大脑的平衡行为：调整其神经噪声以优化表现

《Cognitive Psychology》：The brain's balancing act: Adjusting its neural noise to optimise performance

　　

神经噪声是大脑功能不可避免的副产品。与噪声仅仅是一种不可避免的限制不同，越来越多的证据表明，它可能在维持最佳神经处理中发挥功能性作用。一些理论解释认为，大脑可能调节其噪声水平以实现这一目标；然而，说明神经噪声这种动态特性的实验和计算证据有限。在此，研究人员使用具有不同刺激对比度的视觉字母识别任务，研究了大脑是否旨在根据任务需求优化其神经噪声水平。计算模型预测了在某些条件下，神经噪声的反直觉增加会导致最佳表现。研究人员通过实验验证了这一预测，使用N-pass范式估计神经噪声。结果显示，较低的刺激对比度（即更困难的知觉条件）与较高的神经噪声相关，表明大脑根据感觉需求适应和调节其内部变异性以提高表现。总体而言，研究结果支持了大脑神经噪声是情境灵活的并且可能发挥适应性作用的观点，这反映了大脑适应不断变化的知觉需求的能力。

**论文解读文章**

神经噪声（neural noise）是中枢神经系统不可避免的产物，传统上被视为干扰信息处理的障碍。然而，近期研究表明，神经噪声可能具有功能性作用，例如在感知任务中通过随机共振（stochastic resonance, SR）现象增强信号检测。尽管如此，大脑是否能主动调节自身噪声水平以优化表现，仍缺乏直接的实验和计算证据。为探究这一问题，研究人员基于视觉字母识别任务，结合计算建模和行为实验，检验了大脑是否根据任务需求动态调整神经噪声。该研究发表于《Cognitive Psychology》。

研究人员首先通过计算模型预测了在弱刺激条件下，增加神经噪声可提升表现的反直觉现象。模型基于经典检测理论，扩展至10选1任务，发现当刺激强度低于阈值时，最佳表现对应的噪声水平随刺激减弱而增加。为验证这一预测，研究人员招募了42名参与者（最终40名有效数据，来自堪培拉大学心理学课程和校园招募），使用N-pass范式（N=3）估计神经噪声。该范式通过重复呈现相同刺激和外部噪声，利用响应不一致性推断内部噪声水平。实验采用视觉高斯白噪声背景，通过QUEST阶梯法确定个体阈值，并设置四个对比度条件（100%、90%、80%、60%阈值），每个条件重复三次以计算准确率和一致性，进而通过查表法获得内部噪声与外部噪声比值（σ_int/σ_ext）。

**结果**
1. **原始数据与噪声匹配**：原始数据显示，随着刺激强度降低（从100%到60%阈值），准确率和一致性逐渐降低，且与更高噪声比曲线对齐，表明神经噪声增加。
2. **广义线性模型分析**：对神经噪声值进行广义线性模型（gamma分布，log链接函数，Type III Wald Omnibus检验）分析，发现刺激强度主效应显著（χ²(3)=12.62，p=0.006，McFadden's R²=0.09）。
3. **计划对比**：与100%阈值相比，60%阈值条件下的神经噪声显著增加（z=2.75，Holm校正p=0.02，exp(β)=1.34），而80%和90%阈值条件无显著差异。这表明当任务难度增加（低对比度）时，大脑主动提高神经噪声水平。

**讨论与结论**
研究结果表明，大脑在视觉识别任务中通过增加神经噪声来提升表现，尤其在弱刺激条件下，这一现象与随机共振理论一致。尽管无法直接证明大脑已优化噪声水平，但行为数据支持噪声的适应性调节作用。讨论部分指出，该发现与非侵入性脑刺激（NIBS）领域相关，个体神经噪声水平可能影响治疗干预效果，未来可通过NIBS调节噪声至“最佳区”以改善认知功能。研究局限性包括单一任务、样本同质性及行为代理指标，未来需结合直接神经活动测量验证。

**研究结论翻译**：总之，本报告的研究结果表明，大脑可能利用内部变异性的适应性变化来维持最佳信息处理和知觉稳定性，表明神经噪声不仅是一种低效源，更是神经处理的潜在动态特征，支持灵活而高效的认知。