综述：认知控制的神经动力学：当前的张力与未来的前景

《Neuroscience & Biobehavioral Reviews》：Neural dynamics of cognitive control: Current tensions and future promise

　　

•认知控制产生于跨分布式脑区的动态反馈回路。
•网络控制理论形式化了反馈回路如何通过连接性运作。
•该理论展示了连接性如何构成达到不同脑状态的成本基础。
•理论成本预测任务难度、努力程度和脑状态的概率。
•该理论为未被考虑的控制区域和目标产生了新的假设。

引言

满足日常生活的需求需要具备灵活追求各种目标的能力，并在过程中克服障碍、抵制干扰。在心理学中，这种能力被称为认知控制，它对于一心一意地追求某个目标与灵活地改变目标同样重要 (Carver and Scheier, 2001)。心理学对控制的定义将其视为一套过程，用于优先追求可能与竞争性的思想、情绪、冲动、动机、欲望、其他目标和行为相冲突的目标。例如，认知控制是抑制与目标冲突的反应的基础——即对长期和即时结果的表征——同时也追求与目标一致的反应。为了管理此类冲突，被认为涉及几个子过程，包括冲突监控、认知灵活性、任务切换、工作记忆、选择性注意、抑制控制和学习 (Monsell, 2003, Egner and Hirsch, 2005, Munakata et al., 2011, Miyake and Friedman, 2012, Jamadar et al., 2015, Braunstein et al., 2017, Friedman and Miyake, 2017, Eisenberg et al., 2019)。一些通过习惯性或自动行为（例如彻底学会的任务）达成的目标不需要认知控制，使用它来指导这些行为将是适得其反的，或者是对费力控制资源的不高效利用 (Poldrack et al., 2005, Diamond, 2013, Neal et al., 2013, Amer et al., 2016, Bustamante et al., 2021)。追求某些目标而不是其他目标，意味着权衡分配资源和时间的价值。鉴于时间是有限的，一个人能够投入控制的资源也是有限的，这表明计算施加控制的价值是必要的 (Yee and Braver, 2018, Shenhav et al., 2016, Stanovich, 2020, Touroutoglou et al., 2020)。控制能量曾被视为一种易疲劳的意志力，类似于疲劳的肌肉 (Ribot, 1911)，但现在被理解为分配包括注意力、工作记忆、动机和努力在内的心理资源 (Kool and Botvinick, 2018)。

认知控制的重要性体现在其广泛的概念范围以及适用于多种行为背景，从厨房和收银台到教室、诊所和法庭，甚至到个人的良知。在概念上，认知控制与更广泛的行为构建体交织在一起，如执行功能、自我调节、自律、意志力、意志、延迟满足、风险承担和情绪调节 (Fig. 1) (Duckworth and Kern, 2011, Mischel et al., 2011, Fujita, 2011, Diamond, 2013, Burman et al., 2015, Nigg, 2017, Inzlicht et al., 2021)。控制功能的改变是许多神经和精神疾病的主要特征，导致痛苦以及与失去自主权和能动性相关的日常功能挑战 (Arnsten and Rubia, 2012, McTeague et al., 2017, Barch et al., 2018, DeYoung and Krueger, 2018, Romer et al., 2021)。认知控制的某些方面被比作一种与抵制诱惑的意志力相关的“道德肌肉” (Park et al., 2004, Duckworth et al., 2007, Hofmann et al., 2018, Wente et al., 2020, Speer et al., 2022)，关于认知控制发展轨迹的研究影响了个人责任的法律标准 (Müller and Kerns, 2015, Luna, 2012, Luna and Wright, 2016)。最后，控制被认为对行动具有因果力量，为在学校、健康、财务和刑事司法领域实现预期结果铺平道路，对个人和社会产生影响 (Duckworth and Seligman, 2005, Blair and Razza, 2007, Heatherton and Wagner, 2011, Moffitt et al., 2011, Mischel et al., 2011)。这些应用凸显了一种关于认知控制的强大规范性世界观，历史上根植于关于权力、道德和理性的信念 (Ribot, 1911, Gennara et al., 2023, Hofmann et al., 2018)，这需要批判性的重新审视 (Lydon et al., 2014, Bermúdez and Murray, 2024)。

尽管在多个分析层面上表征认知控制方面取得了很大进展，但仍有许多未解决的问题。目前，认知控制的工作描述对重点关注哪些行为、涉及的过程或表征类型，以及神经基质如何实例化控制过程和表征做出了不同的假设。因此，关于体现“良好”认知控制的目标和行为、控制过程和能力是领域特定的还是领域通用的，以及神经系统是否以及如何实现假设的过程和心理表征的问题仍然存在。各种各样且不同的认知控制工作定义代表了从不同视角解决这些问题及相关问题的重大努力 (Fig. 2) (Burman et al., 2015, Kotabe and Hofmann, 2015, Nigg, 2017, Milyavskaya et al., 2019, Eisenberg et al., 2019, Bunge, 2024)。

尽管心理学家大多同意哪些行为需要认知控制，但对潜在过程的概念化仍然很大程度上涉及将单个组件过程映射到单个神经系统。这种方法识别了各种支持控制功能的假设系统，如工作记忆或冲突监控。然而，这种组件方法难以与计算、系统和网络神经科学的最新进展相协调，这些进展强调具有动态和分布式表征的并行处理。因此，目前的控制模型看起来更像是一份行为和组件部分的嵌合体列表，而不是对复杂行为如何从相互作用的神经系统实施的控制过程中产生的连贯和整体解释。

相比之下，强调认知控制作为分布式和动态网络功能的神经生物学过程描述可以加强跨分析层面的凝聚力 (Eisenreich et al., 2017, Pessoa, 2023, Noble et al., 2023)。分布式描述明确建模区域的集体贡献，包括当前范式尚未识别的区域。动态描述侧重于控制如何随时间推移根据集体活动的演变运作，而不仅仅是作为区域超过阈值（共）激活的终端状态的功能。网络描述将大脑建模为通过物理路径（边）互连的单位（节点）的复杂系统，并提供工具来形式化量化跨太多区域而无法在没有数学抽象的情况下把握的集体动力学。在分布式、动态和网络模型的交叉点是网络控制理论。

与其他重大进展类似 (Shenhav et al., 2013)，网络控制理论的价值主要不在于其核心组件（节点、边、动力学和控制目标）的新颖性，而在于其在可解释的数学框架中明确形式化这些元素。这一努力使得精确表征脑区域对其活动施加的控制类型成为可能，既针对已知也针对未知的控制目标。网络控制理论有助于在一个精确且数学上连贯的描述中综合认知控制神经科学中的许多关键思想，联系调节、发展、层次和成本的过程 (Cohen et al., 1990, Desimone et al., 1995, Miller, 2000, Badre, 2008, Cole, 2017, Badre and Nee, 2018, Luna et al., 2015, Marek et al., 2015, Crone and Steinbeis, 2017, Shenhav et al., 2013, Cools, 2015, Westbrook et al., 2020)，同时为未被考虑的控制组件、过程和目标产生新预测。例如，网络控制理论通过识别关键脑区域及其发展、预测何时需要多少控制以及跨物种扩展见解来推进对认知控制的理解。它改善了超越简单网络指标（例如区域连接强度）的行为和精神预测，并提供了一个研究和建模神经和精神（药物、神经刺激、心理）干预的框架。

哲学家和科学家已经广泛理论化人们如何形成目标、做出支持它们的决定以及通过实现它们而繁荣。什么是美好的生活？目标从哪里来？我们如何知道是否正在实现它们？当科学和文化框架约束我们思考认知控制的方式时，定义它变得更加困难，历史上将控制与意志力混为一谈，依赖关于权力社会结构的隐喻，并专注于个体能动性而非集体。当认知控制理论受到它们旨在解释的社会和心理力量的塑造时，风险在于那些已成为第二天性的信念、价值观和假设被嵌入到我们对自然的模型中。我们如何超越其中一些假设并扩展我们看待生活实际如何运作以及同样重要的是它可能如何运作的能力？退一步用网络控制理论的数学语言描述能量如何在大脑中流动并推动人们通过决定和行动，为控制如何运作以及如何利用它来促进繁荣提供了新见解 (Medaglia, 2019, Lynn and Bassett, 2019, Badre, 2020)。

我们首先定义认知控制心理学和神经科学理论中的关键思想，然后强调动机激发认知控制新概念化的张力。关于核心心理学概念的更多细节，我们指引读者关注目标追求和自我调节心理学文献 (Fujita, 2011, Gollwitzer, 2013, Frese and Sabini, 2021, Inzlicht et al., 2021, Brandst?tter and Bernecker, 2022)、控制努力定义 (Inzlicht and Berkman, 2015, Westbrook and Braver, 2015, Thomson and Oppenheimer, 2022, Otto et al., 2025)、认知控制计算模型 (Yee and Braver, 2023, Yee and Braver, 2020)、跨区域和分析单元的认知控制综合 (Satpute et al., 2012, Egner, 2017, G. Gratton et al., 2018, Badre, 2022)、专门脑区域（例如前额叶皮层 Miller, 2000, Friedman and Robbins, 2022, Menon and D'Esposito, 2022, 背侧前扣带皮层 Shenhav et al., 2013, Clairis and Lopez-Persem, 2023, 和脑岛区域 Menon and Uddin, 2010, Uddin, 2021）在分配控制中的作用 (Silvestrini et al., 2023)、认知控制和执行功能任务中的组件过程 (Miyake and Friedman, 2012, Niendam et al., 2012, Diamond, 2013, Friedman and Miyake, 2017, Jamadar et al., 2015)，以及认知控制的神经发育 (Somerville and Casey, 2010, Luna et al., 2010, Munakata et al., 2012, Luna et al., 2015, Crone and Steinbeis, 2017)。

下一节传达网络控制理论背后的数学直觉，展示这种表述的独特之处，无需假设先备的数学背景。关于该主题更广泛的数学处理，请参见一般理论和应用文献 (Motter, 2015, Liu and Barabási, 2016, D'Souza et al., 2023)、神经科学应用 (Tang and Bassett, 2018, Lynn and Bassett, 2019, Srivastava et al., 2020)、教科书章节 (Kim and Bassett, 2020, Brunton and Kutz, 2022)、实用教程和代码 (Karrer et al., 2020, Parkes et al., 2023)、应用于动物模型包括秀丽隐杆线虫和小鼠的定向连接组 (Towlson et al., 2018, Parkes et al., 2023)，以及应用于扰动和预测神经动力学 (Medaglia et al., 2017, Shenoy and Kao, 2021, Srivastava et al., 2022)。在最后一节中，我们概述每种方法如何为另一种做出贡献，以及未来将两个构建体交织在一起的潜在努力。当我们指代控制的心理学视角时，我们使用术语“认知控制”，而当指代网络科学视角时，我们使用术语“网络控制”。当指代更广泛的自我调节概念时，我们只说“控制”。

章节片段

认知控制的心理学构建体

“如果通常我们将所有行动动力源泉分为一方面倾向和另一方面理想，享乐主义者从不曾说他的行为是对他理想的胜利，而道德家总是说他的行为是对他倾向的胜利。[...] 如果需要理想或道德行为的简短定义，没有什么比这更适合表象的了：这是沿着最大阻力线的行动”。—— Ref. James (1890)

网络控制理论如何有助于对认知控制的心理学理解

网络控制理论有助于在一个精确且数学上连贯的描述中综合认知控制神经科学中的许多关键思想。

例如，它综合了自动活动与受控活动之间的区别和平衡，以服务于达到特定任务的活动模式（Cohen 等，1990 年）；以及并发和并行控制信号所需的引导激活的种类、幅度和位置，以便将自上而下和自下而上的系统偏向功能性目标状态
利益冲突声明
作者声明，他们没有已知的竞争财务利益或个人关系可能影响本文中报告的工作。
致谢
我们感谢 Aaron Bornstein 博士对本稿件早期版本提供的有益反馈。这项研究得到了好奇心中心的资助，并由陆军研究办公室赞助，是在拨款 W911NF-18-1-0244 下完成的。DZ 感谢 George E. Hewitt 医学研究基金会的资助。KO 还得到了大脑心智与社会中心、ARO 拨款 W911NF-19-1-0411 以及来自 NIAAA 的拨款 R01AA023653 的支持。
本文所包含的观点和结论
戴尔·周 | 丹妮尔·科斯梅 | 约娜·姜 | 奥维迪亚·斯塔诺伊 | 大卫·M·利登 - 斯泰利 | 彼得·J·穆查 | 艾米丽·B·福尔克 | 凯文·N·奥克纳 | 丹尼·S·巴塞特