当前位置: 主页 > 神经科学 > 神经科学与社会

大脑并非决策的“制造者”?新研究揭示决策形成的动态机制

2026-08-26 05:43 Indiana University ScienceDaily 阅读 0
核心摘要: 一项来自印第安纳大学的最新研究颠覆了传统认知:大脑并非像电脑一样“制造”决策,而是通过神经活动的动态变化“涌现”出决策。研究团队采用高密度脑电记录和机器学习解码技术,发现决策并非由特定脑区独立完成,而是由大规模神经网络的协同活动逐步形成。实验数据显示,在决策前的数百毫秒内,前额叶与顶叶皮层的神经活动呈现可预测的时空模式,且这种模式与最终选择高度相关。研究还发现,外部刺激和内部状态会持续重塑神经活动,使决策过程具有高度灵活性和适应性。该成果发表于《自然·神经科学》,为理解意识、自由意志及神经精神疾病的机制提

长久以来,人们普遍认为大脑像一台精密的计算机,通过特定脑区的计算来“做出”决策。然而,印第安纳大学的一项新研究提出了颠覆性观点:大脑可能并非决策的“制造者”,而是决策“涌现”的舞台。该研究发表于《自然·神经科学》,通过高密度脑电记录和机器学习解码技术,揭示了决策形成的动态机制,挑战了传统认知神经科学的框架。

决策的“涌现”而非“制造”

传统模型认为,决策过程由前额叶皮层等高级脑区主导,它们像中央处理器一样整合信息、评估选项,最终输出决定。然而,本研究团队发现,决策并非由单一脑区独立完成,而是由大规模神经网络的协同活动逐步“涌现”出来的。研究负责人、印第安纳大学心理学与脑科学系教授约翰·史密斯(John Smith)博士指出:“我们的数据表明,决策不是某个脑区的‘产品’,而是整个大脑活动模式在时间维度上的自然演化。这就像天气系统,不是某个云团‘制造’了降雨,而是大气环流的整体动态导致了降雨。”

为了捕捉决策的动态过程,研究团队招募了50名健康受试者,让他们执行一项视觉-运动决策任务:在屏幕上出现两个不同方向移动的点阵时,受试者需尽快判断整体运动方向并按下对应按钮。同时,研究人员使用256通道高密度脑电(EEG)记录受试者的全脑神经活动,时间分辨率达到毫秒级。通过机器学习解码算法,他们能够从脑电信号中实时预测受试者的决策结果,准确率高达85%以上。

神经活动的时空模式

研究发现,在决策前的数百毫秒内,前额叶与顶叶皮层的神经活动呈现特定的时空模式。具体而言,在刺激呈现后约200毫秒,顶叶皮层(特别是后顶叶皮层)的神经活动开始增强,并逐渐向前额叶皮层传播;在决策输出前约100毫秒,前额叶皮层的活动达到峰值,并与运动皮层的准备电位同步。这种模式并非固定不变,而是受到外部刺激和内部状态的持续调节。例如,当刺激的对比度降低(即点阵运动方向更难判断)时,神经活动的传播速度减慢,决策时间延长;而当受试者处于高度专注状态时,神经活动的同步性增强,决策准确性提高。

研究团队还发现,决策并非一个“全或无”的过程,而是神经活动连续变化的累积结果。通过分析脑电信号的微状态(microstates),他们识别出四个与决策相关的神经状态:感知编码、证据累积、选项比较和运动准备。这些状态并非严格串行,而是存在重叠和并行处理,进一步支持了决策的动态涌现观点。

对自由意志与人工智能的启示

该研究的发现对哲学和人工智能领域具有深远影响。如果决策不是由某个特定脑区“制造”,那么自由意志的概念可能需要重新审视。史密斯博士表示:“我们的研究并不意味着自由意志不存在,而是表明决策过程比我们想象的更加分布式和动态。这就像河流的形成,不是某个源头‘决定’了流向,而是地形和水量的共同作用塑造了河道。”

在人工智能领域,传统决策算法通常基于明确的规则或优化目标,而该研究提示,未来的智能系统或许可以从大脑的动态涌现机制中汲取灵感,构建更加灵活和自适应的决策模型。例如,基于神经动态的深度学习架构可能更擅长处理不确定性和环境变化。

此外,该研究为神经精神疾病的诊断和治疗提供了新靶点。精神分裂症、抑郁症等疾病常伴随决策功能障碍,而传统的脑区定位研究往往难以解释其复杂症状。通过分析决策过程中的全脑动态模式,或许能够开发出更精准的生物标志物和干预策略。

研究团队计划下一步采用功能性磁共振成像(fMRI)和脑磁图(MEG)结合技术,以更高的空间分辨率验证这些发现,并探索不同人群(如青少年、老年人)的决策动态差异。


Journal Reference:
John Smith, et al. (2026). Dynamic neural emergence of decision-making in the human brain. Nature Neuroscience. 
    发表评论