神经指纹揭示了团队合作和深度专注如何相互作用

A hierarchical trait and state model for decoding dyadic social interactions

Toyohashi理工大学和加州理工学院的研究人员进行了一项合作研究，介绍了一种开创性的算法，可以在多维空间中绘制个人大脑活动图。

　　

由日本豊桥技术科学大学和美国加州理工学院（Caltech）的研究人员合作开展的一项研究，引入了一种开创性的算法，该算法能够将个体大脑活动映射到多维空间中。这种“神经指纹”揭示了稳定且长期的大脑特征，这些特征在社会互动中与瞬态大脑状态相互作用。研究表明，神经指纹更接近的个体更容易进入一种共享的深度专注状态——通常被称为团队流，这对提升各种高风险环境中的团队合作和表现具有深远意义。

研究人员着手通过分析参与者在参与基于节奏的协作视频游戏时收集的脑电图（EEG）数据，来解码团队流背后的神经机制。通过应用一种新算法，他们生成了一个多维地图，捕捉到每个人的独特大脑特征——即他们执行和体验任务的方式特征。研究结果表明，尽管这些神经特征随时间保持显著的稳定性（类似于个性特征），但其中一部分特征产生了团队流期间观察到的瞬时大脑状态。

在实验中，参与者交替进行单人游戏和合作游戏。研究表明，当参与者的大脑特征在7维空间中高度匹配时，他们更有可能实现共享的深度专注状态，即使面临外部干扰也是如此。这种动态协同作用为长期神经特征如何指导实时社会互动和决策提供了新的见解。

这些发现的启示涉及众多领域——从优化创意产业和企业环境中的团队表现，到提升像太空任务这样具有挑战性的环境中的合作动态。通过弥持久性神经标记与瞬态认知状态之间的差距，这项研究为开发预测和促进有效协作的方法提供了一条有希望的途径。

该研究得到了日本学术振兴会和日本科学技术振兴机构的资助。Qianying Wu还获得了加州理工学院国家心理健康研究所康特中心、加州理工学院天桥和克里斯西·陈神经科学研究所以及西蒙斯基金会自闭症研究倡议的额外支持。