跳蛛利用其巨大的前眼，在复杂的3D环境中追踪猎物，规划复杂路线，应对视觉遮挡和移动叶片的干扰，即使目标被遮挡也知道其3D方向，并区分猎物和潜在配偶。这些惊人的行为每天都在跳蛛的微小大脑中完成。然而，神经科学实验室通常使用简单的2D绘图（甚至孤立线条、点或Gabor斑块）来研究视觉场景分析——这与真实世界的复杂性相去甚远。本文节选自Nachum Ulanovsky的新书《自然神经科学》，系统解析为什么系统神经科学需要拥抱自然行为，批判过度控制的实验，并探讨涌现现象和还原论的局限性。
一、自然行为 vs. 实验室研究的鸿沟
| 方面 | 自然行为（如跳蛛） | 实验室研究 |
|---|---|---|
| 刺激复杂性 | 3D场景、视觉遮挡、移动叶片、复杂杂乱背景 | 2D简单绘图、孤立线条、点、Gabor斑块 |
| 任务类型 | 捕猎、交配选择、3D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 | 通常只涉及一个狭窄方面 |
| 物种 | 跳蛛（非标准模型） | 标准模型（小鼠、猴、人类） |
二、控制 vs. 自然：一个概念框架
| 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 | 可能错过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 | 自由运动动物的记录；自然刺激 | 难以分离变量 |
| 右上 | 高度控制 | 自然 | 实验室中的自然行为（如自由探索） | 可行，但仍有局限 |
| 左下 | 较少控制 | 人工 | 不太常见 | 不推荐 |
三、还原论的局限与涌现现象
| 概念 | 描述 | 对神经科学的含义 |
|---|---|---|
| 还原论 | 将现象分解为部分，分别研究每个部分 | 在神经科学中是主流方法 |
| 构建主义 | 从基本定律重建宇宙的能力 | 在复杂行为研究中失败 |
| 涌现现象 | 整体不能分解为部分的现象 | 凝聚态物理：超导、超流、相变 |
| 弗兰肯斯坦错误 | “能拆开的就能重新组装起来”的谬误 | 无法通过检查单个神经元、通道或分子的生物物理机制来构建复杂行为和认知 |
四、对神经科学的启示
| 传统观点 | 自然神经科学观点 |
|---|---|
| “控制越多越好” | 过度控制可能破坏我们试图理解的现象 |
| 还原论是理解复杂现象的最佳途径 | 对于涌现现象，分解和重组是不可能的 |
| 使用简单、人工刺激是金标准 | 应使用更自然的刺激和任务 |
| 聚焦于标准模型物种（小鼠、猴） | 也研究非标准物种以揭示不同解决方案 |
| 单个神经元机制可以解释行为 | 行为是涌现的，需要系统层面的视角 |
五、自然神经科学的目标
| 目标 | 描述 |
|---|---|
| 拥抱自然行为 | 研究动物在自然环境中日常执行的行为 |
| 走向更少的控制 | 允许动物和人类更自然地行为，而不是过度控制 |
| 接受涌现 | 承认复杂行为不能分解为孤立的部分 |
| 跨物种比较 | 研究跳蛛、蝙蝠、啮齿动物、猴子和人类，以揭示共同原则和不同解决方案 |
| 从实验室到自然 | 弥合图1.1a（自然）和图1.1b/c（实验室）之间的巨大鸿沟 |
六、结论：神经科学需要拥抱自然行为
跳蛛的复杂3D空间感知、空间记忆和路线规划能力——用其微小的大脑每天执行——说明了一个重要的观点：我们对自然行为的理解远远落后于动物实际表现的能力。实验室中使用的简单刺激（甚至Gestalt风格的2D绘图）与真实世界的复杂性相去甚远。
神经科学需要转向自然神经科学——在动物执行更自然的行为时研究其大脑。这并不意味着放弃所有控制，而是重新思考我们想要控制什么，以及过度控制会失去什么。
核心信息：
-
自然行为（如跳蛛捕猎）远比实验室任务复杂。
-
传统神经科学处于“控制但人工”象限。
-
还原论的失败：复杂行为是涌现的，不能分解为孤立的部分（“弗兰肯斯坦错误”）。
-
需要自然神经科学：研究自然行为的系统神经科学。
参考来源：
Ulanovsky, N. (2025). Natural Neuroscience: Toward a Systems Neuroscience of Natural Behaviors. MIT Press.