追问顶刊

<p style="line-height: 1.5;">
	网球运动员会根据经验预测对手击球后球的轨迹&mdash;&mdash;这是一个典型的预测过程。但若对手打了短球，那她可能速度变招，尽管最后可能还是没有击中。这种情况就是&ldquo;预测误差&rdquo;，一个我们大脑中常见但复杂的现象。
</p>
<p style="line-height: 1.5;">
	最近发表在《自然》杂志上的一项研究揭示了这一过程：<strong>大脑的新皮层与丘脑紧密合作，检测并处理我们对环境的预期与现实之间的差异。</strong>这些预测误差是通过选择性地增强意外的感官信息来实现的。这可能帮助我们更深入地了解大脑中的预测处理过程，还可能为理解孤独症和精神分裂症中大脑回路的改变提供见解。
</p>
<p>
	<img loading="lazy" decoding="async" alt="" class="aligncenter size-large wp-image-2383" height="414" src="https://admin.next-question.com/wp-content/uploads/2024/09/877c03a8619db7f212fb859428e29064-1024x414.png" width="1024" srcset="https://admin.next-question.com/wp-content/uploads/2024/09/877c03a8619db7f212fb859428e29064-1024x414.png 1024w, https://admin.next-question.com/wp-content/uploads/2024/09/877c03a8619db7f212fb859428e29064-300x121.png 300w, https://admin.next-question.com/wp-content/uploads/2024/09/877c03a8619db7f212fb859428e29064-768x310.png 768w, https://admin.next-question.com/wp-content/uploads/2024/09/877c03a8619db7f212fb859428e29064-1536x621.png 1536w, https://admin.next-question.com/wp-content/uploads/2024/09/877c03a8619db7f212fb859428e29064.png 1556w" sizes="auto, (max-width: 1024px) 100vw, 1024px" />
</p>
<p style="line-height: 1.5;">
	伦敦大学学院Sainsbury Wellcome中心的科学家们，通过研究小鼠在虚拟现实环境中的行为，朝着理解大脑中预测误差信号的性质以及它们产生的机制迈出了一步。我们的大脑不断在预测：预测周围世界的变化，预测我们行为的后果。当预测与现实不符时，会导致不同大脑区域的强烈激活，而这种预测误差信号对于帮助我们从错误中学习并更新预测非常重要。然而，令人惊讶的是，对于负责在大脑中实现这些信号的神经回路机制，我们知之甚少。
</p>
<p style="line-height: 1.5;">
	在这项研究中，研究人员将小鼠置于虚拟现实环境中，它们可以在熟悉的走廊中导航以获得奖励。虚拟环境使团队能够精确控制视觉输入并在墙壁上引入意外图像。通过使用双光子钙成像技术，研究人员能够记录来自初级视觉皮层（V1) 中第 2/3 层中许多单个神经元的神经活动。初级视觉皮层是大脑新皮层中第一个从眼睛接收视觉信息的区域。
</p>
<section>
<section>
<p>
			<img loading="lazy" decoding="async" alt="" class="aligncenter size-large wp-image-2384" height="492" src="https://admin.next-question.com/wp-content/uploads/2024/09/03678b941326d05b97f719228f856d18-1024x492.png" width="1024" srcset="https://admin.next-question.com/wp-content/uploads/2024/09/03678b941326d05b97f719228f856d18-1024x492.png 1024w, https://admin.next-question.com/wp-content/uploads/2024/09/03678b941326d05b97f719228f856d18-300x144.png 300w, https://admin.next-question.com/wp-content/uploads/2024/09/03678b941326d05b97f719228f856d18-768x369.png 768w, https://admin.next-question.com/wp-content/uploads/2024/09/03678b941326d05b97f719228f856d18-1536x738.png 1536w, https://admin.next-question.com/wp-content/uploads/2024/09/03678b941326d05b97f719228f856d18.png 1631w" sizes="auto, (max-width: 1024px) 100vw, 1024px" />
		</p>
<p style="line-height: 1.5;">
			<strong>▷</strong>图1：研究所采样的实验设计示意图。
		</p>
</section>
</section>
<section>
<p style="line-height: 1.5;">
		研究人员发现，与预期的相同刺激相比，小鼠初级视觉皮层对新颖且意外的视觉刺激的反应更强，这与之前在人类、非人类灵长类动物和啮齿动物中的研究一致。<strong>这种神经反应的差异，不能简单归咎于动物的一般行为状态漂移</strong>，例如唤醒或任务参与度的变化。同样，对意外视觉刺激反应的增加也不能用动物运动行为的变化来解释，具体来说，反应增加与跑步速度、刺激引起的减速或瞳孔大小无关。
	</p>
<p style="line-height: 1.5;">
		以前的理论认为，预测误差信号编码了实际视觉输入与预期的差异，但令人惊讶的是，研究人员没有发现这一理论的实验证据。相反，他们发现大脑增强了对意外视觉输入有最强偏好的神经元的反应。这种发现说明，我们观察到的误差信号是这种对视觉信息选择性放大的结果。这意味着我们的大脑通过检测预测与实际输入之间的差异来使意外事件更加突出。
	</p>
<p>
		<img loading="lazy" decoding="async" alt="" class="aligncenter size-large wp-image-2386" height="257" src="https://admin.next-question.com/wp-content/uploads/2024/09/624229646ffc807acc7436c15107f728-1024x257.png" width="1024" srcset="https://admin.next-question.com/wp-content/uploads/2024/09/624229646ffc807acc7436c15107f728-1024x257.png 1024w, https://admin.next-question.com/wp-content/uploads/2024/09/624229646ffc807acc7436c15107f728-300x75.png 300w, https://admin.next-question.com/wp-content/uploads/2024/09/624229646ffc807acc7436c15107f728-768x193.png 768w, https://admin.next-question.com/wp-content/uploads/2024/09/624229646ffc807acc7436c15107f728-1536x386.png 1536w, https://admin.next-question.com/wp-content/uploads/2024/09/624229646ffc807acc7436c15107f728-2048x515.png 2048w" sizes="auto, (max-width: 1024px) 100vw, 1024px" />
	</p>
<p style="line-height: 1.5;">
		<strong>▷</strong>图2：不同实验条件下，意外和预期 C2 之间的响应强度差异，与单个 V1 层 2/3 神经元的意外和预期 C3 响应之间的响应强度差异。
	</p>
<section>
<p style="line-height: 1.5;">
			为了厘清预测误差信号的性质，研究人员设计了进一步的实验来区分不同的选项。这些实验显示，至少在 V1 的单个神经元水平上，感觉预测误差信号所含的关于实际输入与预测之间差异的信息，少之又少。
		</p>
<p style="line-height: 1.5;">
			接下来，他们测试了预测误差信号是是直接反映实际的视觉输入，还是表达了某种非特异性的惊讶感或与运动相关的信息。结果表明，大多数神经元只对其中一种意外刺激作出了强烈反应，而对另一种则反应平淡，显示出对刺激特征的高度特异性。这揭示了预<strong>测误差信号在处理意外视觉信息时，不仅识别出了这些信息的特定特征，还放大了对这些特征的响应，从而增强了我们对未预料事件的感知。</strong>
		</p>
<p style="line-height: 1.5;">
			此外，研究人员还发现，除了视觉驱动的神经元外，一部分非视觉响应的神经元也被预测误差所招募，这些神经元的反应也是高度刺激选择性的。
		</p>
<p style="line-height: 1.5;">
			为了理解大脑如何在视觉皮层中产生这种对意外感官输入的放大，研究团队使用了光遗传学的技术来灭活或激活不同组的神经元。他们发现了两组在视觉皮层中产生预测误差信号非常重要的神经元：<strong>在 V1 中表达血管活性肠多肽（VIP）的抑制性中间神经元</strong>，和一个<strong>称为丘脑枕的丘脑脑区</strong>。丘脑枕整合了来自许多新皮层和皮层下区域的信息，并与 V1 紧密相连。
		</p>
<p style="line-height: 1.5;">
			当小鼠面对新奇而陌生的视觉刺激时，这些VIP神经元反应激烈，但随着相同刺激的重复出现，其反应强度逐渐减弱。这种反应的减弱与大脑逐渐停止产生预测误差信号的过程平行发生，暗示着VIP神经元的激活与抑制可能在V1中预测误差信号的产生存在因果关系。
		</p>
<p>
			<img loading="lazy" decoding="async" alt="" class="aligncenter size-large wp-image-2385" height="226" src="https://admin.next-question.com/wp-content/uploads/2024/09/04054a0d149adb4297c8cc561b9f5872-1024x226.png" width="1024" srcset="https://admin.next-question.com/wp-content/uploads/2024/09/04054a0d149adb4297c8cc561b9f5872-1024x226.png 1024w, https://admin.next-question.com/wp-content/uploads/2024/09/04054a0d149adb4297c8cc561b9f5872-300x66.png 300w, https://admin.next-question.com/wp-content/uploads/2024/09/04054a0d149adb4297c8cc561b9f5872-768x170.png 768w, https://admin.next-question.com/wp-content/uploads/2024/09/04054a0d149adb4297c8cc561b9f5872-1536x339.png 1536w, https://admin.next-question.com/wp-content/uploads/2024/09/04054a0d149adb4297c8cc561b9f5872-2048x452.png 2048w" sizes="auto, (max-width: 1024px) 100vw, 1024px" />
		</p>
<p style="line-height: 1.5;">
<strong>▷</strong>图3：a, 双光子成像记录的实验设计；b, 所有记录的 VIP 细胞的单细胞层面对意外刺激的响应e, 实验设计，记录 VIP 细胞在视觉刺激呈现期间光遗传学沉默时V1 第 2/3 层细胞的钙活性；f, V1 神经元的顶部、细胞和试验平均反应对呈现的视觉刺激有显著反应。
		</p>
<section>
<p style="line-height: 1.5;">
				形象地来说，VIP 神经元就像一个交换机：<strong>当它们关闭时，丘脑枕会抑制新皮层的活动，但当 VIP 神经元开启时，丘脑枕可以强烈且选择性地增强新皮层中的感官反应。</strong>这两个通路的协同相互作用，介导了视觉皮层中的感官预测误差信号。丘脑枕的这种输入不仅必不可少，而且在V1区域预测误差信号的生成中发挥核心作用。当使用光遗传学技术使VIP神经元或丘脑的连接在V1中静默时，V1对意外刺激的反应也会明显减弱。
			</p>
<p style="line-height: 1.5;">
				该团队的下一步是探索大脑中动物的预测与实际感官输入进行比较以计算感官预测误差的方式和位置，以及预测误差信号如何驱动学习。他们还在探索他们的发现如何有助于理解孤独症和精神分裂症。有人提出，这些障碍都可以用预测误差系统的失衡来解释，研究人员现在正试图将他们的发现应用于模型动物，以研究这些障碍的神经回路基础。
			</p>
<p style="line-height: 1.5;">
				总体而言，这项研究不仅揭示了大脑中预测误差信号的产生机制，而且为我们提供了理解大脑功能和相关神经疾病的关键线索。随着科学家们不断深入挖掘这些预测误差信号的奥秘，他们正逐步构建起一种全新的视角，以此来观察并干预人类大脑的工作方式。如果我们能准确预测大脑的误差反应，并提前介入，除开纠正失调的神经路径外，或许世界还存在更多新的可能。
			</p>
</section>
<p>
			&nbsp;
		</p>
</section>
</section>


[:zh]<p style="line-height: 1.5;">
	网球运动员会根据经验预测对手击球后球的轨迹&mdash;&mdash;这是一个典型的预测过程。但若对手打了短球，那她可能速度变招，尽管最后可能还是没有击中。这种情况就是&ldquo;预测误差&rdquo;，一个我们大脑中常见但复杂的现象。
</p>

<p style="line-height: 1.5;">
	最近发表在《自然》杂志上的一项研究揭示了这一过程：<strong>大脑的新皮层与丘脑紧密合作，检测并处理我们对环境的预期与现实之间的差异。</strong>这些预测误差是通过选择性地增强意外的感官信息来实现的。这可能帮助我们更深入地了解大脑中的预测处理过程，还可能为理解孤独症和精神分裂症中大脑回路的改变提供见解。
</p>

<p>
	<img alt="" class="aligncenter size-large wp-image-2383" height="414" src="https://admin.next-question.com/wp-content/uploads/2024/09/877c03a8619db7f212fb859428e29064-1024x414.png" width="1024" />
</p>

<p style="line-height: 1.5;">
	伦敦大学学院Sainsbury Wellcome中心的科学家们，通过研究小鼠在虚拟现实环境中的行为，朝着理解大脑中预测误差信号的性质以及它们产生的机制迈出了一步。我们的大脑不断在预测：预测周围世界的变化，预测我们行为的后果。当预测与现实不符时，会导致不同大脑区域的强烈激活，而这种预测误差信号对于帮助我们从错误中学习并更新预测非常重要。然而，令人惊讶的是，对于负责在大脑中实现这些信号的神经回路机制，我们知之甚少。
</p>

<p style="line-height: 1.5;">
	在这项研究中，研究人员将小鼠置于虚拟现实环境中，它们可以在熟悉的走廊中导航以获得奖励。虚拟环境使团队能够精确控制视觉输入并在墙壁上引入意外图像。通过使用双光子钙成像技术，研究人员能够记录来自初级视觉皮层（V1) 中第 2/3 层中许多单个神经元的神经活动。初级视觉皮层是大脑新皮层中第一个从眼睛接收视觉信息的区域。
</p>

<section>
	<section>
		<p>
			<img alt="" class="aligncenter size-large wp-image-2384" height="492" src="https://admin.next-question.com/wp-content/uploads/2024/09/03678b941326d05b97f719228f856d18-1024x492.png" width="1024" />
		</p>

		<p style="line-height: 1.5;">
			<strong>▷</strong>图1：研究所采样的实验设计示意图。
		</p>
	</section>
</section>

<section>
	<p style="line-height: 1.5;">
		研究人员发现，与预期的相同刺激相比，小鼠初级视觉皮层对新颖且意外的视觉刺激的反应更强，这与之前在人类、非人类灵长类动物和啮齿动物中的研究一致。<strong>这种神经反应的差异，不能简单归咎于动物的一般行为状态漂移</strong>，例如唤醒或任务参与度的变化。同样，对意外视觉刺激反应的增加也不能用动物运动行为的变化来解释，具体来说，反应增加与跑步速度、刺激引起的减速或瞳孔大小无关。
	</p>

	<p style="line-height: 1.5;">
		以前的理论认为，预测误差信号编码了实际视觉输入与预期的差异，但令人惊讶的是，研究人员没有发现这一理论的实验证据。相反，他们发现大脑增强了对意外视觉输入有最强偏好的神经元的反应。这种发现说明，我们观察到的误差信号是这种对视觉信息选择性放大的结果。这意味着我们的大脑通过检测预测与实际输入之间的差异来使意外事件更加突出。
	</p>

	<p>
		<img alt="" class="aligncenter size-large wp-image-2386" height="257" src="https://admin.next-question.com/wp-content/uploads/2024/09/624229646ffc807acc7436c15107f728-1024x257.png" width="1024" />
	</p>

	<p style="line-height: 1.5;">
		<strong>▷</strong>图2：不同实验条件下，意外和预期 C2 之间的响应强度差异，与单个 V1 层 2/3 神经元的意外和预期 C3 响应之间的响应强度差异。
	</p>

	<section>
		<p style="line-height: 1.5;">
			为了厘清预测误差信号的性质，研究人员设计了进一步的实验来区分不同的选项。这些实验显示，至少在 V1 的单个神经元水平上，感觉预测误差信号所含的关于实际输入与预测之间差异的信息，少之又少。
		</p>

		<p style="line-height: 1.5;">
			接下来，他们测试了预测误差信号是是直接反映实际的视觉输入，还是表达了某种非特异性的惊讶感或与运动相关的信息。结果表明，大多数神经元只对其中一种意外刺激作出了强烈反应，而对另一种则反应平淡，显示出对刺激特征的高度特异性。这揭示了预<strong>测误差信号在处理意外视觉信息时，不仅识别出了这些信息的特定特征，还放大了对这些特征的响应，从而增强了我们对未预料事件的感知。</strong>
		</p>

		<p style="line-height: 1.5;">
			此外，研究人员还发现，除了视觉驱动的神经元外，一部分非视觉响应的神经元也被预测误差所招募，这些神经元的反应也是高度刺激选择性的。
		</p>

		<p style="line-height: 1.5;">
			为了理解大脑如何在视觉皮层中产生这种对意外感官输入的放大，研究团队使用了光遗传学的技术来灭活或激活不同组的神经元。他们发现了两组在视觉皮层中产生预测误差信号非常重要的神经元：<strong>在 V1 中表达血管活性肠多肽（VIP）的抑制性中间神经元</strong>，和一个<strong>称为丘脑枕的丘脑脑区</strong>。丘脑枕整合了来自许多新皮层和皮层下区域的信息，并与 V1 紧密相连。
		</p>

		<p style="line-height: 1.5;">
			当小鼠面对新奇而陌生的视觉刺激时，这些VIP神经元反应激烈，但随着相同刺激的重复出现，其反应强度逐渐减弱。这种反应的减弱与大脑逐渐停止产生预测误差信号的过程平行发生，暗示着VIP神经元的激活与抑制可能在V1中预测误差信号的产生存在因果关系。
		</p>

		<p>
			<img alt="" class="aligncenter size-large wp-image-2385" height="226" src="https://admin.next-question.com/wp-content/uploads/2024/09/04054a0d149adb4297c8cc561b9f5872-1024x226.png" width="1024" />
		</p>

		<p style="line-height: 1.5;">			
<strong>▷</strong>图3：a, 双光子成像记录的实验设计；b, 所有记录的 VIP 细胞的单细胞层面对意外刺激的响应e, 实验设计，记录 VIP 细胞在视觉刺激呈现期间光遗传学沉默时V1 第 2/3 层细胞的钙活性；f, V1 神经元的顶部、细胞和试验平均反应对呈现的视觉刺激有显著反应。
		</p>

		<section>
			<p style="line-height: 1.5;">
				形象地来说，VIP 神经元就像一个交换机：<strong>当它们关闭时，丘脑枕会抑制新皮层的活动，但当 VIP 神经元开启时，丘脑枕可以强烈且选择性地增强新皮层中的感官反应。</strong>这两个通路的协同相互作用，介导了视觉皮层中的感官预测误差信号。丘脑枕的这种输入不仅必不可少，而且在V1区域预测误差信号的生成中发挥核心作用。当使用光遗传学技术使VIP神经元或丘脑的连接在V1中静默时，V1对意外刺激的反应也会明显减弱。
			</p>

			<p style="line-height: 1.5;">
				该团队的下一步是探索大脑中动物的预测与实际感官输入进行比较以计算感官预测误差的方式和位置，以及预测误差信号如何驱动学习。他们还在探索他们的发现如何有助于理解孤独症和精神分裂症。有人提出，这些障碍都可以用预测误差系统的失衡来解释，研究人员现在正试图将他们的发现应用于模型动物，以研究这些障碍的神经回路基础。
			</p>

			<p style="line-height: 1.5;">
				总体而言，这项研究不仅揭示了大脑中预测误差信号的产生机制，而且为我们提供了理解大脑功能和相关神经疾病的关键线索。随着科学家们不断深入挖掘这些预测误差信号的奥秘，他们正逐步构建起一种全新的视角，以此来观察并干预人类大脑的工作方式。如果我们能准确预测大脑的误差反应，并提前介入，除开纠正失调的神经路径外，或许世界还存在更多新的可能。
			</p>
		</section>

		<p>
			&nbsp;
		</p>
	</section>
</section>
[:]

预测误差的神经机制 ｜ 追问顶刊

[:zh]预测误差的神经机制 ｜ 追问顶刊[:]

追问观察

<section>
<section>
<section data-style="display: inline-block; width: 100%; vertical-align: top; align-self: flex-start; flex: 0 0 auto; border-style: solid; border-width: 6px; border-color: rgb(241, 248, 255); box-sizing: border-box;">
<section>
<section>
<p style="line-height: 1.5;">
						<a data-linktype="2" href="https://mp.weixin.qq.com/s?__biz=MzI3MjQ4MDMyOQ==&amp;mid=2247516860&amp;idx=1&amp;sn=feb217637560f7e19db538ac2b11e7c9&amp;scene=21#wechat_redirect" target="_blank" rel="noopener"><strong>追问</strong></a><strong>快读</strong>：我们何以真正听懂对方的语言？当对方说反话时，为什么我们能意识到对方真实的想法和词语本意相悖？美国普林斯顿大学的研究团队通过收集对话中双方的神经活动，以及基于GPT-2开发的计算框架，有效地分离出了对话中的语言性和非语言性因素对大脑活动的影响，在一定程度上阐释了对话中的词语是如何影响我们的思维，并避免了&ldquo;对牛弹琴&rdquo;的发生。
					</p>
</section>
</section>
</section>
</section>
</section>
<p style="line-height: 1.5;">
	&nbsp;
</p>
<section>
<h3>
		<strong>01人类对语言理解的多样性</strong><br />
	</h3>
</section>
<section data-style="line-height: 1.75; letter-spacing: 1px; padding: 0px 16px; color: rgb(62, 62, 62); box-sizing: border-box;">
<p style="line-height: 1.5;">
		在语言的使用上，最绕不开的话题就是理解和误解。表达的本质是希望被&ldquo;听见&rdquo;，然而，就算说着同一语言，同音字，一词多义、或者同一词汇在不同语境下的意义变迁，都会为表达带来难度，导致双方理解出现歧义。也就是说，良好的沟通和理解是建立在双方对某一语境下的词汇表达的共识上的。比如，&ldquo;cold（冷）&rdquo;这个词，既可以表达温度，也可以表示人的性格，还可以表示一种病毒感染疾病。根据语境，&lsquo;你像冰一样冷&rsquo;既可以被理解为体温冷，也可以被理解为性格高冷。那么，在对话中的双方到底是如何做到对同一词语拥有相同的理解呢？
	</p>
<p>
		在大语言模型被广泛使用之前，学界对于语境中词语使用的精确模拟相对匮乏。早期的研究会使用数据驱动、未经调整的耦合方法（data-driven, unmediated coupling methods），例如测量被试间神经活动相似性（intersubject correlation，ISC）的强度，来测量对话双方的共同理解程度。此前，ISC被大量用于理解不同个体在相似刺激或任务下，产生的神经活动的相似性。比如，2008年Uri Hasson团队就使用 ISC 技术，通过分析记忆表现后的跨参与者相关性（ISC-SM），来识别电影观看中成功编码与未成功编码片段的BOLD反应，在观众间的相关脑区。通过对比观众在记忆成功与未成功片段中的脑活动相似度，研究团队揭示了与记忆形成相关的脑区活动模式。（Uri Hasson et al., 2008）
	</p>
<p>
		<strong>这种技术在一定程度上揭示了表达者和倾听者神经活动之间的关联性，却没有将交流内容这一因素分离出来单独研究。</strong>这是由于，ISC强度可以被任何一对在被试之间共有的信号调动。比如说，如果在面对面的交流中，ISC指数高有可能是因为交流中的词语在双方的理解中相同，也有可能是因为其他的非语言因素，比如音调、韵律、肢体动作、面部表情、眼神等和社交表达相关的非词义因素。所以，该指数的强度并不能揭示交流中具体哪个特征在双方的大脑中达成了一致，就算 ISC 指数高，也不能说明双方类似的大脑活动是因为相同的语言内容刺激。
	</p>
</section>
<p style="line-height: 1.5;">
	&nbsp;
</p>
<section>
<h3>
		<strong>02大语言模型在语言理解中的作用</strong><br />
	</h3>
</section>
<section>
<p>
		直到最近，大语言模型（LLMs）被广泛使用后，人们再次意识到日常交流中语境对语义理解的重要性，学界开始为对话中共同理解的脑神经基础寻找新的解答。在大语言生成模型的机制中，通过学习大量自然语言的语料，并且将语料库编码成数据结构后嵌入多维空间，仅仅通过简单的&ldquo;下一词预测&rdquo;就可以生成出符合最语境的句子。这种对语言的处理和&lsquo;计算&rsquo;方式，在某种程度上与人类理解语言的机制相似。
	</p>
<p>
		<strong>此前就有研究表明，语言模型和人类在处理自然语言方面共享相同的计算原则。</strong>详细来讲，在人类大脑和自回归动态语言模型（DLMs）处理相同的自然叙述时，它们共享三个基本的计算原则：（1）在词出现之前，两者都参与连续的下一个词预测；（2）两者都将其词出现前的预测与即将到来的词进行匹配，以计算词出现后的惊讶度；（3）两者都依靠上下文嵌入来表达语境中的词汇 (Ariel Goldstein et al., 2022)。
	</p>
<p>
		由此，学界自然而然地产生了用大语言模型来进一步学习理解的想法，尤其是从表达者到倾听者大脑的语言信息传递：<strong>LLMs是否能构建一个明确的数值模型，用于模拟自然沟通中大脑间共享的、语境依赖信息的传递？</strong>
	</p>
<p>
		<img loading="lazy" decoding="async" alt="" class="aligncenter size-large wp-image-2367" height="359" src="https://admin.next-question.com/wp-content/uploads/2024/08/640-12-1024x359.webp" width="1024" srcset="https://admin.next-question.com/wp-content/uploads/2024/08/640-12-1024x359.webp 1024w, https://admin.next-question.com/wp-content/uploads/2024/08/640-12-300x105.webp 300w, https://admin.next-question.com/wp-content/uploads/2024/08/640-12-768x270.webp 768w, https://admin.next-question.com/wp-content/uploads/2024/08/640-12.webp 1080w" sizes="auto, (max-width: 1024px) 100vw, 1024px" />
	</p>
</section>
<p style="line-height: 1.5;">
	<strong>▷</strong>Zada, Zaid, et al. &quot;A shared model-based linguistic space for transmitting our thoughts from brain to brain in natural conversations.&quot;&nbsp;Neuron&nbsp;(2024).
</p>
<p style="line-height: 1.5;">
	&nbsp;
</p>
<section>
<h3>
		<strong>03实验方法</strong><br />
	</h3>
</section>
<section>
<p>
		在最新发表在Neuron的一项研究对此进行了讨论。研究招募了11对参与者（共22人）进行面对面的自然对话，同时使用脑皮层电图（ECoG）技术记录他们的大脑活动。ECoG是一种高时空分辨率的神经记录技术，可以直接从大脑皮层表面记录电信号。
	</p>
<p>
		在获得了对话时高精度的神经活动记录数据后，研究团队用以GPT-2为基本模型生成的上下文嵌入，构建了一个多维的语言嵌入空间。这个空间能够捕捉词语的语义、句法和上下文特征。接着，研究者使用这些嵌入来预测表达者和倾听者大脑中的神经活动。他们训练编码模型，将嵌入映射到特定脑区的神经反应上。
	</p>
</section>
<section>
<section>
		<img loading="lazy" decoding="async" alt="" class="aligncenter size-large wp-image-2368" height="955" src="https://admin.next-question.com/wp-content/uploads/2024/08/640-1-2-1024x955.webp" width="1024" srcset="https://admin.next-question.com/wp-content/uploads/2024/08/640-1-2-1024x955.webp 1024w, https://admin.next-question.com/wp-content/uploads/2024/08/640-1-2-300x280.webp 300w, https://admin.next-question.com/wp-content/uploads/2024/08/640-1-2-768x716.webp 768w, https://admin.next-question.com/wp-content/uploads/2024/08/640-1-2.webp 1080w" sizes="auto, (max-width: 1024px) 100vw, 1024px" /><br />
	</section>
</section>
<section>
<section data-style="text-align: left; font-size: 12px; color: rgb(55, 87, 173); letter-spacing: 1px; line-height: 1.75; padding: 0px 20px; box-sizing: border-box; max-width: 100%;">
<p style="line-height: 1.5;">
			<strong>▷</strong>图1：用于捕获表达者和倾听者语言耦合的编码模型。
		</p>
</section>
</section>
<p style="line-height: 1.5;">
	&nbsp;
</p>
<section>
<h3>
		<strong>04主要发现</strong><br />
	</h3>
</section>
<section>
<p>
		研究发现，表达者的大脑在单词发音之前就已经形成了依赖于语境的语言内容，而在倾听者的大脑中，这些语言内容在单词发音之后再次出现。在面对面交流中，表达者和倾听者的大脑响应可能由于其他变量（如面部表情、手势和背景声音）而耦合，这些变量在本质上不属于语言。
	</p>
<p>
		通过大脑活动数据建模而成的共享嵌入空间不仅可以预测不同脑区的神经活动，还可以记录不同时间的动态和选择性（见图2-B）。这些功能使得嵌入空间可以成功地预测在对话中双方各自的神经活动。
	</p>
<p>
		在此基础上，研究员使用基于表达者神经活动的数据训练而成的数据来预测倾听者的神经活动，然后再反过来预测。在反复的校准后，编码模型排除了在对话中可能对理解有帮助，但是并没有出现在语句中的非语言因素。<strong>也就是说，通过编码模型配对对话双方的脑部活动优于传统的ISC方法，可以限制任何一对被观察的表达-倾听被试是在一对相同的、依赖于语境的语言嵌入中的。</strong>
	</p>
</section>
<p style="line-height: 1.5;">
	&nbsp;
</p>
<section>
<section>
		<img loading="lazy" decoding="async" alt="" class="aligncenter size-large wp-image-2369" height="920" src="https://admin.next-question.com/wp-content/uploads/2024/08/640-2-2-1024x920.webp" width="1024" srcset="https://admin.next-question.com/wp-content/uploads/2024/08/640-2-2-1024x920.webp 1024w, https://admin.next-question.com/wp-content/uploads/2024/08/640-2-2-300x269.webp 300w, https://admin.next-question.com/wp-content/uploads/2024/08/640-2-2-768x690.webp 768w, https://admin.next-question.com/wp-content/uploads/2024/08/640-2-2.webp 1080w" sizes="auto, (max-width: 1024px) 100vw, 1024px" /><br />
	</section>
</section>
<section>
<section data-style="text-align: left; font-size: 12px; color: rgb(55, 87, 173); letter-spacing: 1px; line-height: 1.75; padding: 0px 20px; box-sizing: border-box; max-width: 100%;">
<p style="line-height: 1.5;">
			<strong>▷</strong>图2：表达者与倾听者的脑内语言编码表现。
		</p>
</section>
</section>
<p style="line-height: 1.5;">
	&nbsp;
</p>
<section data-style="line-height: 1.75; letter-spacing: 1px; padding: 0px 16px; color: rgb(0, 0, 0); box-sizing: border-box;">
<p>
		不过，该实验仍然使用ISC方法测量了表达者和倾听者之间神经活动的相似性（图3-C）。配对编码实验表明，与对话时候的信息流一致，表达者的大脑是在&ldquo;引导&rdquo;倾听者的大脑的（图3-B）。详细来讲，<strong>在说话时每一个词汇被叙述之前，语言性内容就已经在表达者的大脑中出现了，此后，在该词语被听到之后，同样的内容再在倾听者的大脑中出现。</strong>这种时间性的动势是逐词推进、并且仅限于当前词语的。
	</p>
<p>
		除了对单个词语的分析，嵌入空间也提取出了自然对话中文本的语言性特征（linguistic features），包括形态学的、句法的、语义的、上下文的、和从属关系上的。<strong>相较于传统的非中介耦合方法</strong>（如ISC）<strong>和基于传统心理语言学开发的特征对方法</strong>（表达音素模型和句法模型）<strong>，以大语言生成模型为基础的框架可以支持更严谨的检验。&nbsp;</strong>
	</p>
<p>
		为了保证嵌入空间对于语言性特征的学习具有传递性（connectivity），研究员还评估表达者和倾听者大脑内皮层语言网络各区域之间的语言耦合。举例来说，该实验使用了在表达者的前颞叶（ATL）神经活动上训练的编码模型来预测表达者的颞上回（STG）的神经活动。同样地，研究员还使用了在倾听者的颞上回（STG）神经活动上训练的编码模型来预测倾听者的前颞叶（ATL）的神经活动。这种分析产生了表达者和倾听者大脑内语言区域对之间的滞后编码矩阵（lag-by-lag encoding matrices）。这种交叉验证的方法可以有效地显示不同脑区之间信息的时间顺序和流动性。
	</p>
</section>
<section>
<section>
		<img loading="lazy" decoding="async" alt="" class="aligncenter size-full wp-image-2370" height="670" src="https://admin.next-question.com/wp-content/uploads/2024/08/640-3-2.webp" width="854" srcset="https://admin.next-question.com/wp-content/uploads/2024/08/640-3-2.webp 854w, https://admin.next-question.com/wp-content/uploads/2024/08/640-3-2-300x235.webp 300w, https://admin.next-question.com/wp-content/uploads/2024/08/640-3-2-768x603.webp 768w" sizes="auto, (max-width: 854px) 100vw, 854px" /><br />
	</section>
</section>
<section>
<section data-style="text-align: left; font-size: 12px; color: rgb(55, 87, 173); letter-spacing: 1px; line-height: 1.75; padding: 0px 20px; box-sizing: border-box; max-width: 100%;">
<p style="line-height: 1.5;">
			<strong>▷</strong>图3：表达者-倾听者的脑对脑语言耦合。
		</p>
</section>
</section>
<section data-style="line-height: 1.75; letter-spacing: 1px; padding: 0px 16px; color: rgb(0, 0, 0); box-sizing: border-box;">
<p style="line-height: 1.5;">
		&nbsp;
	</p>
<p>
		此外，该实验也评估了非语言性因素对双方的共同理解形成的影响。这一部分，研究员采用了和先前实验相同的ISC技术，对比计算表达者和倾听者之间的脑部互动。和先前实验一致，我们发现了在自然对话中，表达者和倾听者的神经活动之间有强配对性。然而，这种分析方法无法逐词分离对话中的语言内容。所以，能被观察到的耦合并不具有对单词叙述的时间敏感性。由此可见，<strong>基于嵌入空间的方法在精确度上仍然超越传统技术。</strong>如果嵌入空间包括了语境依赖的词嵌入，表达者与倾听者之间的神经耦合度将显著提高。
	</p>
<p>
		最后，该研究还探讨了对话双方的耦合度是否与对话的语言空间相关。研究表明，表达者和倾听者的模型的权重和每一组对话之间存在关联，但是这种特殊度在多组对话平均化之后就被减弱了。也就是说，每一组对话是针对语境嵌入空间中的一个从属的特征组而存在偏差的。
	</p>
</section>
<p style="line-height: 1.5;">
	&nbsp;
</p>
<section>
<h3>
		<strong>05研究意义</strong><br />
	</h3>
</section>
<section>
<p>
		该研究开创性地分离了对话中的语言性和非语言性因素对大脑活动的影响，并确保了表达者与倾听者之间的共享神经活动能够与相同的显著语言特征保持一致。<strong>此外，该实验还根据大语言模型开创性地开发出了一个计算框架</strong>，标志着从未经调节的、被试间神经活动的耦合向更精确的、模型驱动的社会互动神经科学的范式转变。
	</p>
<p>
		未来，研究团队计划进一步拓宽这项研究的范围，将现有模型应用于其他类型的大脑活动数据，例如功能性磁共振成像（fMRI）数据。这将使研究人员能够探查在对话期间无法仅通过皮质脑电图（ECoG）捕捉到的深层大脑结构的运作机制。
	</p>
<p>
		此外，通过对比不同的神经成像技术，研究团队希望深入了解不同大脑区域如何在不同的时间尺度和不同类型的语言内容上相互作用和协同。这种跨技术和跨区域的分析将为理解复杂的神经语言网络提供更全面的视角，推动我们在认知神经科学领域向前迈出一大步。
	</p>
</section>


[:zh]<section>
	<section>
		<section data-style="display: inline-block; width: 100%; vertical-align: top; align-self: flex-start; flex: 0 0 auto; border-style: solid; border-width: 6px; border-color: rgb(241, 248, 255); box-sizing: border-box;">
			<section>
				<section>
					<p style="line-height: 1.5;">
						<a data-linktype="2" href="https://mp.weixin.qq.com/s?__biz=MzI3MjQ4MDMyOQ==&amp;mid=2247516860&amp;idx=1&amp;sn=feb217637560f7e19db538ac2b11e7c9&amp;scene=21#wechat_redirect" target="_blank" rel="noopener"><strong>追问</strong></a><strong>快读</strong>：我们何以真正听懂对方的语言？当对方说反话时，为什么我们能意识到对方真实的想法和词语本意相悖？美国普林斯顿大学的研究团队通过收集对话中双方的神经活动，以及基于GPT-2开发的计算框架，有效地分离出了对话中的语言性和非语言性因素对大脑活动的影响，在一定程度上阐释了对话中的词语是如何影响我们的思维，并避免了&ldquo;对牛弹琴&rdquo;的发生。
					</p>
				</section>
			</section>
		</section>
	</section>
</section>

<p style="line-height: 1.5;">
	&nbsp;
</p>

<section>
	<h3>
		<strong>01人类对语言理解的多样性</strong>
	</h3>
</section>

<section data-style="line-height: 1.75; letter-spacing: 1px; padding: 0px 16px; color: rgb(62, 62, 62); box-sizing: border-box;">
	<p style="line-height: 1.5;">
		在语言的使用上，最绕不开的话题就是理解和误解。表达的本质是希望被&ldquo;听见&rdquo;，然而，就算说着同一语言，同音字，一词多义、或者同一词汇在不同语境下的意义变迁，都会为表达带来难度，导致双方理解出现歧义。也就是说，良好的沟通和理解是建立在双方对某一语境下的词汇表达的共识上的。比如，&ldquo;cold（冷）&rdquo;这个词，既可以表达温度，也可以表示人的性格，还可以表示一种病毒感染疾病。根据语境，&lsquo;你像冰一样冷&rsquo;既可以被理解为体温冷，也可以被理解为性格高冷。那么，在对话中的双方到底是如何做到对同一词语拥有相同的理解呢？
	</p>

	<p>
		在大语言模型被广泛使用之前，学界对于语境中词语使用的精确模拟相对匮乏。早期的研究会使用数据驱动、未经调整的耦合方法（data-driven, unmediated coupling methods），例如测量被试间神经活动相似性（intersubject correlation，ISC）的强度，来测量对话双方的共同理解程度。此前，ISC被大量用于理解不同个体在相似刺激或任务下，产生的神经活动的相似性。比如，2008年Uri Hasson团队就使用 ISC 技术，通过分析记忆表现后的跨参与者相关性（ISC-SM），来识别电影观看中成功编码与未成功编码片段的BOLD反应，在观众间的相关脑区。通过对比观众在记忆成功与未成功片段中的脑活动相似度，研究团队揭示了与记忆形成相关的脑区活动模式。（Uri Hasson et al., 2008）
	</p>

	<p>
		<strong>这种技术在一定程度上揭示了表达者和倾听者神经活动之间的关联性，却没有将交流内容这一因素分离出来单独研究。</strong>这是由于，ISC强度可以被任何一对在被试之间共有的信号调动。比如说，如果在面对面的交流中，ISC指数高有可能是因为交流中的词语在双方的理解中相同，也有可能是因为其他的非语言因素，比如音调、韵律、肢体动作、面部表情、眼神等和社交表达相关的非词义因素。所以，该指数的强度并不能揭示交流中具体哪个特征在双方的大脑中达成了一致，就算 ISC 指数高，也不能说明双方类似的大脑活动是因为相同的语言内容刺激。
	</p>
</section>

<p style="line-height: 1.5;">
	&nbsp;
</p>

<section>
	<h3>
		<strong>02大语言模型在语言理解中的作用</strong>
	</h3>
</section>

<section>
	<p>
		直到最近，大语言模型（LLMs）被广泛使用后，人们再次意识到日常交流中语境对语义理解的重要性，学界开始为对话中共同理解的脑神经基础寻找新的解答。在大语言生成模型的机制中，通过学习大量自然语言的语料，并且将语料库编码成数据结构后嵌入多维空间，仅仅通过简单的&ldquo;下一词预测&rdquo;就可以生成出符合最语境的句子。这种对语言的处理和&lsquo;计算&rsquo;方式，在某种程度上与人类理解语言的机制相似。
	</p>

	<p>
		<strong>此前就有研究表明，语言模型和人类在处理自然语言方面共享相同的计算原则。</strong>详细来讲，在人类大脑和自回归动态语言模型（DLMs）处理相同的自然叙述时，它们共享三个基本的计算原则：（1）在词出现之前，两者都参与连续的下一个词预测；（2）两者都将其词出现前的预测与即将到来的词进行匹配，以计算词出现后的惊讶度；（3）两者都依靠上下文嵌入来表达语境中的词汇 (Ariel Goldstein et al., 2022)。
	</p>

	<p>
		由此，学界自然而然地产生了用大语言模型来进一步学习理解的想法，尤其是从表达者到倾听者大脑的语言信息传递：<strong>LLMs是否能构建一个明确的数值模型，用于模拟自然沟通中大脑间共享的、语境依赖信息的传递？</strong>
	</p>

	<p>
		<img alt="" class="aligncenter size-large wp-image-2367" height="359" src="https://admin.next-question.com/wp-content/uploads/2024/08/640-12-1024x359.webp" width="1024" />
	</p>
</section>

<p style="line-height: 1.5;">
	<strong>▷</strong>Zada, Zaid, et al. &quot;A shared model-based linguistic space for transmitting our thoughts from brain to brain in natural conversations.&quot;&nbsp;Neuron&nbsp;(2024).
</p>

<p style="line-height: 1.5;">
	&nbsp;
</p>

<section>
	<h3>
		<strong>03实验方法</strong>
	</h3>
</section>

<section>
	<p>
		在最新发表在Neuron的一项研究对此进行了讨论。研究招募了11对参与者（共22人）进行面对面的自然对话，同时使用脑皮层电图（ECoG）技术记录他们的大脑活动。ECoG是一种高时空分辨率的神经记录技术，可以直接从大脑皮层表面记录电信号。
	</p>

	<p>
		在获得了对话时高精度的神经活动记录数据后，研究团队用以GPT-2为基本模型生成的上下文嵌入，构建了一个多维的语言嵌入空间。这个空间能够捕捉词语的语义、句法和上下文特征。接着，研究者使用这些嵌入来预测表达者和倾听者大脑中的神经活动。他们训练编码模型，将嵌入映射到特定脑区的神经反应上。
	</p>
</section>

<section>
	<section>
		<img alt="" class="aligncenter size-large wp-image-2368" height="955" src="https://admin.next-question.com/wp-content/uploads/2024/08/640-1-2-1024x955.webp" width="1024" />
	</section>
</section>

<section>
	<section data-style="text-align: left; font-size: 12px; color: rgb(55, 87, 173); letter-spacing: 1px; line-height: 1.75; padding: 0px 20px; box-sizing: border-box; max-width: 100%;">
		<p style="line-height: 1.5;">
			<strong>▷</strong>图1：用于捕获表达者和倾听者语言耦合的编码模型。
		</p>
	</section>
</section>

<p style="line-height: 1.5;">
	&nbsp;
</p>

<section>
	<h3>
		<strong>04主要发现</strong>
	</h3>
</section>

<section>
	<p>
		研究发现，表达者的大脑在单词发音之前就已经形成了依赖于语境的语言内容，而在倾听者的大脑中，这些语言内容在单词发音之后再次出现。在面对面交流中，表达者和倾听者的大脑响应可能由于其他变量（如面部表情、手势和背景声音）而耦合，这些变量在本质上不属于语言。
	</p>

	<p>
		通过大脑活动数据建模而成的共享嵌入空间不仅可以预测不同脑区的神经活动，还可以记录不同时间的动态和选择性（见图2-B）。这些功能使得嵌入空间可以成功地预测在对话中双方各自的神经活动。
	</p>

	<p>
		在此基础上，研究员使用基于表达者神经活动的数据训练而成的数据来预测倾听者的神经活动，然后再反过来预测。在反复的校准后，编码模型排除了在对话中可能对理解有帮助，但是并没有出现在语句中的非语言因素。<strong>也就是说，通过编码模型配对对话双方的脑部活动优于传统的ISC方法，可以限制任何一对被观察的表达-倾听被试是在一对相同的、依赖于语境的语言嵌入中的。</strong>
	</p>
</section>

<p style="line-height: 1.5;">
	&nbsp;
</p>

<section>
	<section>
		<img alt="" class="aligncenter size-large wp-image-2369" height="920" src="https://admin.next-question.com/wp-content/uploads/2024/08/640-2-2-1024x920.webp" width="1024" />
	</section>
</section>

<section>
	<section data-style="text-align: left; font-size: 12px; color: rgb(55, 87, 173); letter-spacing: 1px; line-height: 1.75; padding: 0px 20px; box-sizing: border-box; max-width: 100%;">
		<p style="line-height: 1.5;">
			<strong>▷</strong>图2：表达者与倾听者的脑内语言编码表现。
		</p>
	</section>
</section>

<p style="line-height: 1.5;">
	&nbsp;
</p>

<section data-style="line-height: 1.75; letter-spacing: 1px; padding: 0px 16px; color: rgb(0, 0, 0); box-sizing: border-box;">
	<p>
		不过，该实验仍然使用ISC方法测量了表达者和倾听者之间神经活动的相似性（图3-C）。配对编码实验表明，与对话时候的信息流一致，表达者的大脑是在&ldquo;引导&rdquo;倾听者的大脑的（图3-B）。详细来讲，<strong>在说话时每一个词汇被叙述之前，语言性内容就已经在表达者的大脑中出现了，此后，在该词语被听到之后，同样的内容再在倾听者的大脑中出现。</strong>这种时间性的动势是逐词推进、并且仅限于当前词语的。
	</p>

	<p>
		除了对单个词语的分析，嵌入空间也提取出了自然对话中文本的语言性特征（linguistic features），包括形态学的、句法的、语义的、上下文的、和从属关系上的。<strong>相较于传统的非中介耦合方法</strong>（如ISC）<strong>和基于传统心理语言学开发的特征对方法</strong>（表达音素模型和句法模型）<strong>，以大语言生成模型为基础的框架可以支持更严谨的检验。&nbsp;</strong>
	</p>

	<p>
		为了保证嵌入空间对于语言性特征的学习具有传递性（connectivity），研究员还评估表达者和倾听者大脑内皮层语言网络各区域之间的语言耦合。举例来说，该实验使用了在表达者的前颞叶（ATL）神经活动上训练的编码模型来预测表达者的颞上回（STG）的神经活动。同样地，研究员还使用了在倾听者的颞上回（STG）神经活动上训练的编码模型来预测倾听者的前颞叶（ATL）的神经活动。这种分析产生了表达者和倾听者大脑内语言区域对之间的滞后编码矩阵（lag-by-lag encoding matrices）。这种交叉验证的方法可以有效地显示不同脑区之间信息的时间顺序和流动性。
	</p>
</section>

<section>
	<section>
		<img alt="" class="aligncenter size-full wp-image-2370" height="670" src="https://admin.next-question.com/wp-content/uploads/2024/08/640-3-2.webp" width="854" />
	</section>
</section>

<section>
	<section data-style="text-align: left; font-size: 12px; color: rgb(55, 87, 173); letter-spacing: 1px; line-height: 1.75; padding: 0px 20px; box-sizing: border-box; max-width: 100%;">
		<p style="line-height: 1.5;">
			<strong>▷</strong>图3：表达者-倾听者的脑对脑语言耦合。
		</p>
	</section>
</section>

<section data-style="line-height: 1.75; letter-spacing: 1px; padding: 0px 16px; color: rgb(0, 0, 0); box-sizing: border-box;">
	<p style="line-height: 1.5;">
		&nbsp;
	</p>

	<p>
		此外，该实验也评估了非语言性因素对双方的共同理解形成的影响。这一部分，研究员采用了和先前实验相同的ISC技术，对比计算表达者和倾听者之间的脑部互动。和先前实验一致，我们发现了在自然对话中，表达者和倾听者的神经活动之间有强配对性。然而，这种分析方法无法逐词分离对话中的语言内容。所以，能被观察到的耦合并不具有对单词叙述的时间敏感性。由此可见，<strong>基于嵌入空间的方法在精确度上仍然超越传统技术。</strong>如果嵌入空间包括了语境依赖的词嵌入，表达者与倾听者之间的神经耦合度将显著提高。
	</p>

	<p>
		最后，该研究还探讨了对话双方的耦合度是否与对话的语言空间相关。研究表明，表达者和倾听者的模型的权重和每一组对话之间存在关联，但是这种特殊度在多组对话平均化之后就被减弱了。也就是说，每一组对话是针对语境嵌入空间中的一个从属的特征组而存在偏差的。
	</p>
</section>

<p style="line-height: 1.5;">
	&nbsp;
</p>

<section>
	<h3>
		<strong>05研究意义</strong>
	</h3>
</section>

<section>
	<p>
		该研究开创性地分离了对话中的语言性和非语言性因素对大脑活动的影响，并确保了表达者与倾听者之间的共享神经活动能够与相同的显著语言特征保持一致。<strong>此外，该实验还根据大语言模型开创性地开发出了一个计算框架</strong>，标志着从未经调节的、被试间神经活动的耦合向更精确的、模型驱动的社会互动神经科学的范式转变。
	</p>

	<p>
		未来，研究团队计划进一步拓宽这项研究的范围，将现有模型应用于其他类型的大脑活动数据，例如功能性磁共振成像（fMRI）数据。这将使研究人员能够探查在对话期间无法仅通过皮质脑电图（ECoG）捕捉到的深层大脑结构的运作机制。
	</p>

	<p>
		此外，通过对比不同的神经成像技术，研究团队希望深入了解不同大脑区域如何在不同的时间尺度和不同类型的语言内容上相互作用和协同。这种跨技术和跨区域的分析将为理解复杂的神经语言网络提供更全面的视角，推动我们在认知神经科学领域向前迈出一大步。
	</p>
</section>
[:]

基于大模型的共享语言空间，模拟人类的“秒懂”机制 | 追问顶刊

[:zh]基于大模型的共享语言空间，模拟人类的“秒懂”机制 | 追问顶刊[:]

Uncategorized

万字长文：如何实现认知神经科学概念与理论的统一？ | 追问顶刊

[:zh]万字长文：如何实现认知神经科学概念与理论的统一？ | 追问顶刊[:]

<p>
	乔安妮&middot;亨特（Joanne Hunt，以下简称&ldquo;乔&rdquo;）患有过度活动埃勒斯-丹洛斯综合症（hypermobile Ehlers-Danlos syndrome）和肌痛性脑脊髓炎/慢性疲劳综合症，这使她的日常活动受到严重限制。她已困居家中十年，有时甚至要卧床数周或数月。然而，乔等了30多年才最终确诊。并且大多数临床医生仍然不知道如何治疗这种疾病，乔不得不学习如何应对疾病带来的种种困难。
</p>
<section>
<p>
		乔在治疗过程中遇到的障碍之一是临床医生缺乏相关知识，这对治疗造成了严重阻碍。<strong>当医疗人员和研究者都是健全人，而患者是残疾人时，在生活经验、动机和对病情的了解上往往存在巨大差距。</strong>在医学界，残疾研究的传统模式是：非残疾研究者以残疾人为研究对象展开研究。虽然这种学术研究模式在本质上并无不妥，但其局限性也不容忽视。事实上，病人由于从生活中积累了第一手知识，可能有与医生不同的优先考虑，可以看到医生忽视的东西。此外，他们还是自身疾病研究成果的利益相关者。
	</p>
<p>
		有鉴于此，鼓励患者在临床研究中发表意见是有意义的。在学术界，患者研究者（patient-researchers）仍是一个新概念，但新出现的证据表明，他们提供的洞见能丰富临床知识。
	</p>
<p style="line-height: 1.5;">
		&nbsp;
	</p>
</section>
<section>
<h3>
		<strong>01为患者赋能的先行者</strong><br />
	</h3>
</section>
<section>
<p>
		罗莎蒙德&middot;斯诺（Rosamund Snow）是最早的患者研究者之一。2013年，她成为第一位以自身疾病为研究课题而获得博士学位的人。她患有1型糖尿病，她的研究之路始于牛津糖尿病门诊的一位顾问请求她帮助调查该门诊相当高的未就诊率，调查结果推翻了一些被广泛接受的临床假设<sup>[1]</sup>。
	</p>
<p>
		斯诺还研究了为患者赋能会如何影响病人与临床医生的关系。她发现，&ldquo;专业知识的部分角色反转&rdquo;会造成紧张关系：当临床医生的知识少于患者时，他们往往会怀疑患者知识的恰当性。由于不了解患者为了改善生活而学习的治疗方法，临床医生最终可能会阻止患者获得&ldquo;成功控制慢性病所需的药物和用品&rdquo;，从而损害病人的生活质量。斯诺强调，<strong>临床医生必须制定尊重患者专业知识的策略，以免承担伤害患者的风险。</strong>
	</p>
<p>
		后来，斯诺作为牛津大学纳菲尔德初级保健科学系的一名学者，向作为学生的医生传授沟通技巧和患者视角的重要性，并致力于将患者参与纳入课程设计。她曾担任《英国医学杂志》（British Medical Journal）的患者编辑，对现有的患者-医生合作协议和流程进行了彻底改革<sup>[2]</sup>。
	</p>
<p>
		2016年，斯诺在概括患者研究者的价值时写道：&ldquo;我意识到，<strong>患者可以在研究中着眼于临床医生看不到的地方，这会引导我们有新的发现，从而发现实际情况与医生所认为的理所应当的状况之间的差异。</strong>&rdquo;
	</p>
<p>
		斯诺并不孤单。利兹&middot;萨尔米（Liz Salmi）是一位来自加利福尼亚州萨克拉门托的病人，16年前，29岁的萨尔米被诊断出患有恶性脑瘤。她自称为&ldquo;公民信息学家&rdquo;，其言行对患者权利产生了海啸般的连锁反应。她一直致力于促进人们对患者访问在线临床记录的了解，现在是贝斯以色列女执事医疗中心Open Notes团队的重要成员。
	</p>
<p>
		尽管许多临床医生对允许患者查阅在线病历持怀疑态度，但2021年，根据美国《21世纪治愈法案》颁布的新规定<sup>[3]</sup>，患者查阅在线病历成为一项强制性规定。除少数例外情况，临床医生必须依法向患者开放病历。许多临床医生对这一发展表示反感，担心患者无法理解或对所读内容感到焦虑。他们尤其担心与肿瘤患者共享病历或检查结果会带来特殊的挑战。
	</p>
<p>
		然而，萨尔米分析了一项针对美国肿瘤临床医生和可查阅病历的患者进行的大规模调查<sup>[4]</sup>，结果显示，98%的患者认为阅读自己的病历是个好主意，但只有70%的临床医生同意这一观点。更明显的是，只有4%的肿瘤患者认为自己的病历令人困惑，却有44%的肿瘤临床医生认为他们的患者会倾向于认为自己的病历令人困惑。在另一项由萨尔米担任共同调查员的调查中<sup>[5]</sup>，96%的患者表示希望能即时获知他们的检查结果。
	</p>
<p>
		萨尔米力求同时为患者和临床医生赋能。在新规定出台前的几年里，她举办了70多场讲座，在顶级医学期刊上发表了50篇学术论文，并在多项基金中担任患者研究员。她认为，新政策的出台和实施需要一位患者利益相关者，而非一位没有患者生活经验的研究人员。
	</p>
<p>
		将近40年前，13岁的斯德哥尔摩人萨拉&middot;里加雷（Sara Riggare）注意到他的身体并不总是能够对大脑发出的信号做出反应，也不总是按照他的意愿运动。由于发病较早，医学专家花了二十年才诊断出她患有帕金森病。工程师出身的里加雷在2010年决定将自己的技术专长与患者经验相结合，寻找更好的方法来追踪自己的症状，并找出最适合自己的治疗策略。
	</p>
<p>
		她认为，<strong>患者充当自我研究者的角色是理所当然的</strong>：&ldquo;我每年看两次神经科医生，每次大约半小时。这相当于每年花一个小时来治疗帕金森病。但在同一年里，我花了8765个小时进行自我保健，运用我的知识和经验，再加上我从神经科医生那里获得的知识，尽我所能控制病情。&rdquo;
	</p>
<p>
		里加雷目前热衷的研究领域是&ldquo;有相应能力的自我&rdquo;&nbsp;（quantified self），其重点是通过对患者症状的持续技术监控来增强患者的能力，从而更好地了解和控制自己的健康。里加雷认为这是管理自身残疾的更好方法。
	</p>
<p>
		里加雷在她的博士论文中提及一位资深的学术研究者的质疑：&ldquo;病人为什么要对自己进行研究呢？你们把数据交给合适的研究者不是更好吗？&rdquo;里加雷不知如何回答，不知他所说的&ldquo;合适的研究者&rdquo;是指什么。但里加雷始终保持着谨慎，她承认，有时患者可能会对自己的疾病产生偏见或误解。
	</p>
<p>
		里加雷还指出，普通研究人员与患者研究人员从事研究的动机可能大相径庭，许多患者研究人员实际上并不像普通研究人员那样倾向于加速推进自己的研究日程，这也许是因为他们知道&ldquo;欲速则不达&rdquo;。
	</p>
<p>
		然而，事情的进展并非始终一帆风顺。2020年，里加雷在《自然》杂志上描述了患者研究者面临的挑战，她总结道<sup>[6]</sup>：&ldquo;我们的贡献被质疑为不具代表性、无效和不客观。&rdquo;与此同时，在美国，Open Notes的同事努力为萨尔米争取到哈佛大学的教职。萨尔米回忆道，事情看起来很顺利。期待越来越强烈。感觉在哈佛医学院从病人的角度看问题可能会成为现实！但实际并非如此。尽管萨尔米发表了大量论文，但哈佛的聘用条件是萨尔米必须从加利福尼亚搬迁到其他地方，于是她拒绝了邀请。
	</p>
<p>
		斯诺生前还写过关于患者和研究人员双重身份的紧张关系，以及医学在不知不觉中降低病人可信度的数种方式。斯诺数次参加&ldquo;公众和患者参与&rdquo;（public and patient involvement）活动，她注意到临床医生和研究者经常将患者的意见归结为缺乏洞见。与里加尔提到的&ldquo;适当的研究者&rdquo;相呼应，她注意到知识等级制度一直将患者研究者置于&ldquo;健康研究者&rdquo;之下。
	</p>
<p style="line-height: 1.5;">
		&nbsp;
	</p>
</section>
<section>
<h3>
		<strong>02学术研究中的认知不公正</strong><br />
	</h3>
</section>
<section>
<p>
		这些处于学术界边缘的患者研究者的案例表明学术研究中存在&ldquo;认知不公正&rdquo;（epistemic injustice）。英国学者米兰达&middot;弗里克（Miranda Fricker）于2007年提出这个概念，用来指代与知识和理解相关的各种不公正现象。
	</p>
<p>
		她指出两种主要的不公正。<strong>第一种是当个人或群体所说的话不被认真对待时产生的歧视。</strong>这对应于斯诺所说的&ldquo;患者研究者&rdquo;和&ldquo;健康研究者&rdquo;之间的等级划分，这种划分根深蒂固，以至于将拥有博士学位的患者排除在&ldquo;值得信任的对话&rdquo;之外。里格尔说道：<strong>作为一名置身学术界的患者研究者，你必须&ldquo;时刻&rdquo;保持警惕。任何人都可以随时质疑你的存在、能力、研究和可信度，这让人精疲力竭。</strong>
	</p>
<p>
		<strong>第二种歧视是由于理解上存在的集体差距，使得个人或群体难以交流或更好地理解彼此的经历。</strong>试想一下，当你试图讲述一个关于你生活中某些基本方面的故事时，你和听众都缺乏有效的语言来讲述这个故事。这就是弗里克所说的 &ldquo;诠释不公正&rdquo;（hermeneutical injustice），指的是机构将某些群体或个人拒之门外，使其无法获得专业知识或参与知识形成活动。
	</p>
<p>
		尽管学术界如今更加注重多样性（diversity）、平等性（equality）和包容性（inclusion），但它仍然是一个不欢迎残障人士的地方。残障人士的不平等在教育系统中一直蔓延到高等教育。一项令人沮丧的统计数据表明，残疾人与非残疾人在教育程度上存在着明显差距，在学位水平上也存在着明显差距，这进一步影响了他们对研究事业的追求。
	</p>
<p>
		许多希望从事研究工作的残疾人非常清楚，包容性理念只是一种构想。<strong>认知不公正是如此根深蒂固，以至于学术界、管理者甚至学者可能甚至没有注意到这一现象。</strong>
	</p>
<p style="line-height: 1.5;">
		&nbsp;
	</p>
</section>
<section>
<h3>
		<strong>03如何改善当前状况？</strong><br />
	</h3>
</section>
<section>
<p>
		传统的医疗保健学术研究在了解残疾人的困境方面似乎停滞不前，这阻碍了对残疾相关主题进行更深入、细致的研究，从而导致恶性循环。由于患者不能充分参与，潜在的患者研究者被扼杀，而这些研究本可以促进我们对疾病的集体理解，并为残疾人带来积极利益。
	</p>
<p>
		<strong>如何改变这种现状呢？灵活、适应性强的在线学术访问可能会有所帮助。</strong>英国德比大学（英国领先的在线教育提供商）的一项在线学习研究报告显示<sup>[7]</sup>，该校的残疾学生人数是英国全国平均水平的三倍。然而，在线策略并非灵丹妙药。技术（包括使用数字设备、家庭宽带和程序设计）对残疾人来说往往遥不可及。关注在线策略不应成为忽视如何将物理空间改造得更友好残疾人的借口。
	</p>
<p>
		相关的观念也亟需改变。在学术界，管理委员会、教师和行政人员应更加了解残疾学生和研究者的需求。努力接纳和包容残障人士，哪怕是对最微不足道之处的关注，都可能有助于鼓励和维持学生的生活和研究。我们还需要大学、政府、残疾人组织和资助者之间更多的合作。有人认为，患者合作倡议只是象征性的，&ldquo;患者主导&rdquo;模式才能真正改变目前的文化。<strong>患者主导意味着患者从调查一开始就领导或与其他研究者共同领导研究，决定提出什么问题以及如何解决问题。</strong>患者的贡献越来越受到重视，这让人看到了希望的曙光。
	</p>
<p>
		斯诺、萨尔米、里加雷并不是唯一为健康研究做出贡献的病人。还有很多人推动了学术界的发展，加深了人们对残疾和慢性疾病的理解，如汤姆&middot;金德隆（Tom Kindlon）、基思&middot;格拉夫蒂（Keith Geraghty）、马克&middot;温克（Mark Vink）、弗兰克&middot;特威斯克（Frank Twisk）、阿莱姆&middot;马特斯（Alem Matthees）和已故的罗伯特&middot;考特尼（Robert Courtney）。
	</p>
<p>
		他们调查四种治疗方法在治疗像乔一样的肌痛性脑脊髓炎/慢性疲劳综合症患者时的质量，其中包括认知行为疗法和分级运动疗法。这些来自学术界内外的患者研究者，对2011年在英国发表的被广泛引用且极具影响力的&ldquo;PACE实验&rdquo;<sup>[8]</sup>背后的方法论中存在的根本性缺陷，提出了质疑。他们找出了数据分析中的关键错误，发现既有研究人员高估了这些疗法的潜在益处，极大地掩盖了其危害性<sup>[9]</sup>。因此，2021 年，英国国家健康与护理卓越研究所从其制定的治疗建议中删除了分级运动疗法。
	</p>
<p>
		最后，我们必须坦诚地承认，<strong>这种追求既是我们的个人抱负，也是我们的智识追求</strong><strong>。</strong>对于乔来说，人们对残疾的否认和歧视使终生相伴的疾病雪上加霜，这使她坚信有必要彻底转变（生物）医疗和心理治疗的模式，从而使得对残疾的理解不仅仅是个人的责任，而且是整个社会义不容辞的责任。
	</p>
<p>
		要想让医疗保健和医学研究有效地发挥作用，应当寻找倾听患者心声的新方法。学术界可以而且应该做得更多，以促进患者研究者的多样性和包容性。如果我们真的珍视观点的多样性，就必须接纳代表人数不足的残障人士的声音和见解，他们可以为学术和公共生活增添重要价值，还能以医疗系统和社会尚未想象到的方式重新定义医疗服务。毋庸置疑，这样的未来不仅会更公平、更有启发性，也会更具魅力且充满希望。
	</p>
</section>
<p>
	&nbsp;</p>


[:en]<p></p>
[:zh]<p>
	乔安妮&middot;亨特（Joanne Hunt，以下简称&ldquo;乔&rdquo;）患有过度活动埃勒斯-丹洛斯综合症（hypermobile Ehlers-Danlos syndrome）和肌痛性脑脊髓炎/慢性疲劳综合症，这使她的日常活动受到严重限制。她已困居家中十年，有时甚至要卧床数周或数月。然而，乔等了30多年才最终确诊。并且大多数临床医生仍然不知道如何治疗这种疾病，乔不得不学习如何应对疾病带来的种种困难。
</p>

<section>
	<p>
		乔在治疗过程中遇到的障碍之一是临床医生缺乏相关知识，这对治疗造成了严重阻碍。<strong>当医疗人员和研究者都是健全人，而患者是残疾人时，在生活经验、动机和对病情的了解上往往存在巨大差距。</strong>在医学界，残疾研究的传统模式是：非残疾研究者以残疾人为研究对象展开研究。虽然这种学术研究模式在本质上并无不妥，但其局限性也不容忽视。事实上，病人由于从生活中积累了第一手知识，可能有与医生不同的优先考虑，可以看到医生忽视的东西。此外，他们还是自身疾病研究成果的利益相关者。
	</p>

	<p>
		有鉴于此，鼓励患者在临床研究中发表意见是有意义的。在学术界，患者研究者（patient-researchers）仍是一个新概念，但新出现的证据表明，他们提供的洞见能丰富临床知识。
	</p>

	<p style="line-height: 1.5;">
		&nbsp;
	</p>
</section>

<section>
	<h3>
		<strong>01为患者赋能的先行者</strong>
	</h3>
</section>

<section>
	<p>
		罗莎蒙德&middot;斯诺（Rosamund Snow）是最早的患者研究者之一。2013年，她成为第一位以自身疾病为研究课题而获得博士学位的人。她患有1型糖尿病，她的研究之路始于牛津糖尿病门诊的一位顾问请求她帮助调查该门诊相当高的未就诊率，调查结果推翻了一些被广泛接受的临床假设<sup>[1]</sup>。
	</p>

	<p>
		斯诺还研究了为患者赋能会如何影响病人与临床医生的关系。她发现，&ldquo;专业知识的部分角色反转&rdquo;会造成紧张关系：当临床医生的知识少于患者时，他们往往会怀疑患者知识的恰当性。由于不了解患者为了改善生活而学习的治疗方法，临床医生最终可能会阻止患者获得&ldquo;成功控制慢性病所需的药物和用品&rdquo;，从而损害病人的生活质量。斯诺强调，<strong>临床医生必须制定尊重患者专业知识的策略，以免承担伤害患者的风险。</strong>
	</p>

	<p>
		后来，斯诺作为牛津大学纳菲尔德初级保健科学系的一名学者，向作为学生的医生传授沟通技巧和患者视角的重要性，并致力于将患者参与纳入课程设计。她曾担任《英国医学杂志》（British Medical Journal）的患者编辑，对现有的患者-医生合作协议和流程进行了彻底改革<sup>[2]</sup>。
	</p>

	<p>
		2016年，斯诺在概括患者研究者的价值时写道：&ldquo;我意识到，<strong>患者可以在研究中着眼于临床医生看不到的地方，这会引导我们有新的发现，从而发现实际情况与医生所认为的理所应当的状况之间的差异。</strong>&rdquo;
	</p>

	<p>
		斯诺并不孤单。利兹&middot;萨尔米（Liz Salmi）是一位来自加利福尼亚州萨克拉门托的病人，16年前，29岁的萨尔米被诊断出患有恶性脑瘤。她自称为&ldquo;公民信息学家&rdquo;，其言行对患者权利产生了海啸般的连锁反应。她一直致力于促进人们对患者访问在线临床记录的了解，现在是贝斯以色列女执事医疗中心Open Notes团队的重要成员。
	</p>

	<p>
		尽管许多临床医生对允许患者查阅在线病历持怀疑态度，但2021年，根据美国《21世纪治愈法案》颁布的新规定<sup>[3]</sup>，患者查阅在线病历成为一项强制性规定。除少数例外情况，临床医生必须依法向患者开放病历。许多临床医生对这一发展表示反感，担心患者无法理解或对所读内容感到焦虑。他们尤其担心与肿瘤患者共享病历或检查结果会带来特殊的挑战。
	</p>

	<p>
		然而，萨尔米分析了一项针对美国肿瘤临床医生和可查阅病历的患者进行的大规模调查<sup>[4]</sup>，结果显示，98%的患者认为阅读自己的病历是个好主意，但只有70%的临床医生同意这一观点。更明显的是，只有4%的肿瘤患者认为自己的病历令人困惑，却有44%的肿瘤临床医生认为他们的患者会倾向于认为自己的病历令人困惑。在另一项由萨尔米担任共同调查员的调查中<sup>[5]</sup>，96%的患者表示希望能即时获知他们的检查结果。
	</p>

	<p>
		萨尔米力求同时为患者和临床医生赋能。在新规定出台前的几年里，她举办了70多场讲座，在顶级医学期刊上发表了50篇学术论文，并在多项基金中担任患者研究员。她认为，新政策的出台和实施需要一位患者利益相关者，而非一位没有患者生活经验的研究人员。
	</p>

	<p>
		将近40年前，13岁的斯德哥尔摩人萨拉&middot;里加雷（Sara Riggare）注意到他的身体并不总是能够对大脑发出的信号做出反应，也不总是按照他的意愿运动。由于发病较早，医学专家花了二十年才诊断出她患有帕金森病。工程师出身的里加雷在2010年决定将自己的技术专长与患者经验相结合，寻找更好的方法来追踪自己的症状，并找出最适合自己的治疗策略。
	</p>

	<p>
		她认为，<strong>患者充当自我研究者的角色是理所当然的</strong>：&ldquo;我每年看两次神经科医生，每次大约半小时。这相当于每年花一个小时来治疗帕金森病。但在同一年里，我花了8765个小时进行自我保健，运用我的知识和经验，再加上我从神经科医生那里获得的知识，尽我所能控制病情。&rdquo;
	</p>

	<p>
		里加雷目前热衷的研究领域是&ldquo;有相应能力的自我&rdquo;&nbsp;（quantified self），其重点是通过对患者症状的持续技术监控来增强患者的能力，从而更好地了解和控制自己的健康。里加雷认为这是管理自身残疾的更好方法。
	</p>

	<p>
		里加雷在她的博士论文中提及一位资深的学术研究者的质疑：&ldquo;病人为什么要对自己进行研究呢？你们把数据交给合适的研究者不是更好吗？&rdquo;里加雷不知如何回答，不知他所说的&ldquo;合适的研究者&rdquo;是指什么。但里加雷始终保持着谨慎，她承认，有时患者可能会对自己的疾病产生偏见或误解。
	</p>

	<p>
		里加雷还指出，普通研究人员与患者研究人员从事研究的动机可能大相径庭，许多患者研究人员实际上并不像普通研究人员那样倾向于加速推进自己的研究日程，这也许是因为他们知道&ldquo;欲速则不达&rdquo;。
	</p>

	<p>
		然而，事情的进展并非始终一帆风顺。2020年，里加雷在《自然》杂志上描述了患者研究者面临的挑战，她总结道<sup>[6]</sup>：&ldquo;我们的贡献被质疑为不具代表性、无效和不客观。&rdquo;与此同时，在美国，Open Notes的同事努力为萨尔米争取到哈佛大学的教职。萨尔米回忆道，事情看起来很顺利。期待越来越强烈。感觉在哈佛医学院从病人的角度看问题可能会成为现实！但实际并非如此。尽管萨尔米发表了大量论文，但哈佛的聘用条件是萨尔米必须从加利福尼亚搬迁到其他地方，于是她拒绝了邀请。
	</p>

	<p>
		斯诺生前还写过关于患者和研究人员双重身份的紧张关系，以及医学在不知不觉中降低病人可信度的数种方式。斯诺数次参加&ldquo;公众和患者参与&rdquo;（public and patient involvement）活动，她注意到临床医生和研究者经常将患者的意见归结为缺乏洞见。与里加尔提到的&ldquo;适当的研究者&rdquo;相呼应，她注意到知识等级制度一直将患者研究者置于&ldquo;健康研究者&rdquo;之下。
	</p>

	<p style="line-height: 1.5;">
		&nbsp;
	</p>
</section>

<section>
	<h3>
		<strong>02学术研究中的认知不公正</strong>
	</h3>
</section>

<section>
	<p>
		这些处于学术界边缘的患者研究者的案例表明学术研究中存在&ldquo;认知不公正&rdquo;（epistemic injustice）。英国学者米兰达&middot;弗里克（Miranda Fricker）于2007年提出这个概念，用来指代与知识和理解相关的各种不公正现象。
	</p>

	<p>
		她指出两种主要的不公正。<strong>第一种是当个人或群体所说的话不被认真对待时产生的歧视。</strong>这对应于斯诺所说的&ldquo;患者研究者&rdquo;和&ldquo;健康研究者&rdquo;之间的等级划分，这种划分根深蒂固，以至于将拥有博士学位的患者排除在&ldquo;值得信任的对话&rdquo;之外。里格尔说道：<strong>作为一名置身学术界的患者研究者，你必须&ldquo;时刻&rdquo;保持警惕。任何人都可以随时质疑你的存在、能力、研究和可信度，这让人精疲力竭。</strong>
	</p>

	<p>
		<strong>第二种歧视是由于理解上存在的集体差距，使得个人或群体难以交流或更好地理解彼此的经历。</strong>试想一下，当你试图讲述一个关于你生活中某些基本方面的故事时，你和听众都缺乏有效的语言来讲述这个故事。这就是弗里克所说的 &ldquo;诠释不公正&rdquo;（hermeneutical injustice），指的是机构将某些群体或个人拒之门外，使其无法获得专业知识或参与知识形成活动。
	</p>

	<p>
		尽管学术界如今更加注重多样性（diversity）、平等性（equality）和包容性（inclusion），但它仍然是一个不欢迎残障人士的地方。残障人士的不平等在教育系统中一直蔓延到高等教育。一项令人沮丧的统计数据表明，残疾人与非残疾人在教育程度上存在着明显差距，在学位水平上也存在着明显差距，这进一步影响了他们对研究事业的追求。
	</p>

	<p>
		许多希望从事研究工作的残疾人非常清楚，包容性理念只是一种构想。<strong>认知不公正是如此根深蒂固，以至于学术界、管理者甚至学者可能甚至没有注意到这一现象。</strong>
	</p>

	<p style="line-height: 1.5;">
		&nbsp;
	</p>
</section>

<section>
	<h3>
		<strong>03如何改善当前状况？</strong>
	</h3>
</section>

<section>
	<p>
		传统的医疗保健学术研究在了解残疾人的困境方面似乎停滞不前，这阻碍了对残疾相关主题进行更深入、细致的研究，从而导致恶性循环。由于患者不能充分参与，潜在的患者研究者被扼杀，而这些研究本可以促进我们对疾病的集体理解，并为残疾人带来积极利益。
	</p>

	<p>
		<strong>如何改变这种现状呢？灵活、适应性强的在线学术访问可能会有所帮助。</strong>英国德比大学（英国领先的在线教育提供商）的一项在线学习研究报告显示<sup>[7]</sup>，该校的残疾学生人数是英国全国平均水平的三倍。然而，在线策略并非灵丹妙药。技术（包括使用数字设备、家庭宽带和程序设计）对残疾人来说往往遥不可及。关注在线策略不应成为忽视如何将物理空间改造得更友好残疾人的借口。
	</p>

	<p>
		相关的观念也亟需改变。在学术界，管理委员会、教师和行政人员应更加了解残疾学生和研究者的需求。努力接纳和包容残障人士，哪怕是对最微不足道之处的关注，都可能有助于鼓励和维持学生的生活和研究。我们还需要大学、政府、残疾人组织和资助者之间更多的合作。有人认为，患者合作倡议只是象征性的，&ldquo;患者主导&rdquo;模式才能真正改变目前的文化。<strong>患者主导意味着患者从调查一开始就领导或与其他研究者共同领导研究，决定提出什么问题以及如何解决问题。</strong>患者的贡献越来越受到重视，这让人看到了希望的曙光。
	</p>

	<p>
		斯诺、萨尔米、里加雷并不是唯一为健康研究做出贡献的病人。还有很多人推动了学术界的发展，加深了人们对残疾和慢性疾病的理解，如汤姆&middot;金德隆（Tom Kindlon）、基思&middot;格拉夫蒂（Keith Geraghty）、马克&middot;温克（Mark Vink）、弗兰克&middot;特威斯克（Frank Twisk）、阿莱姆&middot;马特斯（Alem Matthees）和已故的罗伯特&middot;考特尼（Robert Courtney）。
	</p>

	<p>
		他们调查四种治疗方法在治疗像乔一样的肌痛性脑脊髓炎/慢性疲劳综合症患者时的质量，其中包括认知行为疗法和分级运动疗法。这些来自学术界内外的患者研究者，对2011年在英国发表的被广泛引用且极具影响力的&ldquo;PACE实验&rdquo;<sup>[8]</sup>背后的方法论中存在的根本性缺陷，提出了质疑。他们找出了数据分析中的关键错误，发现既有研究人员高估了这些疗法的潜在益处，极大地掩盖了其危害性<sup>[9]</sup>。因此，2021 年，英国国家健康与护理卓越研究所从其制定的治疗建议中删除了分级运动疗法。
	</p>

	<p>
		最后，我们必须坦诚地承认，<strong>这种追求既是我们的个人抱负，也是我们的智识追求</strong><strong>。</strong>对于乔来说，人们对残疾的否认和歧视使终生相伴的疾病雪上加霜，这使她坚信有必要彻底转变（生物）医疗和心理治疗的模式，从而使得对残疾的理解不仅仅是个人的责任，而且是整个社会义不容辞的责任。
	</p>

	<p>
		要想让医疗保健和医学研究有效地发挥作用，应当寻找倾听患者心声的新方法。学术界可以而且应该做得更多，以促进患者研究者的多样性和包容性。如果我们真的珍视观点的多样性，就必须接纳代表人数不足的残障人士的声音和见解，他们可以为学术和公共生活增添重要价值，还能以医疗系统和社会尚未想象到的方式重新定义医疗服务。毋庸置疑，这样的未来不仅会更公平、更有启发性，也会更具魅力且充满希望。
	</p>
</section>

<p>
	&nbsp;
</p>
[:]

重塑医疗研究思路，是时候听听患者的想法了 | 追问观察

[:zh]重塑医疗研究思路，是时候听听患者的想法了 | 追问观察[:]

人工智能

Anil Seth：机器的思考是否触及灵魂？| 智能渐近线

[:zh]Anil Seth：机器的思考是否触及灵魂？| 智能渐近线[:]

追问专访

十年争议落幕，欧洲脑计划失败了吗？｜追问专访·Moritz Helmstaedter

[:en]Interview with Prof. Moritz Helmstaedter: The decade-long debate has concluded, Has the European Brain Project failed?[:zh]十年争议落幕，欧洲脑计划失败了吗？｜追问专访·Moritz Helmstaedter[:]

吴思：打开人工智能的“智慧之门”

[:en]Interview with Professor Si Wu: Unlocking the "Door of Wisdom" in Artificial Intelligence[:zh]吴思：打开人工智能的“智慧之门”[:]

<p><em><strong># 前言</strong></em></p>
<p>这是汪小京作“计算与认知神经科学夏校”开学典礼演讲的第14个年头。站在苏州冷泉港学术中心的讲台上，他简单梳理了计算神经科学这门新兴学科的发展历史。讲到Hopfield用物理中的自旋玻璃（spin glass）模型来解释大脑联想记忆系统的经典论文时，他停顿了一下，询问台下的学生是否阅读过。</p>
<p>&nbsp;</p>
<p>教室里约一半人举起了手，汪小京欣慰地点点头。显然，这个比例超出他的预料。30多年前，正是Hopfield的这个富有科学美感的研究吸引了他，促使这位理论物理学博士转向神经科学领域，用物理学研究复杂系统的思维方式和数学模型，帮助揭秘大脑。</p>
<p>&nbsp;</p>
<p>那是一条艰难而生僻的小径，若无在美国参加一次夏季学校（后简称夏校）的奇缘，汪小京觉得自己当时很可能会坚持不下去。也正因如此，2010年，他创办了国内首个计算神经科学夏校，将这份追寻科学边界的坚定和热情传递给下一代年轻人。</p>
<p>&nbsp;</p>
<div id="attachment_790" style="width: 610px" class="wp-caption aligncenter"><img loading="lazy" decoding="async" aria-describedby="caption-attachment-790" class="wp-image-790" src="https://admin.next-question.com/wp-content/uploads/2023/11/90.png" alt="" width="600" height="400" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/90.png 1080w, https://admin.next-question.com/wp-content/uploads/2023/11/90-300x200.png 300w, https://admin.next-question.com/wp-content/uploads/2023/11/90-1024x683.png 1024w, https://admin.next-question.com/wp-content/uploads/2023/11/90-768x512.png 768w" sizes="auto, (max-width: 600px) 100vw, 600px" /><p id="caption-attachment-790" class="wp-caption-text">▷图注：汪小京在2023年“计算与认知神经科学夏校”授课 图源：冷泉港亚洲</p></div>
<p>&nbsp;</p>
<p>教室明亮的落地窗外，独墅湖碧蓝色的波光消解了江南盛夏的暑意。而学生们不断向汪小京提问的热情却始终没有褪去。为了解这个夏校背后的故事，《追问》媒体两次造访苏州冷泉港，深入课室和生活区观察，并等到夏校尾声时，以视频连线的方式采访了这位卓越的学者和教育家。在他来看，夏校创办的十多年，也是中国神经科学高速发展的十多年。汪小京对于中国学生身上所发生的巨大变化甚有感触，有时惊讶于他们掌握的信息之多，探索的热情之大。计算神经科学是一门非常典型的交叉学科。对于这些和他当年一样走进科研“十字路口”、却面临一个更“卷”时代的年轻学子们，汪小京分享了自己的想法。</p>
<p>&nbsp;</p>
<p>为便于阅读，我们对文字进行了精简，以飨读者。</p>
<p>&nbsp;</p>
<p><img loading="lazy" decoding="async" class="aligncenter wp-image-791" src="https://admin.next-question.com/wp-content/uploads/2023/11/91.png" alt="" width="600" height="281" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/91.png 1080w, https://admin.next-question.com/wp-content/uploads/2023/11/91-300x141.png 300w, https://admin.next-question.com/wp-content/uploads/2023/11/91-1024x480.png 1024w, https://admin.next-question.com/wp-content/uploads/2023/11/91-768x360.png 768w" sizes="auto, (max-width: 600px) 100vw, 600px" /></p>
<p>&nbsp;</p>
<h4>Q：按照《追问》的惯例，请您先介绍一下您的研究领域。</h4>
<p>汪小京教授：我研究的是计算（理论）神经科学，这个学科相对较新，只有三十多年的历史。大家都知道，理论在物理学中探索宇宙奥秘起着不容置疑的重要作用。类似的情况也正在神经科学领域发生：我们越来越需要用理论和数学建模去理解大脑的工作机制。实验研究和理论模型相互结合，可以帮助我们更好地解析大脑认知、学习、记忆等复杂功能的奥秘。</p>
<p>&nbsp;</p>
<h4>Q：您觉得计算神经科学有趣的地方体现在哪里？</h4>
<p>汪小京教授：计算神经科学的有趣之处在于它的跨学科性质。这意味着涉足该领域的人来自各个不同的学科背景，包括数学、物理学、计算机科学以及信息科学工程等。<br />
数学背景的人能够在模型的构建和分析上作出贡献，尤其动力学系统理论对了解神经网络起重要作用。信息科学背景的人则可能会更多地从信息处理的角度来考虑问题。比如，BMI（脑机接口）将脑电信号转化为机器可以理解的指令，需要运用信息处理的方法来信号解码并转换成指令。物理学出身的人，可能更倾向于将神经科学视为一个开放型的复杂动力学系统，这意味着将大脑看作一个自组织的系统，在这种视角下通过大脑的非线性行为和复杂性的研究来理解神经网络的动态行为和功能。</p>
<p>&nbsp;</p>
<h4>Q：当年您从物理学博士转向研究神经科学，是什么契机让您做了研究方向的转变？</h4>
<p>汪小京教授：有时偶然的因素会改变人生轨迹。我转入神经科学领域是在1987年。我认为有两个原因，一个就是我在比利时布鲁塞尔读博士的时候，研究所所长普利高津教授兴趣特别广泛，用统计物理和动力学系统来研究各种各样的系统，包括生物系统。他对我产生了一定的影响，开始让我对大脑产生兴趣。</p>
<p>编者注：伊利亚·罗曼诺维奇·普里高津（俄语：Илья́ Рома́нович Приго́жин，英语：Ilya Romanovich Prigogine），比利时籍俄罗斯犹太裔化学家、物理学家，1977年诺贝尔化学奖获得者，非平衡态统计物理与耗散结构理论奠基人。他把将近一世纪前由克劳修斯（Clausius，R.J.E）创立的热力学第二定律扩大应用于研究非平衡态的热力学现象，开拓了一个过去很少受人注意的崭新领域，被认为是近二十多年来理论物理、理论化学和理论生物学方面取得的最重大进展之一。</p>
<p>&nbsp;</p>
<p>第二，那个时候复杂系统的物理研究十分活跃，其中模型之一叫spin glass （自旋玻璃）。玻璃看起来特别简单，却不是一种简单的晶体，其结构非常复杂。Hopfield在80年代用玻璃这种系统的物理理论来研究大脑的记忆。他当时的模型非常有意思，吸引了很多物理学家的注意。自此很多人从物理领域出发，开始思考如何用这种复杂系统的物理理论来研究大脑，其中就包括我。Hopfield的那篇文章内容也是促使我决定进入这个领域的一大因素1。<br />
编者注：自旋玻璃（Spin Glass）是一种物理学上的概念，它通常用于描述复杂系统中的一类特殊现象。这种系统通常是由大量的微观组件（例如原子或分子）组成的，而这些微观组件有着自旋（Spin）的性质，类似于磁矩的方向。</p>
<p>&nbsp;</p>
<p>计算神经科学领域的正式起步可以追溯到1988年。那一年，Science杂志上发表了一篇名为《Computational Neuroscience》的文章，可以说是计算神经科学领域的宣言2。也就在1988那一年，第一个计算神经科学暑期学校在麻省的海洋生物实验室（Marine Biological Laboratory）举行。我被录取参加了第一届暑期学校，为我进入计算神经科学提供了机会。<br />
参加计算神经科学的暑期学校给我带来了许多收获。首先，它帮助我了解生物领域。在学习计算神经科学时，我逐渐认识到大脑的奥秘。仅仅建立抽象数学模型是不行的，要深入了解神经生物学，比如单个神经元如何工作的、不同脑区的功能、不同物种的行为。其次，在暑期学校我认识了一些神经科学的领军人。第三，我参与学生与老师一起讨论问题，包括辩论，潜移默化形成了以后自己研究团队的文化。</p>
<p>&nbsp;</p>
<h4>Q：您从何时产生了自己开设计算与认知神经科学夏校的想法？为什么首先将地点选定在了中国？</h4>
<p>汪小京教授：2010年，我在科学网发表了一篇文章介绍计算神经科学3。当时此领域在亚太地区还很新，为了帮助更多年轻人从数学、物理等专业转行，就需要提供一个了解计算神经科学的机会。想到自己受益于海洋生物实验室的暑期学校，我和刚回国的吴思老师等人商量，考虑在中国建立一个类似的国际暑期学校，起名Computational and Cognitive Neuroscience (CCN)。</p>
<p>&nbsp;</p>
<p>当时计算神经科学主要关心的是初级感觉（比如视觉）和运动行为的脑系统，高级认知的神经机制研究是本世纪才发展起来的，而我个人正好在此新领域，所以决定CCN聚焦于认知，这是它与领域中的其它夏校最大的不同之处。</p>
<p>&nbsp;</p>
<div id="attachment_792" style="width: 610px" class="wp-caption aligncenter"><img loading="lazy" decoding="async" aria-describedby="caption-attachment-792" class="wp-image-792" src="https://admin.next-question.com/wp-content/uploads/2023/11/92.png" alt="" width="600" height="400" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/92.png 599w, https://admin.next-question.com/wp-content/uploads/2023/11/92-300x200.png 300w" sizes="auto, (max-width: 600px) 100vw, 600px" /><p id="caption-attachment-792" class="wp-caption-text">▷图注：自2010年起，汪小京在苏州冷泉港开设“计算与认知神经科学夏校” 图源：冷泉港亚洲</p></div>
<p>&nbsp;</p>
<p>另两位原主办者是Zach Mainen 和Upinder Bhalla。当时，冷泉港实验室（Cold Spring Harbor Laboratory）在苏州的亚洲中心（CSH-Asia）刚刚设立，这是一个国际平台，CCN成为其第一个暑期学校。它吸引了来自世界各地的学生参加，学校的师资力量一流（第一年就有7位美国科学院、英国皇家学院院士来任教）。这样的国际化设置让中外学生们有机会相互学习和交流。十几年来参加CCN的学生中很多已成为领域的新领军人，比如麻省理工学院的终身制助理教授（tenure track assistant professor）杨光宇、耶鲁大学的终身副教授Alan Antecivic、上海交通大学的正教授李松挺、Meta的研究员Jean-Rémi King、OpenAI 的研究员 Francis Song等等。CCN的成功是同行们一起努力的结果，我十分感谢吴思、Zach Mainen、Upi Bhalla、今年的主办者李松挺、黄橙橙、杨光宇、Dora Angelaki、Christopher Honey和教学助手（teaching assistant）们的共同努力，以及主办单位的支持。</p>
<p><img loading="lazy" decoding="async" class="aligncenter wp-image-793" src="https://admin.next-question.com/wp-content/uploads/2023/11/93.png" alt="" width="500" height="124" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/93.png 900w, https://admin.next-question.com/wp-content/uploads/2023/11/93-300x75.png 300w, https://admin.next-question.com/wp-content/uploads/2023/11/93-768x191.png 768w" sizes="auto, (max-width: 500px) 100vw, 500px" /></p>
<p><img loading="lazy" decoding="async" class="aligncenter wp-image-794" src="https://admin.next-question.com/wp-content/uploads/2023/11/94.png" alt="" width="500" height="131" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/94.png 900w, https://admin.next-question.com/wp-content/uploads/2023/11/94-300x78.png 300w, https://admin.next-question.com/wp-content/uploads/2023/11/94-768x201.png 768w" sizes="auto, (max-width: 500px) 100vw, 500px" /></p>
<p><img loading="lazy" decoding="async" class="aligncenter wp-image-795" src="https://admin.next-question.com/wp-content/uploads/2023/11/95.png" alt="" width="500" height="138" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/95.png 900w, https://admin.next-question.com/wp-content/uploads/2023/11/95-300x83.png 300w, https://admin.next-question.com/wp-content/uploads/2023/11/95-768x212.png 768w" sizes="auto, (max-width: 500px) 100vw, 500px" /></p>
<h4>Q：在夏校的创办初期您有哪些想法？夏校有哪些特点？</h4>
<p>汪小京教授 ：如何帮助年轻人进入神经科学领域，并学会提出有意思且可研究的问题。<br />
第一，在神经科学领域，选择研究方向至关重要。例如，我如果说要了解意识的脑机制，但没有具体的假设和研究假设的方法，就只是空话。</p>
<p>&nbsp;</p>
<p>过去的神经科学主要关注感知和运动，这些方面可以用相对简单的动物模型进行研究，比如青蛙或果蝇。而对于认知这样更为复杂的功能，需要聚焦于有挑战而具体可用实验和理论来研究的问题。</p>
<p>&nbsp;</p>
<p>第二，接受各个学科的综合教育。夏校的老师来自生物、物理、数学等领域，有分子细胞、网络系统、行为各层次的脑科学专家。学生有难得的机会了解不同研究方法，同时扩大了研究视野，对他们以后的成长有十分大的影响。</p>
<p>&nbsp;</p>
<p>第三，我们重视学术文化的培养。在暑期学校中，我们邀请国内外的科学家来不仅仅做讲座，也与学生进行深入的交流和互动。他们在学校内停留的时间较长，与学生一起就餐、课外体育活动。学生有机会平等地与老师讨论，逐步习惯表达自己的观点，敢于挑战学术权威、即使面对院士、知名科学家。同时，与世界各国的科学家结识也让学生在未来的学术道路上有更多的选择和机遇。</p>
<p>&nbsp;</p>
<div id="attachment_796" style="width: 610px" class="wp-caption aligncenter"><img loading="lazy" decoding="async" aria-describedby="caption-attachment-796" class="wp-image-796" src="https://admin.next-question.com/wp-content/uploads/2023/11/96.png" alt="" width="600" height="400" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/96.png 1080w, https://admin.next-question.com/wp-content/uploads/2023/11/96-300x200.png 300w, https://admin.next-question.com/wp-content/uploads/2023/11/96-1024x683.png 1024w, https://admin.next-question.com/wp-content/uploads/2023/11/96-768x512.png 768w" sizes="auto, (max-width: 600px) 100vw, 600px" /><p id="caption-attachment-796" class="wp-caption-text">▷图注：结束一天课程后的师生Happy Hour 图源：冷泉港亚洲</p></div>
<p>&nbsp;</p>
<h4>Q：您认为十几年来中国在跨学科人才的培养上有何变化？</h4>
<p>汪小京教授 ：与十几年前相比，现在的学生在进入神经科学领域之前可能已经具备了更多的知识、思想也较成熟。另外，学生们对问题有着强烈的好奇心和求知欲。他们热衷于了解新的动态和前沿进展，我觉得这两点是非常可贵的。</p>
<p>&nbsp;</p>
<div id="attachment_798" style="width: 610px" class="wp-caption aligncenter"><img loading="lazy" decoding="async" aria-describedby="caption-attachment-798" class="wp-image-798" src="https://admin.next-question.com/wp-content/uploads/2023/11/98.png" alt="" width="600" height="400" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/98.png 1080w, https://admin.next-question.com/wp-content/uploads/2023/11/98-300x200.png 300w, https://admin.next-question.com/wp-content/uploads/2023/11/98-1024x683.png 1024w, https://admin.next-question.com/wp-content/uploads/2023/11/98-768x512.png 768w" sizes="auto, (max-width: 600px) 100vw, 600px" /><p id="caption-attachment-798" class="wp-caption-text">▷图注：夏校中的运动时间 图源：冷泉港亚洲</p></div>
<p>&nbsp;</p>
<p>另外，现在年轻人关心的一个热点当然是AI，但今天的AI系统与人脑仍相距甚远。我们对人的智能生物机制了解还很不够，基础研究需要长期的努力。有人激情在技术开拓，有人更潜心基础研究，也有人热衷于用神经科学来发展精神医学。年轻人寻找自己真正一辈子热爱做的事情，每个人的答案都是不一样的。如果是研究一个自己认为很有意思的问题，就可以静下心来，不必抢赶时髦。</p>
<p>&nbsp;</p>
<h4>Q：总结来说，培养计算神经科学人才的特点与难点是什么？</h4>
<p>汪小京教授：首先是跨学科。数学或物理出身的人，在夏校可学习脑生物、了解神经实验研究。反过来，做生物实验的人的数学背景通常不是很强，通过暑期学校让他们熟悉数学模型。比如，在本次暑期学校中，有位学生是学心理的，他感叹道这次暑期学校让他学到了很多数学模型的方法。<br />
其次是机构，我们国内用于支持跨学科研究和教育的机构较少。夏校办了十几年相当独特和成功，大家对计算神经科学发展和人才培养的必要性也有共识，但长期基金支持却不是一帆风顺地有保障。</p>
<p>&nbsp;</p>
<p>这里要特别感谢陈天桥先生和他的夫人，他们创办的天桥脑科学研究院（Tiaoqiao and Chrissy Chen Institute, TCCI）、James Simons Foundation、DeepMind的支持是非常重要的。</p>
<p>&nbsp;</p>
<h4>Q：夏校的存在可以弥补高校日常教育中哪些不足？</h4>
<p>汪小京教授 ：一般大学的学科分的很细，并不有利于跨学科的研究和培养跨学科的年轻人。当年从零开始建上海纽约大学，作为 Provost 我借此机遇筹划并与大家一齐实施了一个新的模式：研究不以系为单位，而围绕着数个跨学科中心来发展。同样，CCN这样的夏校是完全跨学科的，与高校日常教学起不同的作用。吸引各领域的人才一起攻坚脑科学，十分值得关注和支持。</p>


汪小京 · 为计算神经科学培养跨学科人才

[:en]Interview with Prof. Wang Xiaojing: Fostering interdisciplinary talents for computational neuroscience[:zh] 汪小京 · 为计算神经科学培养跨学科人才[:]

<p>在人类大脑深处，有一种令人着迷的现象在几个世纪以来一直吸引着我们——音乐和大脑之间的深切互动。从舒缓的摇篮曲到令人振奋的交响乐，音乐具有无穷的力量，可以激发情感，点燃创造力，带给我们不同的感观体验。科学家们正致力于解开音乐影响人类神经回路之谜，揭示它对大脑各个区域和功能的影响。在本期“追问专访”中，我们有幸邀请到中国科学院心理研究所的杜忆老师，从“抗衰老”的角度，一同探索音乐对大脑的影响。</p>
<p><img loading="lazy" decoding="async" class="wp-image-783 alignnone aligncenter" src="https://admin.next-question.com/wp-content/uploads/2023/11/80.png" alt="" width="600" height="267" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/80.png 900w, https://admin.next-question.com/wp-content/uploads/2023/11/80-300x133.png 300w, https://admin.next-question.com/wp-content/uploads/2023/11/80-768x341.png 768w" sizes="auto, (max-width: 600px) 100vw, 600px" /></p>
<p>&nbsp;</p>
<h4>Q：请简单介绍一下您的研究背景。</h4>
<p>杜忆：我本科学的是医学，但我在选择博士专业的时候对心理学，特别是对我们大脑的奥秘很感兴趣，于是转学了心理学的直博。在博士期间我做的是以大鼠为研究对象的听觉研究，包括生理和行为的一些研究。在博士阶段的后期以及博后期间，我开始对人脑以及人脑如何加工语言、音乐这样一些高级的听觉信号更加感兴趣了。所以在我建立了实验室之后，一直在研究人脑对语言的理解、音乐的欣赏，以及相关的神经机制。</p>
<p>人变老之后，大脑的结构和功能会发生一些衰退，其中一个非常影响老年人生活质量的变化就是听力的下降。老年人在街道、饭馆这样嘈杂的环境中，很难听清楚他人的话，这不仅影响老年人的社交，还会影响他们的情绪，甚至导致一些痴呆的早发。所以我们很关心老年人到底如何在这种嘈杂环境下进行言语理解，是否调用了一些额外的认知机制？</p>
<p>我们2016年发表在Nature Communications上的一篇文章发现，老年人虽然感知觉的加工下降了，但是会更多地调用一些额外的脑区，特别是跟发音相关的言语运动脑区，来主动预测他人下一步将要说什么。这种主动的、自上而下的（top-down）预测，可以帮助老年人更好地对抗自身感知觉的下降，同时帮助他们能够在比较复杂的环境中更好地理解对方的语言。</p>
<p>基于这样的背景，2017年我们发表在PNAS上的一篇研究发现，年轻人，特别是年轻的音乐家，更擅长在一些复杂环境中进行言语理解。我们想追问其背后的神经机制是什么，结果发现，年轻的音乐家具有更强的感知运动整合能力，他们不仅仅依赖听，也依赖发音运动的预测和补偿，以及跨模态的信息整合，来帮助自身在复杂环境中进行言语理解。</p>
<p>通过这两个研究可以发现这两者之间的关联，即老年人可能更依赖于这种高级的、自上而下的感知运动的预测和整合，而年轻音乐家因为有了音乐训练的经验，他们更擅长利用言语的感知运动整合。我们很自然地就想追问，如果老年人经过了系统的音乐训练，是不是也能够提升跨感觉的信息整合能力，从而帮助他们自己更好地在一些复杂环境下进行言语理解呢？</p>
<p>基于这个出发点，我们开展了后续一系列的研究，发现相比于老年非音乐家，老年音乐家更擅长在一些嘈杂的环境下进行言语感知。2021年，我们在Ear and Hearing上发表了相关的行为研究，此后又开展了新的研究，近期发表在Science Advances上。</p>
<p>&nbsp;</p>
<h4>Q：您提到近期在Science Advances上发表了一项研究。可以介绍一下这项研究的新发现吗？</h4>
<p>杜忆：新发表在Science Advances的这篇研究是一个封面文章。我们招募了三组人，一组是年轻的非音乐家，作为对照组，但我们更关心的是另两组老年人——老年的非音乐家和老年的音乐家。</p>
<p>我们让他们进行一个噪音下的视听言语音节的分辨任务，并在磁共振成像仪里观察大脑是怎么去加工的。他们会听到不同的音节，同时会在屏幕上看到匹配的唇动信息，他们的任务就是在不同的噪音强度背景下进行判断——你到底听到的是什么？</p>
<p>我们发现，在行为上，老年音乐家比老年非音乐家更接近年轻人，在中度和轻度的噪音背景下，他们的成绩甚至跟年轻人没有任何差异。也就是说，音乐训练经验能够帮助老年人做到和年轻人类似的更好的成绩。那么，这背后的机制是什么呢？</p>
<p>首先，相比于老年非音乐家，老年音乐家在加工噪音下音节的时候，他们的双侧感知运动脑区的神经加工模式（也叫做表征模式）更接近于年轻人，甚至没有太大的差异，并且要显著优于老年非音乐家。老年非音乐家跟年轻人相比，不同语音的神经区分性明显变差了，他们的大脑已经分不清现在听到的是“ba”还是“da”，但是老年音乐家的神经区分性还很好，跟年轻人是类似的。这就表明，音乐训练经验能够增强大脑的功能，让大脑的功能更接近于年轻人的状态，我们把这个机制叫做功能的保持。</p>
<p>除此之外，我们还发现，老年音乐家比老年非音乐家激活了更多的额顶网络脑区。这些脑区跟工作记忆和执行控制有关，因此老年人能够让更多的高级脑区参与进来，进行行为的代偿。</p>
<p>同时，老年音乐家比老年非音乐家更多地抑制了一个脑区——角回。角回是默认网络的一个核心脑区，它的功能跟自传体回忆、长时记忆有关，因此它会在我们不做任何任务的时候激活，在我们做一些认知任务时相对被抑制。当我们做一些认知任务、需要关注外部刺激的时候，就需要抑制默认网络脑区，防止它们带来干扰。</p>
<p>我们发现，老年音乐家更擅长抑制该脑区，这表明他们在更加认真地关注外部刺激，抑制其他无关的信息，这种更强的抑制能力，也帮助他们能够达到一个更好的行为成绩。老年音乐家通过额外的调用或是抑制一些脑区来更好地保持行为成绩，这个机制叫做功能的代偿。</p>
<p>这个机制和刚刚提到的第一种机制——功能的保持——是有关系的。我们发现这两个机制之间相互关联。当一个老年人具有更强的额顶网络激活能力、更强的角回抑制能力时，他/她的感知运动脑区的神经表征能力也会更好，更接近于年轻人，这就表明功能的代偿可以支持更好的功能的保持。基于这两种机制，音乐训练经验能够帮助老年人在噪音环境下进行言语感知，并达到更好的行为成绩。</p>
<div id="attachment_784" style="width: 510px" class="wp-caption aligncenter"><img loading="lazy" decoding="async" aria-describedby="caption-attachment-784" class="wp-image-784" src="https://admin.next-question.com/wp-content/uploads/2023/11/81.png" alt="" width="500" height="634" srcset="https://admin.next-question.com/wp-content/uploads/2023/11/81.png 1080w, https://admin.next-question.com/wp-content/uploads/2023/11/81-237x300.png 237w, https://admin.next-question.com/wp-content/uploads/2023/11/81-808x1024.png 808w, https://admin.next-question.com/wp-content/uploads/2023/11/81-768x974.png 768w" sizes="auto, (max-width: 500px) 100vw, 500px" /><p id="caption-attachment-784" class="wp-caption-text">▷杜忆研究员以封面论文的形式发表了对老年音乐家视听言语知觉的研究，证实了音乐训练的经验能够增强老年人的言语知觉能力。 图片来源：Science Advances</p></div>
<p>&nbsp;</p>
<h4>Q：从您的研究来看，演奏乐器可能有助于保护认知功能，来对抗衰老的负面影响，那么一个人需要多频繁地演奏乐器才能达到这种效果呢？</h4>
<p>杜忆：在这项研究当中，我们要求老年人在最近三年内保持每周至少训练一个小时的频率。虽然他们自己汇报之前三四十年可能也保持了相当的训练频率，但因为历史原因，我们很难追踪到他/她60年代、70年代的训练时长，因此我们只是对最近的三年有训练频率的要求。</p>
<p>&nbsp;</p>
<h4>Q：如果之前没有演奏乐器的基础，临时练习的话，有可能产生保护认知的效果吗？</h4>
<p>杜忆：这是一个很好的问题。我们现在做的是一个横断性的研究，直接对比有过长期音乐训练经验的老年人和没有长期音乐训练的老年人是否有差异，发现是有的。同时也有很多其他长期或短期的纵向跟踪研究，发现3到6个月的短期音乐训练经验，也可以提高老年人的言语加工能力。</p>
<p>&nbsp;</p>
<h4>Q：听音乐能起到类似的效果吗？</h4>
<p>杜忆：其实我们都希望被动地聆听音乐就能够达到一个很好的效果，但是现在已有的研究结果无法得出这个结论。因为我们的研究是基于主动地进行音乐训练的效果，会更多调用到包括视觉、听觉、运动、情感、注意等多系统，这种多系统的调用能够起到更好的作用。当然听音乐也有它自己的好处，比如情绪的调节、压力的释放，甚至可能提高我们的专注力。</p>
<p>&nbsp;</p>
<h4>Q：该研究的参与者进行的是视听音节辨别任务，您是否有考虑过做其他类型的任务呢？</h4>
<p>杜忆：音乐家和非音乐家其实也做了其他类型的任务，一个任务是听觉工作记忆，比如给你念一串不同长度的数字，然后让你正向或者是反向地把这串数字复述出来。同时还考察了他们执行控制的能力，比如经典的Stroop效应（字义对字体颜色的干扰效应）。</p>
<p>我们发现，老年音乐家比老年非音乐家具有更好的听觉工作记忆能力，虽然我们没有在Stroop这样的执行控制能力上发现他们表现得更好，但是其他人有发现音乐经验能够增强工作记忆、执行控制的能力。</p>
<p>我们当时之所以要做视听言语的音节辨别任务，就是因为每个人都是实时地进行语音加工，而在进行识别的时候知道辅音、元音和声调是非常重要的。所以音节的辨别任务是语音加工的一个基础单元。</p>
<p>&nbsp;</p>
<h4>Q：与非音乐家相比，在嘈杂环境下，音乐家有更好的言语知觉能力，您认为这仅仅是由于他们的音乐训练，还是可能有其他的因素在起作用？</h4>
<p>杜忆：我们当时选择音乐训练，是因为它其实是一个多系统的训练，相对比较愉悦，同时很多功能都会被提高，比如工作记忆能力、选择性注意能力、执行控制能力等等，包括我们研究中发现的——更强的默认网络的抑制和更强的额顶注意网络的增强。所以，我们认为它可能还是跟音乐训练有关。</p>
<p>但是因为我们做的是横断性的研究，音乐家和非音乐家在很多方面也会有其他的差异，特别是我们没有办法排除这是先天的因素还是后天的因素在起作用。</p>
<p>可能有些人认为这个人之所以成为音乐家，是因为他/她有更好的先天结构和功能基础，或者是其他特质导致其成为一个音乐家。所以我们目前的横断性研究没有办法确认是否有其他因素的参与，特别是一些个人特质可能导致他/她有更好的言语加工能力。要回答这个问题的话，最好是进行一个纵向的追踪研究，才能够证实这确实是音乐训练带来的效应。</p>
<p>&nbsp;</p>
<h4>Q：是否有其他的研究探讨过类似的话题？如果有的话，和您的研究结果有没有异同？</h4>
<p>杜忆：其实有不少人考察过音乐训练能不能帮助老年人更好地进行言语知觉，他们在行为层面上已经发现了一些类似的结果。我们的新研究跟他们不一样的是，我们能够在大脑的机制上，同时发现功能的保持和代偿两种相互支撑的认知神经机制，然后从机制的层面更好地回答了为什么他们在行为成绩上有更好的表现。</p>
<p>&nbsp;</p>
<h4>Q：该研究对衰老和大脑的健康有哪些启示呢？研究结果是否有潜在的临床应用价值？比如说开发有针对性的干预措施或者治疗方法，以改善老年人的言语知觉能力或者其他的认知能力。</h4>
<p>杜忆：我们觉得音乐训练能够起到脑保护的效应，让大脑更接近于年轻人的工作状态。虽然我们做的是个长期的音乐训练的研究，但未来也想去考察到底多短的时间和频率就能达到类似的效果。这也提示我们——不管是什么年纪，如果你能尽快地开始学习一门乐器，甚至开始唱歌，可能都能够让大脑衰老得更慢。所以我们目前提倡大众，如果有条件的话，尽量地学习音乐，开始玩起音乐。对于临床价值而言，我们想在一些老年的认知衰退疾病上，比如说AD（阿尔茨海默病），是否能开展一些音乐疗法，改善他们的记忆能力和语言能力。</p>
<p>&nbsp;</p>
<h4>Q：音乐类游戏有可能会起到这样的效果吗？</h4>
<p>杜忆：这是一个很好的方式，比如节奏大师这种训练节奏感的游戏，其实也是非常好的训练方法，我们也把它叫做数字疗法。将音乐作为一种数字疗法，在未来有很好的发展前景。因为对老年人而言，这种游戏化的训练肯定更加有趣，更容易让他们投入其中。</p>


杜忆 · 音乐让大脑“返老还童”？

[:en]Interview with Prof. Du Yi: Can music rejuvenate the brain[:zh]杜忆 · 音乐让大脑“返老还童”？[:]

吴梦玥 · 机器比人类更会理解声音吗？

[:en]Interview with Prof. Wu Mengyue: Do machines understand sounds better than humans?[:zh]吴梦玥 · 机器比人类更会理解声音吗？[:]

rectangle-68

Rectangle 68

追问访谈

rectangle-63-1

Rectangle 63 (1)

追问焦点

nq_social_banner_cn_112823

NQ_Social_Banner_CN_112823

万字长文，大语言模型如何宣告心理学的死亡?

[:en]How Does the Large Language Model Proclaim the Death of Psychology?[:zh]万字长文，大语言模型如何宣告心理学的死亡?[:]

“超声读心”新突破！用意念控制方向，实现“未动先知”

[:en]Ultrasound Telepathy: A New Breakthrough! Utilizing Intent to Control Direction, Achieving 'Precognition without Motion'[:zh]“超声读心”新突破！用意念控制方向，实现“未动先知”[:]

AI语音模型与人的听觉有多相似？上科大/UCSF/复旦联合团队解析深度语音模型与人脑听觉通路的表征与计算相似性

[:en]How similar are AI speech models to the auditory pathways of humans?[:zh]AI语音模型与人的听觉有多相似？上科大/UCSF/复旦联合团队解析深度语音模型与人脑听觉通路的表征与计算相似性[:]

因为山就在那里——人类脑计划的十年

[:en]Because the Mountain is There - A Decade of Human Brain Projects[:zh]因为山就在那里——人类脑计划的十年[:]

具身智能：通向人类智慧的未来之路

[:en]Embodied Intelligence: The Pathway to the Future of Human Wisdom[:zh]具身智能：通向人类智慧的未来之路[:]

为什么大脑会循环播放一首歌曲？ <br>
多听音乐可以提高孩子的认知能力吗？

预测误差的神经机制｜追问顶刊

基于大模型的共享语言空间，模拟人类的“秒懂”机制 | 追问顶刊

万字长文：如何实现认知神经科学概念与理论的统一？ | 追问顶刊

重塑医疗研究思路，是时候听听患者的想法了 | 追问观察

Anil Seth：机器的思考是否触及灵魂？| 智能渐近线

追问焦点

万字长文，大语言模型如何宣告心理学的死亡?

十年争议落幕，欧洲脑计划失败了吗？｜追问专访·Moritz Helmstaedter

“超声读心”新突破！用意念控制方向，实现“未动先知”

AI语音模型与人的听觉有多相似？上科大/UCSF/复旦联合团队解析深度语音模型与人脑听觉通路的表征与计算相似性

因为山就在那里——人类脑计划的十年

具身智能：通向人类智慧的未来之路

关注追问媒体

预测误差的神经机制 ｜ 追问顶刊

基于大模型的共享语言空间，模拟人类的“秒懂”机制 | 追问顶刊

万字长文：如何实现认知神经科学概念与理论的统一？ | 追问顶刊

重塑医疗研究思路，是时候听听患者的想法了 | 追问观察

Anil Seth：机器的思考是否触及灵魂？| 智能渐近线

追问焦点

万字长文，大语言模型如何宣告心理学的死亡?

十年争议落幕，欧洲脑计划失败了吗？｜追问专访·Moritz Helmstaedter

“超声读心”新突破！用意念控制方向，实现“未动先知”

AI语音模型与人的听觉有多相似？上科大/UCSF/复旦联合团队解析深度语音模型与人脑听觉通路的表征与计算相似性

因为山就在那里——人类脑计划的十年

具身智能：通向人类智慧的未来之路

关注追问媒体

预测误差的神经机制｜追问顶刊