视觉特征绑定的神经机制挑战：从模块化到自然视觉的再思考

来自荷兰的研究团队在《Trends Cogn. Sci.》发表争议性观点，挑战视觉脑区功能特化传统理论，提出特征编码广泛分布假说。该研究通过深度神经网络(DNN)类比，认为神经元对特征联合("base-groupings")的显性表征可规避绑定问题，但同行指出其低估了脑区特化程度及绑定机制必要性，为理解生物与人工智能视觉系统差异提供新视角。

　　

近期《认知科学趋势》期刊上掀起一场关于视觉神经机制的学术论战。Scholte与de Haan团队抛出颠覆性假说，认为视觉脑区的功能特化程度被高估，物体特征神经编码在脑区间的广泛分布使得特征绑定(binding)问题几乎不存在。这一观点源自对深度神经网络(DNN)的观察——当神经元明确表征特征组合（即"基础分组"base-groupings）时，绑定难题自然消解。

然而反对者指出，该假说存在双重低估：既轻视了大脑视觉皮层各分区的高度专业化程度，也忽略了绑定机制的生物学必要性。研究者通过对比生物视觉系统与人工神经网络的表现差异，特别强调当前DNN在解决复杂场景特征绑定任务时的明显缺陷。这场争论直指视觉信息处理的核心谜题：分散的神经元活动如何整合为连贯知觉体验，对发展更接近生物视觉的人工智能模型具有重要启示。