PsyBrain 脑心前沿 / 科研分析：认知神经科学前沿的结构化精读 / M · 记忆与学习 / M044 · PLOSBiology：越学越聪明的秘密找到了！脑电图揭

M044 PLOS Biology：越学越聪明的秘密找到了！脑电图揭秘人类大脑的“零样本学习”超能力

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-24 ｜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:Neural traces of composite tasks in complex task representation in the human brain reflects learning performance

发表时间：2026.1.16

发表期刊: PLOS Biology

影响因子：7.2

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

人类拥有非凡的能力，能够高效学习复杂且认知要求高的新任务。为了实现这一点，我们的大脑将任务表征进行了层次化组织，通过关联简单的任务来构建复杂的任务。想象一下，一位咖啡师学会了制作拿铁（浓缩咖啡加牛奶）和摩卡（浓缩咖啡加巧克力），他就能通过共享的“浓缩咖啡”技能，巧妙地推断出如何制作热巧克力。这种通过联想推断来泛化知识的能力，使我们无需直接经验即可适应全新场景。

然而，尽管我们知道外侧前额叶皮层在目标导向行为中负责表征任务规则，但简单任务究竟如何在大脑中被关联和泛化，进而构建出复杂任务的底层神经机制却鲜为人知。在记忆研究领域，主流理论认为这种泛化可能依赖于“整合编码”或“循环交互”机制，两者都预测大脑在面对新关联时会重新激活那个未曾出现但起到桥梁作用的“隐藏项目”。那么，这种从情景记忆延伸出的抽象结构，是否也同样适用于人类的高级认知控制与任务学习？为了解答这一疑问，研究人员设计了一项巧妙的特征加工任务，并结合高时间分辨率的脑电图技术，试图捕捉大脑在复杂任务学习中泛化能力的神经踪迹。

研究核心总结

一、行为层面的关联泛化优势

研究人员首先对被试进行了简单特征判断任务的训练，随后让他们学习由两个简单任务组成的复杂任务。在训练阶段，被试学习了拥有共享组件的复杂任务对，例如任务AB和BC共享了简单任务B。在随后的测试阶段，被试需要执行全新的复杂任务AC。行为数据结果显示，与没有共享历史的控制组任务相比，被试在执行这类可通过联想推断出关联的泛化任务时，反应时间的下降斜率更大，学习速度显著更快。这证明了人类能够通过优化认知控制机制，利用间接关联来加速新任务的学习。

Fig 1. Experimental design and behavioral results.

二、脑电解码证实任务组件的神经表征

为了探究背后的神经机制，研究者利用多类别解码器对脑电信号进行了分析。结果表明，在执行复杂任务时，大脑确实会激活构成该任务的简单任务表征。这种在脑电信号中被稳定解码出来的“关联效应”，不仅验证了复杂任务是由简单任务组合而成的层次化假说，也进一步说明了在复杂任务的执行过程中，组成它的基础构件始终保持着活跃的神经状态。

Fig 2. EEG decoding results.

三、隐性桥梁任务的幽灵重现

该研究最核心的发现是，在测试阶段执行全新的泛化任务AC时，大脑不仅表征了A和C，还强烈地重新激活了从未在当前试验中出现的简单任务B。这种被研究者称为脑电泛化效应的隐性任务重现，是联想推断得以发生的核心神经标志。解码分析证实，这种重现并非因为该任务在训练中出现频率更高，而是纯粹的结构泛化产物。此外，训练阶段简单任务的关联效应越强，测试阶段隐性任务的重现力度就越大，二者呈现显著的正相关关系。

Fig 3. Correlation analyses results.

四、早期干扰与晚期促进的时间动态

这种隐性任务的重新激活对行为表现有着复杂而动态的影响。数据分析揭示，在测试的早期阶段，隐性任务的重现实际上会带来一定的认知干扰，导致反应变慢，这可能是因为记忆的自动提取与当前不需要该任务的控制需求产生了冲突。然而，在随后的学习过程中，这种强大的神经层面的泛化效应显著预测了行为反应时间的加快。这表明大脑在克服了初期的干扰后，成功利用了这一隐藏的关联结构，实现了对新任务的快速掌握和学习效率的跃升。

图10

Fig 4. EEG decoding analysis procedure.

图11

研究意义

该研究为人类灵活学习复杂任务的“组合性”原理提供了坚实的电生理证据。它巧妙地将情景记忆领域的联想激活机制引入到认知控制领域，深刻揭示了大脑如何通过在神经网络中重现隐性认知节点，从而在未知与已知之间搭建起泛化的桥梁。

图12

Abstract

Task knowledge can be encoded hierarchically such that complex tasks can be built by associating simpler tasks. This associative organization supports generalization to facilitate learning of related but novel complex tasks. To study how the brain implements generalization in hierarchical task learning, we trained human participants on two complex tasks that shared a simple task and tested them on novel complex tasks whose association could be inferred via the shared simple task. Behaviorally, we observed faster learning of the novel complex tasks than control tasks. Using electroencephalogram (EEG) data, we decoded constituent simple tasks when performing a complex task (i.e., EEG association effect). Crucially, the shared simple task, although not part of the novel complex task, could be reliably decoded from the novel complex task. This decoding strength was correlated with the EEG association effect and the behavioral generalization effect. The findings demonstrate how task learning can be accelerated by associative inference.

图13