PsyBrain 脑心前沿 / 情绪·社会·人格：顶刊文献解读专题 / A · 文献解读 / A037 · NatRevNeurosci社会脑并不只为“社交”而生：

A037 Nat Rev Neurosci | 社会脑并不只为“社交”而生：从计算视角重读社会认知皮层回路

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-11 ｜原文链接

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

Title:Computational origins of cortical brain circuits for social cognition

发表时间：2026.2.16

发表期刊: Nature Reviews Neuroscience

影响因子：26.7

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

引言

我们通常把“社会认知”理解为读懂他人、预测他人，或者在复杂关系中做出合适反应。但对灵长类来说，这并不是锦上添花的能力，而是与结盟、竞争、合作、繁殖成功直接相关的生存技能。也正因为如此，

背内侧前额叶皮层（dorsomedial prefrontal cortex, dmPFC）、

颞顶联合区（temporoparietal junction, TPJ）、

上颞沟（superior temporal sulcus, STS）等区域，长期被贴上“社会脑”的标签。

问题在于，过去许多研究把“人”和“电脑”直接对照，进而把差异解释为“社会专属”，却未必真正控制住两类任务在预测、归因、学习和更新上的计算复杂度差异。

Mahmoodi 和 Rushworth 这篇 Perspective 的关键贡献，就是把问题从“哪些脑区只对社会刺激敏感”改写成“哪些脑区专门处理某类计算”。作者借助外适应（exaptation）这一进化思想，提出社会认知很可能并不是凭空长出一套全新系统，而是借用了原本就能处理预测、相关性加权、隐变量推断和关系建图的神经机制。

换句话说，所谓“社会脑”未必是按情境划分的专属模块，更可能是一组在社会与非社会场景中都可复用的计算回路。文章由此尝试搭建一个统一框架，重新解释社会脑的起源、功能和边界。

实验设计与方法逻辑

这不是一项单一实验论文，而是一篇以计算神经科学为主线的观点综述。作者先提出“计算专长优先于情境专属”的核心假设，再围绕社会认知链条中的几个关键环节——接收社会线索、形成预测、根据反馈更新他人模型、按可靠性与相关性利用信息，以及建立社会认知地图——系统整合人类与猕猴中的功能磁共振成像（fMRI）、单神经元记录、经颅刺激和行为建模证据，并与计算要求相匹配的非社会任务进行对照，检验相同计算是否由相近脑区承担。

核心发现

社会脑的关键不在“社会性”，而在“计算需求”

Figure 1 是全文的总纲。作者没有把社会认知拆成一堆孤立脑区，而是拆成接收线索、推断意图、更新知识、利用信息和建立地图这些连续计算环节，再分别对应中上颞沟（ mSTS、TPJ、dmPFC、海马体（hippocampus）等区域。读这张图最重要的不是记住脑区名称，而是抓住作者真正想说的话：这些区域之所以在社会任务中活跃，不一定因为任务“社会”，而是因为任务提出了它们擅长处理的计算问题。

Fig. 1 | Important computations for social cognition.

TPJ 和 mSTS 更像互动预测器

而不只是“识别人”的脑区

Figure 2 最值得关注的地方，在于它把猕猴观察同类互动、人类进行策略博弈，以及抽象几何图形之间的“帮助/阻碍”关系放进了同一条逻辑线上。文章指出，mSTS 会对社会预测被打破作出反应，TPJ 则不仅在他人不按预期行动时活跃，也参与根据互动历史预测对方下一步动作；更关键的是，当互动实体换成抽象形状后，TPJ 和后上颞沟（ pSTS）依然能够表征互动性质。这说明这些区域处理的核心并不是“人脸”或“同类”本身，而是互动对象的动态关系与可预测性。

Fig. 2 | Mid-superior temporal sulcus and temporoparietal junction process social information and make predictions about the upcoming information from social and non-social agents.

dmPFC 不只是看别人

更在判断“该信谁”和“该算谁的账”

Figure 3 把 dmPFC 的角色说得很清楚：它不是简单接收社会信息，而是在决定哪些信息值得纳入决策。猕猴实验显示，mSTS 会编码他人注视方向及其可靠性，但真正负责按照可靠性在社会与非社会线索间分配权重的是 dmPFC；在人类任务中，dmPFC 还参与把结果归因给“最可能负责的人”，并在学习人类与算法的能力时表现出重叠表征。也就是说，这一区域处理的是信息加权、责任归属和模型更新，而这些计算并不天然局限于社会场景。Figure 3 的价值，正是在于把“观察他人”推进到了“利用他人信息指导自己行动”的层面。

图10

Fig. 3 | Learning about social information and using this information.

海马体会把社会关系整理成“地图”

从而支持归因与泛化

Figure 4 让这篇文章从“社会脑回路”进一步走向“社会认知结构”。作者指出，海马体并不只为物理空间导航服务，它也能把人物关系编码成带有能力、可信度等维度的社会空间；在社会潜在原因推断任务中，海马体甚至能在人物真正出现前，就表征“谁最可能对结果负责”。这张图之所以重要，是因为它把社会推断与潜在状态推断（latent state inference）连了起来，也把心智理论（theory of mind, ToM）重新拉回到更一般的推断框架中。作者借此强调，社会知识的泛化并不是模糊印象，而是建立在可导航、可推理的关系地图之上。

图11

Fig. 4 | Similar social and non-social maps for inference in hippocampus.

图12

归纳总结和点评

这篇文章最重要的价值，不是再给“社会脑”增加几个经典脑区，而是把社会认知重新翻译成一系列可比较、可建模的计算过程：预测、归因、可靠性加权、潜在状态推断和关系建图。沿着这条线索，作者论证了前额叶皮层、TPJ、mSTS 和海马体在社会与非社会任务间并非泾渭分明，而是会在相似计算需求出现时被重复调用。同时，文章也提醒读者，社会条件下更强的脑活动不一定意味着“社会专属”，也可能反映更高的行为相关性与注意投入。

作为一篇 Perspective，它最可贵之处在于提出了一个足够清晰、也足够可检验的框架，为后续设计“计算上真正匹配”的社会认知实验提供了方向。

图13