大腦如何獲得遠景視角

大腦觀看圖片時可以跳出局部細節而從更高的角度看到「更大的的圖片」。研究人員希望了解大腦是如何獲得遠景視角的。

人類大腦是一台複雜的機器，讓我們吸收，處理，記憶，更新和再現大量信息，使我們在這個充滿挑戰的環境生存、繁榮。嬰兒就能夠分辨人臉和聲音並對其產生偏好，甚至可以分辨事物的因果關係。

我們的大腦是如何處理複雜的信息流並且找出其中有用聯繫的呢？這是來自賓夕法尼亞大學的三位科學家——克里斯托弗·林恩、阿里·卡恩和丹妮爾·巴塞特——著手回答的問題。

研究人員說，目前為止普遍的解釋是人類大腦用一種複雜的程序去建立一個統計關係的高階結構。

然而，在他們目前的研究中，三位科學家提出了一種不同的模型，認為我們的大腦傾向於簡化信息，以便看到「更大的圖景」。

人類大腦不斷地試圖預測接下來會發生什麼。舉個例子，如果你正在聽一個你所知道的主題的講座，你已經掌握了一些高階結構。這有助於你把想法聯繫起來，並預測你接下來會聽到什麼。

預測結果

他們在2019年3月的美國物理學會會議上展示了他們的新模型，研究人員解釋說，大腦必須遠離細節，才能創造出更高層次的想法連接。

談到印象派藝術，林恩指出，「如果你仔細觀察一幅點彩畫，你可以正確地識別出每一個點。」但是，「如果你退後20英尺，細節會變得模糊，但你會對整體結構有更好的認識。」

他和他的同事認為，人類的大腦也有著類似的過程，這也意味著大腦高度依賴於從以前的錯誤中學習。

為了驗證這一假設，研究人員進行了一項實驗，他們讓參與者觀看電腦屏幕上連續顯示的五個正方形。參與者的任務是按下組合鍵來匹配正方形出現的順序。測量參與者的反應時間，研究人員發現，當參與者能夠預測結果時，他們能夠更快地按下正確的組合鍵。

作為實驗的一部分，研究人員將刺激表示為構成網路一部分的節點。參與者將一個刺激視為該網路中的一個節點，與之相鄰的其他四個節點中的一個將表示下一個刺激。此外，這些網路要麼形成一個由三個相連的五邊形組成的「模塊圖」，要麼形成一個由直線相連的五個三角形組成的「網格圖」。

研究人員注意到，參與者對模塊圖的反應比網格圖更快。這一結果表明，參與者更容易理解模塊圖的結構——即「更大圖景」——這使他們能夠更快、更準確地做出預測。

有了這一發現，林恩和同事們試圖評估一個他們稱之為「beta」的變數值。研究人員表示，更容易預測錯誤的人貝塔值更低，更準確地完成任務的人貝塔值更高。

在未來，研究人員的目標是分析功能性核磁共振成像掃描，看看呈現不同beta值的人的大腦是否有不同的「程序」。

本文譯自 medical news today，由譯者 Mork 基於創作共用協議(BY-NC)發布。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！