照镜子时，我们很少会怀疑镜中那张脸不是自己。这种自我面孔识别几乎是自动发生的，是定义自我身份的重要过程。然而，如果镜中的面孔与一个陌生人的面孔逐渐融合，变得既像自己又像他人，我们还能清晰地分辨“我”与“非我”的界限吗？当自我与他者的边界被刻意模糊，形成所谓的“知觉模糊性”时，我们的大脑和行为会如何应对这种不确定性？这不仅是一个有趣的哲学和心理学问题，也关乎我们如何理解自我认知、决策过程，乃至在精神分裂症、自闭症谱系障碍等疾病中观察到的自我感知异常。尽管已有大量研究关注决策中的不确定性，但专门探究“自我-他者”这种高度社会性、对自我认知至关重要的模糊性的神经与行为动态机制的研究尚属空白。发表于《NeuroImage》的一项最新研究，巧妙地运用面部融合技术和脑电图，首次系统地揭示了大脑和个体行为如何协同工作，以解决这种棘手的模糊性。
为了深入探究自我-他者模糊性如何影响决策，研究人员设计了一项精巧的面部融合任务。他们招募了24名健康被试，首先采集每位被试的中性表情照片，然后将其与一位年龄、性别、种族匹配的陌生人的面部进行数字化融合，生成了从0%（完全他人）到100%（完全自我）的连续融合图片。实验包含两种任务：在“间断任务”中，单个不同融合比例的面孔（如0%、10%、20%、30%、40%、45%、50%、55%、60%、70%、80%、90%、100%）短暂呈现，被试需快速判断是“自我”还是“他人”，以此收集反应时和准确率数据。在“连续任务”中，所有101张图片按顺序快速播放，形成从自我到他人（或反之）的连续视频，被试需在感知切换时按键报告，同时记录其脑电活动。此外，实验前还记录了被试7分钟的静息态脑电数据。基于这些数据，研究团队运用了多项前沿分析技术：在行为层面，他们采用分层贝叶斯估计的漂移扩散模型，量化了模糊与不模糊条件下证据积累的速度（漂移率，v）和变异性（sv）；并首次将累积残差熵应用于反应时分布，以测量行为响应的不可预测性。在神经层面，他们计算了theta频带峰值频率滑动，以度量大脑内部信息输入和处理的速度；同时计算了谱熵，以评估神经活动频率分布的复杂性和信息处理容量。通过比较模糊与不模糊条件，并将神经动态指标与行为指标进行相关和回归分析，研究人员系统地探究了大脑与行为在解决自我-他者模糊性时的协同机制。
行为数据 I：高模糊性与更长的反应时间和更低的准确率相关
分析结果显示，与不模糊的面孔（如0-30%和70-100%自我）相比，面对模糊面孔（40-60%自我）时，被试的反应时间显著更长，判断准确率也显著更低。这直接证实了处理模糊刺激需要更多的认知资源和时间，任务难度更大。
行为数据 II：模糊刺激损害了证据积累
漂移扩散模型分析进一步揭示了行为差异背后的计算机制。模糊条件下的漂移率显著低于不模糊条件，意味着证据积累的速度更慢。同时，模糊条件下的漂移率变异性显著更高，表明证据积累过程在不同试次间更不稳定、更嘈杂。这说明模糊性不仅减慢了决策过程，还使其变得更加不可预测。
行为数据 III：模糊性增加了反应时的熵
对反应时分布累积残差熵的分析表明，模糊条件下的熵值显著高于不模糊条件。这意味着在面对模糊刺激时，个体的反应模式更加不规则、更不可预测，反映了更高的计算成本和信息处理需求。
行为数据 IV：模糊条件下熵与漂移率的分离
相关分析发现，在模糊条件下，反应时熵与漂移率及其变异性均无显著相关，而在不模糊条件下，熵与漂移率变异性呈正相关。这表明，当刺激模糊时，反应的不可预测性（熵）与证据积累过程（漂移率）在一定程度上是分离的，凸显了模糊决策在认知处理上的根本性不同。
神经动态数据 I：从静息态到任务态，theta峰值频率下降而谱熵上升
整体上，与静息态相比，在进行连续面部融合任务时，全脑的theta PFS显著下降，而谱熵则显著上升。这表明，在应对外部任务时，大脑的神经振荡整体变慢，但神经活动的模式却变得更加复杂和不可预测。
神经动态数据 II：模糊刺激引发更低的theta PFS和更高的神经熵
关键的是，在任务内部比较模糊与不模糊条件时发现，呈现模糊面孔时，大脑的theta PFS显著低于呈现不模糊面孔时，意味着内部信息处理的速度更慢。同时，模糊面孔引发的谱熵也显著更高，表明神经活动更无序、更不可预测。这些神经指标的变化与行为上观察到的速度减慢和熵值增加完美呼应。
关联行为与神经动态数据
研究最核心的发现是建立了神经动态与行为指标在模糊条件下的特异性联系。首先，静息态theta PFS与模糊条件下的漂移率呈显著正相关。也就是说，那些在静息时内部信息处理速度（theta PFS）更快的个体，在面临模糊面孔时，其证据积累（漂移率）也更快、更有效。其次，从静息到任务的谱熵变化量与模糊条件下的反应时熵呈显著正相关。个体在任务中神经熵相对于静息态增加得越多，其行为反应就越不可预测（熵越高）；反之，那些能更好约束神经活动（熵增加较小甚至减少）的个体，行为反应也更有规律。
该研究通过整合计算模型、神经动力学和行为测量，首次系统揭示了解决“自我-他者”知觉模糊性的双重机制，并提出了“共同货币”的理论框架。结论与讨论部分强调了以下核心要点：研究证实，引入模糊性会显著损害自我面孔识别，表现为行为上更慢、更不准确的证据积累，以及神经上更慢的内部信息处理速度。这支持了“面孔空间”理论，即决策过程涉及从记忆中反复提取和评估自我与他人面孔的表征，模糊刺激因与任一原型的相似度都较低，导致证据积累缓慢且嘈杂。theta频带峰值频率滑动被证明是衡量内部信息处理速度的关键神经指标，其降低反映了为适应弱输入而放缓的处理速率。更重要的是，个体静息态theta PFS的差异能够预测其在模糊任务中的证据积累效率，这为“神经-心智共同货币”假说提供了证据，表明内在的神经动态特征能够塑造后续的认知表现。
另一方面，研究创新性地将熵同时应用于神经和行为层面，作为信息处理容量的度量。模糊刺激同时引发了更高的神经谱熵和行为反应时熵，表明处理不确定性需要大脑维持更多可能的状态，增加了系统的复杂性和计算负荷。而个体从静息到任务中谱熵的调节能力，与其行为反应的规律性直接相关，这进一步将神经的信息处理容量与行为表现联系起来。因此，信息获取速度和信息处理容量共同构成了连接神经与行为层面、解决知觉模糊性的“共同货币”。这些关联仅在模糊条件下显著，提示当自动化的自我识别机制失效时，内在的神经动力学特征才变得至关重要。这项研究不仅深化了我们对自我认知和决策神经机制的理解，其建立的“速度-熵”分析框架也为未来研究其他类型的知觉模糊性、以及探索在精神分裂症、自闭症等存在自我-他者边界整合困难的疾病中的神经机制提供了新的工具和视角。
