A097 最新 Nat Neurosci | 大脑自带节拍器？最新研究揭秘听觉系统中的“标准时间尺”
来源：公众号 PSY-Brain_Frontier ｜ 发布：2025-09-25 ｜ 原文链接
点击蓝字 关注我们 知晓前沿
认知神经科学前沿文献分享
基本信息
Title:Temporal integration in human auditory cortex is predominantly yoked to absolute time
发表时间：2025.9.18
Journal: Nature Neuroscience
影响因子：20.0
原文链接：后台回复“我要文献”/“文献”即可获取文献PDF版本
省流总结
想象一下，你的大脑听觉系统就像一台相机。你可能会认为，面对快速移动的物体，它会调快快门速度；面对缓慢的场景，则会放慢快门。然而，一项发表在顶级期刊《自然-神经科学》（Nature Neuroscience）上的重磅研究揭示了一个惊人的事实：大脑听觉皮层似乎使用了一个“固定快门速度”——一个恒定的时间窗口——来捕捉声音，无论我们听到的是快言快语还是慢条斯理的陈述。
简而言之，这项研究提供了强有力的证据，证明人类听觉皮层是在固定的绝对时间窗口内整合声音信息的，而不是灵活地调整其处理节奏来适应音节或单词等声音结构的持续时间变化。这一发现不仅挑战了认知科学和语言学领域长期以来的核心假设，也为我们理解大脑如何处理语音和音乐提供了一个全新的基本准则，迫使我们重新审视关于听觉和语言的计算模型。
研究背景：
大脑用的是时钟，还是橡皮尺？
我们生活在一个充满声音的世界里，尤其是语音，其复杂性对大脑构成了巨大的挑战。自然语音由音素、音节、单词等层级结构组成，而这些结构的一个核心特点是其时长的极度不稳定性。例如，研究数据显示，同一个音素（如/a/）的持续时间，会因为说话人、语速和上下文的不同而产生四倍甚至更多的变化（见下图a, b）。这并非无关紧要的细节，而是大脑在解码语言时必须解决的一个根本性工程难题。
为了解释大脑如何应对这种变幻复杂的计时，认知神经科学界长期存在两种相互竞争的理论，我们可以形象地称之为“时钟模型”与“橡皮尺模型”之争。
理论一：绝对时间整合
（The Fixed Clock，时钟模型）
这种观点常见于听觉神经科学模型（如时-频谱感受野模型，STRF），认为听觉神经元在一个固定的、绝对的时间窗口内（比如100毫秒）整合声音信息，无论输入信号的节奏如何变化。在这个模型中，大脑的处理节拍是恒定的、不随外界刺激而改变的。
理论二：声音结构整合
（The Flexible Ruler，橡皮尺模型）
这种观点在认知科学和心理语言学模型中更为流行，它认为大脑的整合窗口是灵活的、可伸缩的。当听到一个持续时间较长的单词时，整合窗口会相应“拉伸”；当听到一个短促的音节时，窗口则会“压缩”，始终与有意义的声音结构保持对齐。
厘清这两种模型孰是孰非至关重要。它不仅关系到能否统一听觉科学与认知科学两大领域的理论框架，更直接影响着我们能否构建出精确的大脑神经计算模型，并正确解读过去几十年的相关研究成果。
研究问题
基于上述背景，该研究的核心科学问题清晰地浮现出来：人类听觉皮层的神经整合机制，究竟是与绝对时间绑定，还是与声音结构绑定？
为了将这个问题转化为可检验的科学假设，研究团队根据大脑听觉处理的层级结构，提出了两个具体的、相互排斥的假说，正如其下图中所描绘的：
- 假说1（“全局时钟”假说）： 随着信号从初级听觉皮层向更高级的非初级皮层传递，整合窗口的时长会系统性地增加（即高级脑区看得更“长远”），但无论在哪个层级，这些窗口都严格遵循绝对时间，始终保持“时间绑定”。(对应原文中"Time-yoked")
- 假说2（“橡皮尺涌现”假说）： 大脑的处理模式存在一个功能上的转变。初级听觉皮层可能使用固定的“时钟”来处理初级的声学特征，但为了更有效地解码复杂的语音，更高级的非初级皮层会切换到灵活的“橡皮尺”模式，使其处理窗口与声音结构同步，即实现“结构绑定”。(对应原文中"Structure-yoked")
实验设计
长期以来，要明确回答上述问题极为困难，主要因为传统的人类神经影像技术（如EEG或fMRI）在时空分辨率上无法满足要求，而过去的分析方法也难以将刺激本身的变化与大脑处理机制的变化清晰地分离开来。为此，研究团队设计了一套堪称典范的“三步法”实验方案。
1. 前所未有的精度：颅内脑电记录技术
研究团队与正在接受癫痫治疗的患者合作，利用颅内脑电记录技术（ECoG/sEEG）直接从大脑皮层表面或深部记录神经活动。这项技术提供了一个极为宝贵的研究窗口，其时间和空间分辨率分别达到了毫秒和毫米级别，这对于精确测量神经整合窗口的细微动态至关重要。
2. 巧妙的变量分离：时间拉伸与压缩
实验的核心操作在于对刺激的精妙控制。研究人员选取了一段自然语音，并对其进行统一的时间拉伸或压缩，变化因子为“根号3”。这个看似奇怪的数字，其效果是使得拉伸后的语音结构（如音节）时长恰好是压缩后语音的3倍（即 “根号3的平方 = 3”）。通过这种方式，研究者成功地在保持绝对时间尺度不变的情况下，极大地改变了声音结构的持续时间，从而将“时间”和“结构”这两个原本纠缠在一起的变量完美地分离开来。
3. 独创的测量范式：时间情境不变性（TCI）
这是本研究方法论上的最大创新。研究者开发并运用了一种名为时间情境(上下文)不变性（Temporal Context Invariance, TCI）的新范式来测量整合窗口。
- 核心逻辑： 首先，将“整合窗口”操作性地定义为：一段目标声音的神经反应会受到其前后“上下文”声音影响的时间范围。
- 实验设置： 将同一个语音片段呈现在两种不同的情境下：一种是其自然情境（即作为一句完整话的一部分），另一种是随机情境（即被其他随机的、等长的声音片段所包围）。
- “试金石”检验： 如果大脑的整合窗口比这个语音片段更短，那么在片段的中间部分，神经元的反应将不受前后上下文的影响，在两种情境下会完全相同，即呈现“情境不变性”。反之，如果整合窗口比片段更长，那么上下文的声音信息总会“渗透”进来，导致两种情境下的神经反应不同。
- 量化测量： 因此，整合窗口的长度就可以被精确地估计为：能够产生“情境不变”反应的最短语音片段时长。研究者通过计算两种情境下神经活动时间序列的“跨情境相关性”来量化这一不变性程度。
在将这套方法应用于人脑之前，研究者还进行了一项至关重要的验证工作：他们在具有明确“基准真相”的计算模型上测试了TCI范式的有效性，这是严谨科学研究的标志。他们证明了TCI能够准确地将一个预设为“时间绑定”的STRF模型识别为时间绑定，也能将一个“结构绑定”的音素整合模型识别为结构绑定（见下图b, c）。
更有趣的是，他们将TCI范式应用到了一个更复杂、更接近大脑的非线性模型——为语音识别任务而训练的深度神经网络（DeepSpeech2）上。这个计算实验本身就带来了一个深刻的发现：该神经网络在学习识别自然语音的过程中，自发地演化出了一种从“时间绑定”（网络浅层）到“结构绑定”（网络深层）的处理策略（见下图e）。这一结果表明，发展出结构绑定的处理机制，是解决语音识别问题的一条有效计算路径。这也使得研究者提出的假说2（“橡皮尺涌现”假说）不仅是一种可能性，更是一种经过计算验证的高效策略。正因如此，当后续的人脑数据最终否定了这一假说时，其结论就显得更加出人意料和意义重大。这表明，生物大脑在解决同样问题时，选择了一条与高效计算模型截然不同的道路，这背后必然隐藏着关于大脑独特计算约束和目标的更深层秘密。
核心发现
当这套精密的实验范式被应用于15名参与者的颅内记录数据时，结果清晰而震撼，为“时钟模型”提供了压倒性的支持。
发现一：绝对时间整合机制占据主导地位
这是研究最核心的发现。
- 直观的视觉证据： 在下图b中，几乎所有电极记录到的拉伸与压缩语音的整合窗口时长，都紧密地分布在代表“时间绑定”的绿色对角线周围，而非代表“结构绑定”的紫色线条附近。
- 决定性的量化数据： 尽管语音结构的持续时间被人为改变了3倍（即300%），但测量到的神经整合窗口时长平均仅变化了约5%，对应的“结构绑定指数”中位数仅为0.04。这是一个微乎其微的效应，雄辩地证明了绝对时间才是听觉皮层整合信息的主导原则。
发现二：一个由“时钟”构成的层级，而非向“橡皮尺”的转变
研究结果证实了听觉皮层中存在一个处理时间的层级结构，但其内在机制却出人意料。
正如预期，从初级到非初级听觉皮层，整合窗口的长度显著增加（见下图c），表明大脑在不同层级上确实使用了不同尺度的时间窗口进行分析。
然而，关键在于，“结构绑定”的程度并没有随着层级的升高而增加（见下图d），在所有脑区都保持在极低的水平。这一发现直接否定了假说2。整个听觉皮层，无论高低层级，都像是由一系列长度不同的“固定时钟”组成，而不是在高级阶段切换为“灵活的橡皮尺”。
此外，对结果的深入审视揭示了一个值得玩味的细节：结构绑定指数虽然极小，但并非精确的零，而是0.04。一个粗略的总结可能会忽略这一点，但这个微小的正值或许暗示着一种初生的、微弱的结构追踪信号。正如作者在讨论中推测，这种微弱的信号可能在下游更高级的语言脑区被放大和利用。这提示我们，听觉皮层可能在提供一个以绝对时间为主、但又携带了微弱结构节律“提示”的信号流，为后续的语言解码埋下伏笔。
发现三：自然语速下的验证与旧方法的证伪
为了应对“人工拉伸语音不自然”的潜在质疑，研究团队进行了一项补充实验，让被试聆听由同一位说话人以自然偏快或偏慢语速录制的语音。结果完全一致：整合窗口依然牢牢地与绝对时间绑定，强有力地巩固了核心结论。
同时，该研究还明确指出了一种被先前研究使用的分析方法——“时程重缩放分析”——的误导性。数据显示，神经活动的时间进程确实会随着刺激的拉伸而“看似”被拉伸（见下图b），但通过DANN模型的分析表明，这种现象即使在纯粹的“时间绑定”系统中也会发生（见下图c）。这有力地证明了“时程重缩放”是一个容易引起误判的表面现象，从而凸显了本研究中TCI范式的创新性和必要性。
编辑部观点：
重塑听觉与语言的神经科学版图
这项研究的意义深远，它不仅解答了一个基础科学问题，更对多个相关领域产生了颠覆性的影响。
对现有计算模型的挑战
该研究的发现与大量认知科学和心理语言学模型直接冲突，因为这些模型大多隐含地假设大脑的分析单元是与音素或单词等语言结构对齐的。这一发现带来一个重要的推论：如果整合窗口是固定的，那么单位时间内处理的信息量就是可变的。语速加快时，每个窗口会“塞入”更多的音素和单词；语速放慢时，信息密度则会降低。这对我们理解语言理解的计算过程提出了全新的要求。
解开悖论：既然如此，我们如何理解语言？
如果大脑的听觉处理器使用的是固定的“时钟”，它又是如何处理时长“伸缩不定”的语音流的呢？作者提出了几种极具启发性的可能性：
- “足够好”假说： 高级听觉皮层的整合窗口虽然是固定的，但其时长（可达数百毫秒）已经足够长，足以完整地覆盖大多数音节和单词。这就像视觉系统利用大的感受野来识别不同尺寸的物体一样，无需对每个物体的尺寸进行精确匹配。
- “下游处理”假说： 真正的“结构绑定”处理可能发生在听觉皮层的下游脑区，例如颞上沟或额叶的语言中枢。听觉皮层负责提供一个带有精确时间戳的、连续的声学信息流，而这些更高级的脑区则负责将这些信息流与抽象的语言结构进行对齐和解码。
一场方法论的革新
TCI范式的提出，为感觉神经科学领域提供了一个强大、普适且无需预设前提的新工具，能够用于测量复杂非线性系统（如大脑）的整合窗口。其影响力将远超本次研究本身，有望在未来被应用于解答更多关于大脑如何处理时序信息的核心问题。
局限与未来的地平线
任何里程碑式的研究也都为未来的探索指明了方向。该研究同样存在一些局限，预示着激动人心的后续研究：
- 超越听觉皮层： 本研究的记录范围主要在听觉皮层。下一个亟待回答的问题是：在更高级的语言中枢，我们是否最终能找到“灵活的橡皮尺”？将TCI范式应用于额叶和颞叶的语言区将是解开这个谜题的关键一步。
- 那微弱的5%： 那个虽小但稳定存在的结构绑定效应究竟意味着什么？它是一种功能性的信号，还是某种计算过程的副产品？这仍然是一个悬而未决的有趣问题。
- 语音之外的世界： 音乐的核心在于节拍和节奏。大脑在处理音乐时，是否也使用固定的“时钟”？如果是，我们又是如何感知到灵活多变的音乐律动的？这将为音乐神经科学的研究开辟全新的道路。
总而言之，这项研究如同一块投入平静湖面的巨石，其涟漪将长久地影响着我们对听觉、语言乃至大脑计算原理的理解。它告诉我们，大脑的解决方案有时并非最符合直觉或计算效率最高的那一个，而是遵循着自身深刻而独特的生物学逻辑。那个在我们颅内稳定敲击的“节拍器”，正在为我们揭示心智运作的全新奥秘。
Abstract
Sound structures such as phonemes and words have highly variable durations. Therefore, there is a fundamental difference between integrating across absolute time (for example, 100 ms) versus sound structure (for example, phonemes). Auditory and cognitive models have traditionally cast neural integration in terms of time and structure, respectively, but the extent to which cortical computations reflect time or structure remains unknown. Here, to answer this question, we rescaled the duration of all speech structures using time stretching and compression and measured integration windows in the human auditory cortex using a new experimental and computational method applied to spatiotemporally precise intracranial recordings. We observed slightly longer integration windows for stretched speech, but this lengthening was very small (~5%) relative to the change in structure durations, even in non-primary regions strongly implicated in speech-specific processing. These findings demonstrate that time-yoked computations dominate throughout the human auditory cortex, placing important constraints on neurocomputational models of structure processing.
Author information
第一作者:Sam V. Norman-Haignere
主要单位：
Department of Biostatistics and Computational Biology, University of Rochester Medical Center, Rochester, NY, USA.
罗彻斯特大学医学中心生物统计与计算生物学系, 罗彻斯特, 美国纽约州
通讯作者: Nima Mesgarani
主要单位：
Zuckerman Institute for Mind Brain and Behavior, Columbia University, New York, NY, USA.
哥伦比亚大学祖克曼心智大脑和行为研究所, 纽约, 美国纽约州
本文解读基于：Temporal integration in human auditory cortex is predominantly yoked to absolute time，Doi: 10.1038/s41593-025-02060-8IF: 20.0 Q1 B1。核心图表、方法细节、统计结果与讨论见原文及其拓展数据。点击左下角 “阅读原文” 可跳转到论文源网站界面。
分享人：饭哥
审核：PsyBrain 脑心前沿编辑部
PsyBrain 脑心前沿
带你了解心理学、脑科学的前沿知识与技术流程
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