A051 Nat Commun：看脸还是看场面？伯克利揭秘大脑“察言观色”的底层算法
来源：公众号 PSY-Brain_Frontier ｜ 发布：2025-12-22 ｜ 原文链接
PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier
一键关注，点亮星标 ⭐️
不错过每日前沿资讯
认知神经科学前沿文献分享
基本信息：
Title: Integration of affective cues in context-rich and dynamic scenes varies across individuals
发表时间：2025.12.16
Journal:Nature communications
影响因子：15.7
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
研究背景
想象一下，你在街头偶遇一位朋友，他正对着手机目瞪口呆。如果只看那张脸，你可能觉得他在惊讶；但若瞥见手机屏幕上的中奖信息，你会立刻判定那是狂喜。这种“察言观色”的本领，本质上是大脑在进行一场精密的信息博弈。长期以来，心理学界对我们如何整合面部表情与周围环境（情境）存在争议：大脑是像天平一样，根据线索的可靠程度进行精准的“加权计算”（贝叶斯策略），还是仅仅简单粗暴地将两者“取平均值”（启发式策略）？过往研究多聚焦于静态图像，难以还原现实生活中瞬息万变的情绪感知，这留下了探索人类社交大脑底层逻辑的“最后一公里”。
研究总结
近日，加州大学伯克利分校的研究团队在《Nature Communications》发表重要研究 。研究者通过“推论情绪追踪”任务，要求近千名受试者对自然视频中人物的心理状态进行动态评分，并利用计算建模对比了多种整合策略 。
核心发现如下：
大脑的“动态天平”： 总体而言，人类感知情绪遵循贝叶斯框架。当面部表情模糊时，大脑会自动增加情境线索的权重；反之亦然，实现信息的最优整合 。
独特的个体差异： 研究首次揭示了情绪识别的“个性化算法”。虽然贝叶斯模型在个体水平上预测最准，但仍有部分人倾向于使用更简单的“启发式平均”策略 。
动态优于静态： 只有能够动态更新权重的模型，才能精准预测人类在复杂现实场景下的情绪判断 。
研究意义
这项研究不仅从计算神经科学角度解析了“社交高手”背后的认知机制，还提醒我们，情绪识别并非千篇一律的固定公式，而是高度个性化的动态过程 。这为理解神经多样性人群（如自闭症群体）的社交感知差异，以及开发更智能的情感计算系统提供了前沿的理论支撑 。
核心图片
Figure1
Figure2
Figure3
Figure4
Figure5
Figure6
Figure7
前沿交流 | 欢迎加入认知神经科学前沿交流群！
⭐️[解读链接]
核心图表、方法细节、统计结果与讨论见原文及其拓展数据。
分享人：天天
审核：PsyBrain 脑心前沿编辑部
预览时标签不可点
阅读原文
不喜欢
微信扫一扫
关注该公众号
知道了
微信扫一扫
使用小程序
取消 允许
取消 允许
取消 允许
× 分析
微信扫一扫可打开此内容，
使用完整服务