叶皮层（dorsolateral prefrontal cortex, dlPFC）反映了颜色判断（红对绿）以及颜色与动作的组合（红和左），从而解决了XOR问题，而背侧运动前皮层（dorsal premotor cortex, dPMC）仅发出最终动作（左对右）的信号。我们惊讶于这种设计所展现的强大能力——以至于我们甚至可以揭示背外侧前额叶皮层内部的梯度：前额叶皮层的前部对棋盘的主导颜色更敏感，而腹侧则对颜色与动作的组合最敏感。

在三月份于Cosyne会议上展示的研究中，我们更进一步。我们向动物展示棋盘，并在延迟后才揭示目标。在简单的工作记忆任务中，很难区分运动规划、工作记忆和奖励预期。相比之下，由于动物在刺激呈现或延迟期间无法规划动作，我们的任务清晰地分离了思考、工作记忆和运动规划。通过这种方式，我们发现背外侧前额叶皮层中的区域从任务开始到结束都参与其中——思考刺激、在工作记忆中存储其表征，并在适当时间将其转化为适当的动作。背外侧前额叶皮层的活动可以预测动物在正确和错误试验中的行为，以及动物的偏向。我们和其他人在类似任务中记录到的其他区域似乎不携带所有这些信号，而仅反映动物执行的动作。

更复杂的任务也使得使用因果技术进行的实验更具说服力。因果实验——例如，使用光遗传学或化学方法沉默特定细胞或脑区——在简单任务中可能会失败，因为大脑的其他部分会进行补偿。相比之下，更丰富的任务迫使大脑在更长的时间内执行更复杂的计算，这意味着扰动可以针对任务特定部分的计算；你可以探究哪些信号被扰乱，哪些得以幸存，以及哪些信号在脑区之间进行通信。更丰富的任务还会引发更多变异的反应时间、错误模式和运动学，为你提供更多可与神经活动关联的数据，以及更多机会观察因果扰动对行为和神经动力学的影响。

我希望我和该领域的其他研究者能够超越现有的“主力”任务，发挥创造力，设计出需要动物导航复杂迷宫、解决问题、操作物体、解谜、学习分层规则或在自然环境中即时调整策略的决策任务。这些类型的任务——结合大规模记录、靶向扰动和精巧的计算方法——很可能将揭示多个脑区如何协同工作以驱动决策。