在科技飞速发展的时代,多任务处理已成为人们日常生活和工作的常态。想象一下,一边开车一边听导航,或是一边看文件一边回复邮件,这些场景中大脑如何处理众多信息令人好奇。传统观点认为,大脑拥有强大的并行处理能力,但在执行两个认知要求较高的任务时,却常常力不从心。例如,在经典的心理不应期(PRP)实验中,当两个感觉刺激紧密呈现时,第二个反应会明显延迟,这表明大脑在信息处理过程中存在 “瓶颈”。然而,尽管行为学研究为信息处理的串行模式提供了大量证据,但这一 “瓶颈” 在大脑中的具体位置和发生时间,以及信息从并行处理转换为串行排队的神经机制,一直未得到明确阐释。这不仅限制了人们对大脑认知功能的深入理解,也阻碍了相关领域如人工智能、教育心理学等的发展。为了揭开这些谜团,深圳大学和范德堡大学(Vanderbilt University)的研究人员展开了一项具有开创性的研究。他们的研究成果发表在《Nature Communications》上,为大脑信息处理的研究开辟了新的道路。
研究人员主要运用了两种关键技术方法。一是超快(199 ms TR)、高场(7T)功能磁共振成像(fMRI)技术,其能以比标准协议快一个数量级的速度获取功能图像,从而捕捉到大脑活动的快速变化;二是多变量模式分析(MVPA),通过训练分类器来区分不同任务的大脑活动模式,精确追踪任务特异性活动。此外,研究还使用了多种数据处理和统计分析方法,以确保研究结果的准确性和可靠性。
研究结果如下:
- 行为学结果:研究采用两个任意感觉 - 运动映射任务,即听觉 - 眼动任务(AO 任务)和视觉 - 手动任务(VM 任务)。行为学数据显示,在双任务条件下,当两个感觉刺激呈现的时间间隔(SOA)较短(300 ms)时,第二个任务的反应时间显著延长,产生了超过半秒的心理不应期(PRP),而第一个任务的反应时间受影响较小。这为双任务条件下任务 1 和任务 2 的串行处理提供了明确的行为学证据。
- 感觉、非模态中枢和运动反应区域的分离:通过单变量 fMRI 分析,研究人员成功分离出与感觉、中枢非模态和运动反应阶段相对应的大脑区域。听觉刺激激活了以赫氏回为中心的听觉皮层,视觉刺激激活了枕叶后部皮层。运动反应区域方面,手动反应激活了中央前回的初级运动皮层,眼动反应激活了背侧额叶皮层的额叶眼区(FEF)等区域。同时,研究还确定了包括下额叶 gyrus(IFG)、前岛叶(AI)等在内的五个皮层区域为中央非模态脑区,这些区域构成了核心多需求(MD)网络,被认为是支持通用认知操作的关键区域。
- 多变量分析:多变量模式分析(MVPA)结果显示,在单任务试验中,模式分类器能够区分感觉(如听觉皮层)、中枢和运动(如 M1)皮层区域的任务特异性活动。在双任务试验中,以听觉皮层为感觉区域代表,发现其信息处理时间进程在双任务条件下与单任务条件下基本相似,仅在短 SOA 且 AO 任务为先时,解码开始时间提前。手动运动皮层在双任务条件下,当 VM 任务在第二个执行时,解码时间进程明显推迟。MD 网络在短 SOA 时,任务 2 的解码明显延迟,且个体受试者的 PRP 幅度与任务 2 解码起始潜伏期相关,这表明 MD 网络存在任务特异性活动的串行排队现象,且可能是行为学 PRP 效应的神经基础。
- 信息处理的时间顺序分析:通过比较感觉、MD 网络和运动 ROIs 的解码时间进程,研究发现感觉区域的解码峰值早于 MD 网络和运动区域,这符合信息从感觉输入到中枢处理再到运动输出的理论顺序。然而,MD 网络和运动 ROIs 之间的解码峰值延迟并不明显,这表明运动 ROIs 可能不仅参与运动执行,还参与响应选择过程。
- 单任务四分位数 RT 分析:研究人员对单任务条件下的反应时间进行四分位数分析,发现感觉皮层区域在不同四分位数之间的起始和峰值潜伏期没有差异,而 MD 网络和运动皮层 ROIs 则表现出明显的峰值潜伏期差异,且与反应时间的变化相关。这进一步证实了 MD 网络和运动皮层 ROIs 参与响应选择过程,且运动皮层的参与具有模态特异性。
- 格兰杰因果分析(Granger causality analysis):构建简单的双向感觉 - MD - 运动皮层网络进行格兰杰因果分析,结果表明在 AO 任务中,从听觉皮层到 MD 网络、从听觉皮层到眼动皮层、从 MD 网络到眼动皮层以及从眼动皮层到 MD 网络的格兰杰系数均比 VM 任务中更强。这支持了早期感觉区域的感知处理为 MD 网络和运动皮层共同执行的响应选择阶段提供输入的观点。
研究结论表明,信息在大脑感觉区域主要进行并行处理,一旦进入额顶多需求(MD)网络,就会遇到信息处理的 “瓶颈”,任务在这里进行串行处理。MD 网络与模态特异性运动反应区域协同工作,在响应选择阶段形成中央瓶颈,而运动反应区域不仅参与响应执行,还参与中央信息处理过程。该研究为经典认知模型提供了神经学证据,明确了信息处理串行瓶颈的神经基础,即 MD 网络。这一发现具有重要意义,它加深了人们对大脑信息处理机制的理解,有助于解释人类在多任务处理时的局限性,为未来人工智能算法的优化、认知障碍疾病的治疗以及教育领域教学方法的改进等提供了理论依据。同时,研究也指出了未来的研究方向,如进一步探究不同任务和条件下大脑信息处理的机制,以及如何突破大脑信息处理的 “瓶颈” 等问题,为相关领域的研究提供了新的思路和方向。