编辑推荐：
视觉神经科学中，模块化框架主导多年，引发 “绑定问题”。研究人员围绕 “超越绑定：从模块化到自然视觉” 展开研究，通过多方面实验发现该框架存在问题，提出视觉系统围绕自然共现模式处理信息，为理解视觉处理机制提供新视角。
在视觉神经科学领域，长期以来，模块化框架如同一位 “霸主”，统治着人们对视觉处理的认知。该框架认为大脑的视觉皮层由一系列专门的模块组成，这些模块分别处理诸如颜色、运动等不同的视觉特征。这一观点看似合理，也在一定程度上解释了部分视觉现象，却引发了一个棘手的难题 ——“绑定问题” 。当我们看到一个多彩且动态的场景，比如公园里孩子们在彩色的花丛间嬉笑奔跑，按照模块化框架的理论，大脑需要将分别处理的颜色、形状、运动等特征重新组合起来，形成一个完整的感知画面。但大脑究竟是如何做到精准无误地整合这些特征的呢？这个问题困扰了科学界许久。
为了解开这一谜团，来自荷兰阿姆斯特丹大学心理学系、拉德堡德大学 Donders 脑认知与行为研究所、牛津大学圣休学院以及诺丁汉大学心理学系的研究人员 H. Steven Scholte 和 Edward H.F. de Haan 等人展开了深入研究。他们的研究成果发表在《TRENDS IN Cognitive Sciences》上，为我们理解视觉处理机制带来了新的曙光。
研究人员采用了多种关键技术方法来探索这一复杂问题。在神经生理学方面，运用单神经元记录和光学成像技术，研究神经元对不同刺激的反应；利用功能磁共振成像（fMRI）和正电子发射断层扫描（PET）等神经影像学技术，观察大脑区域在处理视觉信息时的活动；通过对大量缺血性中风患者进行人口病变研究，分析大脑损伤与视觉功能之间的关系；还借助深神经网络（DNNs），模拟视觉处理过程，从计算角度探讨视觉信息的处理方式。
下面让我们详细了解一下研究结果：
- 反对严格功能分离的证据
- 电生理学：早期对灵长类动物单神经元记录的解释似乎支持视觉皮层的强功能特化，但这可能受到方法学偏差和理论先入为主的影响。光学成像研究发现，同一神经群体可被不同特征组合激活，如传统认为的 “方向选择性” 神经元也会对特定运动方向和速度组合产生反应。大规模群体记录显示，小鼠视觉皮层神经元活动模式具有高维性，单个神经元同时参与多种特征表征，这表明视觉皮层是一个集成网络，而非独立模块的集合。
- 神经影像学：早期的 fMRI 和 PET 研究看似支持视觉皮层的模块化组织，但可能因方法学局限而忽略了神经反应的多维性质。后续研究观察多种特征组合时发现，视觉皮层区域对颜色和运动信息的处理并非严格分离，不同区域对多种特征呈现出不同的敏感性组合。
- 神经心理学研究：寻找视觉感知选择性缺陷的研究历史悠久，但对经典案例的详细检查发现，所谓的选择性缺陷并不纯粹。例如，患有运动盲（akinetopsia）的患者 L.M. 不仅存在运动感知障碍，还在感知非运动线索定义的 2D 形状和复制复杂图形方面存在困难；全色盲（achromatopsia）患者 M.S. 也伴有物体失认、面孔失认和纹理辨别缺陷。这些都表明，早期研究可能过度强调了模块化和功能分离，忽视了复杂的共病情况。
- 人口病变研究：研究人员对 300 多名中风患者进行大规模研究，采用基于图谱的病变 - 症状映射和断连组分析等先进方法，精确评估大脑损伤与视觉处理的关系。然而，研究并未发现特定视觉特征损伤与特定脑区损伤之间存在一致关系，这对视觉处理的功能分离模型和特征 / 功能与大脑的一对一映射观点提出了挑战。
- DNNs 中的绑定：DNNs 在处理视觉信息时，通过层次化的结构整体处理信息，特征在整个处理过程中保持内在连接，不会出现人为分离和重新绑定的问题。这种层次化处理不仅避免了组合爆炸，还能实现强大的物体识别能力，这表明自然视觉可能并不需要明确的特征绑定机制。
- 自然与人工情境中的绑定：传统视觉绑定研究使用人工刺激，预设特征需绑定，这可能导致实验结果的偏差。在自然视觉中，特征并非独立存在，而是作为结构化物体的一部分，它们之间存在统计规律和上下文约束。自然场景统计研究发现，传统绑定实验中视为独立的特征实际上存在很强的相关性，这说明视觉系统可能是基于自然特征共现进行处理的。
- 自然共现与神经机制：视觉皮层的组织反映了大脑对自然规律的利用。从视网膜的解剖结构开始，大细胞和小细胞通路建立了互补的信息通道。大脑区域并非真正的特化，而是对特定的共现特征组合更敏感，这种组织是由环境统计、局部连接限制和计算效率等因素共同塑造的。通过反馈和水平连接，大脑能够灵活地处理特征组合，实现高效的视觉处理。
研究结论表明，传统的并行处理流观点面临诸多实证挑战，视觉皮层的组织更倾向于反映自然特征共现和行为相关性，而非孤立的特征处理。这一研究成果具有重要意义，它不仅为我们理解视觉处理机制提供了新的视角，打破了传统模块化框架的束缚，还为神经科学研究提供了新的思路。未来的研究可以围绕如何更好地设计实验范式以捕捉自然视觉的复杂性、视觉区域在发育过程中如何形成其看似专业化的功能、DNNs 如何在避免组合爆炸的同时保持泛化能力等问题展开，有望进一步揭示视觉处理的奥秘，推动神经科学领域的发展。
