几十年来，神经科学家一直困惑于人类如何在嘈杂的房间里隔离出单一的对话——这种现象被称为“鸡尾酒会问题”。神经科学家终于提供了一个计算解释。在一项研究中，研究人员使用一种改进的神经网络来表明，一个简单的“倍增增益”——放大针对目标音高或位置的神经元——足以解释选择性注意。该模型不仅能识别声音，还能模仿人类的错误和空间特性，证明大脑针对特定声音特征的“音量旋钮”是聚焦的关键。该研究发表在《自然·人类行为》杂志上。

建模注意力

几十年来，神经科学家一直在研究选择性注意的现象。许多针对人和动物的研究表明，当专注于特定刺激（如某人的声音）时，针对该声音特征（如高音调）进行调节的神经元会放大其活动。当这种放大发生时，神经元的放电率向上缩放，就像乘以大于1的数字一样。有人提出，这些“倍增增益”允许大脑将注意力集中在某些刺激上。不针对目标特征进行调节的神经元表现出相应的活动减少。

这个问题一直未得到解答，因为感知的计算模型一直无法执行注意力任务，例如从众多声音中挑选出一个声音。当存在明确的目标声音需要识别时，此类模型可以轻松执行听觉任务，但当其他刺激争夺注意力时，它们无法执行这些任务。在这项研究中，麻省理工学院的团队希望看看他们是否可以通过使模型能够产生类似于人类大脑中观察到的神经元活动提升来训练模型执行这些类型的任务。

位置的影响

先前的研究表明，除了音高，空间位置也是帮助人们专注于特定声音的关键因素。麻省理工学院的团队发现，该模型也学会了利用空间位置进行注意力选择，当目标声音与干扰声音位于不同位置时，表现更好。然后，研究人员利用该模型发现了人类空间注意力的新特性。使用他们的计算模型，研究人员能够测试目标位置和干扰位置的所有可能组合，这是一项如果用人类受试者进行将非常耗时的任务。

这些实验揭示，当目标和干扰在水平面上位于不同位置时，模型在正确选择目标声音方面表现得更好。当声音在垂直方向上分离时，这项任务变得困难得多。当研究人员用人类受试者进行类似实验时，他们观察到了相同的结果。

研究人员正在追求的另一个应用是使用这种模型来模拟通过人工耳蜗聆听。他们希望这些研究能够带来人工耳蜗的改进，帮助植入者在嘈杂环境中更成功地集中注意力。

参考信息
“Optimized feature gains explain and predict successes and failures of human selective listening” by Ian M. Griffith, R. Preston Hess & Josh H. McDermott. Nature Human Behavior
DOI:10.1038/s41562-026-02414-7