PsyBrain 脑心前沿 / 科研分析：认知神经科学前沿的结构化精读 / P · 感知觉与注意 / P009 · CommunPsych：为何有些声音特征更容易分辨？任务

P009 Commun Psych：为何有些声音特征更容易分辨？任务前“感知表征地图”预测学习效率

来源：公众号 PSY-Brain_Frontier ｜发布：2026-06-24 ｜原文链接

认知神经科学前沿文献分享

基本信息

Title: Auditory perceptual maps in humans and mice share common structures and predict perceptual decisions in discrimination learning

发表时间: 2026-06-20

发表期刊: Communications Psychology

影响因子: 6.4

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”跳转论文网页

研究背景

为了在复杂多变的环境中高效生存，大脑必须将源源不断的感官信息组织成结构化的内在表征。在认知科学中，这种将不同刺激按关联度排列的结构被称为“表征地图”（representational maps）或感知地图。

过去，研究者通常在无任务、无强化的基础条件下（task-naïve）通过让受试者评估刺激的相似度来描绘这些地图。然而，在真实的生存和实验场景中，感知往往是为了服务于具体的决策，也即我们需要根据特定的规则和奖励（task-based）来区分事物。这就引出了一个核心的科学问题：我们在“无所事事”时形成的感知地图，与我们在“目标导向”的强化学习中使用的感知地图是同一套吗？此外，这种将感官特征映射为行为决策的底层逻辑，在不同哺乳动物之间是否共享？

近期，发表在心理学领域核心Nature子刊 Communications Psychology 上的一项研究以听觉系统为切入点，通过对比人类与小鼠对复杂脉冲声音的感知与分类行为，为上述问题提供了清晰的解答。研究表明，感知决策依赖于稳健的内在地图，且这种地图结构在跨任务与跨物种间表现出了较强的一致性。

研究核心总结

为了剥离语义信息的干扰，研究者使用了一组仅在时间结构上存在差异的脉冲声音（pulsed sounds），并提取了三个核心特征：每秒脉冲数（反映声音总能量）、重音不规则性以及脉冲不平衡性（反映时间动态）。

一、无任务感知地图对不同声音特征的编码权重存在显著差异

在没有任何反馈和奖励的无任务阶段，研究者让152名人类受试者对20种脉冲声音的相似度进行两两打分。通过构建个体与群体的相似性矩阵，研究者发现，大脑并非平均对待所有声音特征。

线性回归分析显示，“每秒脉冲数”这一特征在决定声音相似度时占据了绝对的主导地位，其贡献度远高于重音不规则性和脉冲不平衡性。这表明在基础感知状态下，听觉系统对声音能量（速率编码）的敏感度显著高于对复杂时间模式的敏感度。

Fig 1. 人类受试者的实验流程与无任务感知地图的构建，揭示了“每秒脉冲数”在声音相似性判断中的主导地位。

二、预设的感知地图能够直接预测个体的学习效率

随后，受试者进入了基于强化学习的二选一辨别任务。他们需要根据上述三个声音特征中的某一个（每次任务规则不同）对声音进行分类，以获得金钱奖励。

行为数据表明，受试者对不同特征的学习速度与他们在无任务阶段的感知权重高度吻合。对于最容易感知的“每秒脉冲数”，受试者学习最快、准确率最高；而对于时间模式特征，学习则相对缓慢。更有趣的是，个体在无任务阶段对某一特征的感知权重越大，其在后续对应任务中的学习曲线就越陡峭，最终表现也越好。此外，许多受试者在未能用语言明确报告出分类规则的情况下，依然在行为上达到了学习标准，体现了隐性知识与显性规则的解耦。

Fig 2. 人类在三种不同强化规则下的学习曲线与心理物理曲线，显示出对不同声音特征的辨别难度差异。

Fig 3. 个体在无任务感知地图中的特征权重，能够显著预测其在后续辨别任务中的学习速度与辨别能力。

三、感知地图的底层结构在跨任务与跨物种间高度保守

为了验证感知地图的稳定性，研究者将受试者在辨别任务中表现出的行为相似性矩阵（任务感知地图）与最初的打分矩阵（无任务感知地图）进行了对比，发现两者在结构上高度相关。

更关键的是，研究者在小鼠身上进行了类似的听觉Go/No-Go辨别任务。当提取出小鼠在掌握任务后的行为相似性矩阵时，研究者惊讶地发现，小鼠的任务感知地图不仅与人类的任务感知地图高度一致，甚至与人类的无任务感知地图也存在显著的正相关。这意味着，无论是面对不同的任务需求，还是跨越人类与小鼠的物种鸿沟，听觉系统对这类时间脉冲声音的分类逻辑是高度保守的。

Fig 4. 人类无任务感知地图与任务感知地图的结构对比，证明了两者共享关键的表征模式。

Fig 5. 小鼠与人类感知地图的跨物种对比，显示出两者在处理脉冲声音时具有高度一致的内在结构。

四、学习的本质是动态调整特征的读取权重，而非重塑地图

既然感知地图是相对固定的，那么大脑是如何适应新规则的？通过对人类和小鼠学习过程的逻辑回归建模，研究者揭示了决策策略的动态演变。

在学习过程中，人类和小鼠都没有重新建立一套新的感知表征。相反，随着试次的增加，它们在决策时逐渐增加了对“受奖励特征”的权重，同时维持或降低了对无关特征的关注。值得注意的是，小鼠在学习初期的决策主要受非刺激因素（如固有的选择偏好或重复上一次动作的惯性）主导，随后这些干扰因素被逐渐抑制；而人类在初期就高度依赖刺激特征，只是需要时间来校准到底哪个特征才是当前任务的“正确答案”。

Fig 6. 逻辑回归模型揭示了学习过程中的决策动态：随着学习深入，受奖励特征的权重逐渐上升，而与刺激无关的偏好被逐渐抑制。

研究意义

这项研究为我们理解“感知如何指导决策”提供了一个清晰的框架。它支持了这样一种理论：大脑在日常经验中已经构建了一套稳健的、预设的内在表征地图。当面对新的任务和环境变化时，我们不需要从头开始重塑这套地图，而是通过优化“读取策略”（readout strategies），将特定的感官表征与新的行为输出灵活耦合。

从方法学和跨物种研究的角度来看，人类与小鼠在听觉感知地图上的高度一致性，有力地验证了使用啮齿类动物模型研究复杂听觉感知与决策的合理性。这暗示着处理时间声学统计信息的神经计算法则，在哺乳动物的进化过程中被很好地保留了下来。

当然，这项研究主要依赖于行为心理物理学数据。虽然它在宏观层面证实了感知地图的稳定性，但这些行为权重的动态调整是如何在听觉皮层或前额叶皮层的神经元群体活动中具体实现的，仍需要未来结合在体神经成像技术作进一步的探索。

图10