当前位置: 首页 > ds >正文

Nat. Hum. Behav:大脑“变形记”,注意力错误下的空间认知奇遇

注意力是我们认知世界的重要“过滤器”。它帮助我们在复杂多变的环境中,将有限的认知资源分配到最重要的信息上。然而,注意力并非总是完美无缺的。在许多情况下,我们的注意力可能会被错误地引导,或者分配到错误的地方。这种注意力的错误分配,被称为注意力错误。例如,当你在驾驶时,突然发现前方有一个障碍物,你的注意力会迅速转移到障碍物上,以便做出反应。但如果障碍物的位置与你预期的位置不一致,或者你在转移注意力的过程中出现了偏差,就可能会导致注意力错误。再比如,在阅读时,你可能因为周围环境的干扰,而将注意力错误地分配到了无关的文字或图像上,从而影响了对文章内容的理解。

2025年2月24日James A. Brissenden博士及其研究团队在Nature Human Behaviour(IF=21.4)上发表题为“Errors of attention adaptively warp spatial cognition”的文章。研究创新点在于首次揭示了注意力错误能够引发空间认知的自适应改变,这种改变类似于运动控制中的适应性学习过程。研究通过巧妙的实验设计,排除了眼动偏差和注意力偏差等潜在干扰因素,详细揭示了空间认知适应的动态过程和空间特异性。这一发现不仅为理解认知功能的动态调整机制提供了新视角,还为认知和运动控制领域的学习机制提供了统一的理论框架,为未来的认知康复和神经科学研究开辟了新方向。

众所周知,人类会根据从周围世界收到的反馈迅速调整他们的心理过程和行为。例如,过去的一些研究表明,人们在尝试以特定方式移动或步行到特定位置时会逐渐调整自己的动作,从而减少以前动作的差异。图1展示了一个实验的流程,这个实验旨在研究注意力错误如何影响空间认知。

图1 注意力错误试验和空间工作记忆试验图

神经影像学(fMRI)研究表明,传统上以运动功能著称的小脑区域,也参与注意力和工作记忆等认知过程的神经调控。然而,为什么小脑会被认知功能募集目前尚不清楚。小脑是位于后颅窝的神经结构,主要负责视觉运动适应——即通过修正前期动作误差来精细调节后续动作的过程。研究人员试图确定视觉认知功能是否也受到这些相同的基于错误的学习机制的影响,这样的结果可能会解释小脑在注意力和工作记忆中的作用,同时也突出了运动和认知控制背后的学习机制中被低估的相似性。

为了探索人们的空间工作记忆也受到基于误差的适应过程影响的可能性,研究人员进行了五项实验。其中3 项实验是在线进行的,而另外 2 项是使用眼动追踪技术亲自进行的。图2揭示了注意力错误如何影响空间记忆,并且随着实验的进行,参与者能够逐渐减少这种影响,提高空间记忆的准确性。同时,空间记忆误差与随机位置区间距离有关,中心位置的误差最大。

图2 空间注意错误对空间回忆适应的时间过程和空间特异性

研究人员设计了一项任务,在参与者如何将空间注意力引导到特定位置方面反复引发错误。然后,他们间歇性地测量了该位置的工作记忆回忆,以评估参与者的内部空间表征是否发生了变化以补偿这些注意力错误。当参与者完成研究人员设计的新任务时,他们的注意力被故意引导到特定位置,从而导致注意力分配错误。有趣的是,他们发现,随着这些注意力错误随着时间的推移而积累,参与者会适应性地改变他们对被要求记住的刺激的回忆,以抵消这些错误。图3表明,参与者的空间认知(特别是空间工作记忆)能够根据注意力错误进行适应性调整。这种调整是通过改变内部空间表征来抵消注意力错误的影响。随着实验的进行,参与者逐渐调整他们对空间位置的回忆,以适应反复出现的注意力错误。这种适应性调整在实验结束后迅速恢复,表明这种调整是动态的,并且与注意力错误直接相关。

图3 没有错误的注意力不能解释空间认知适应

在工作记忆试验期间,参与者记得所呈现的物体位于更靠近应该将注意力引导的位置,以便最好地识别注意力试验中的目标刺激。这一结果表明,当我们在世界上导航时,我们在环境中接收和记住信息的方式正在不断调整和校准。这种微调可能会在没有意识的情况下发生。总体而言,这项最新研究的结果表明,人类认知功能依赖于旨在抵消错误的适应性机制,类似于运动功能。未来,Brissenden 和他的同事们收集到的见解可以为教育计划和人机界面的设计提供信息。

参考文献:

Brissenden JA, Yin Y, Vesia M, et al. Errors of attention adaptively warp spatial cognition. Nat Hum Behav 2025; doi: 10.1038/s41562-025-02109-5.

http://www.xdnf.cn/news/3770.html

相关文章:

  • 如何解决 403 错误:请求被拒绝,无法连接到服务器
  • 【KWDB 创作者计划】Docker单机环境下KWDB集群快速搭建指南
  • with的用法
  • 家用服务器 Ubuntu 服务器配置与 Cloudflare Tunnel 部署指南
  • 【中间件】brpc_基础_用户态线程上下文
  • 小程序与快应用:中国移动互联网的渐进式革命——卓伊凡的技术演进观
  • JavaScript性能优化实战之调试与性能检测工具
  • KeyPresser 一款自动化按键工具
  • 【c语言】数据在内存中的存储
  • Servlet(二)
  • 怎样提升社交机器人闲聊能力
  • 【Linux】进程优先级与进程切换理解
  • 第38课 常用快捷操作——双击“鼠标左键”进入Properties Panel
  • Linux运维——Vim技巧一
  • LeetCode —— 102. 二叉树的层序遍历
  • 设计模式简述(十七)备忘录模式
  • yolov5 train笔记4 roboflow
  • Android Compose 中 Side Effects 和 State 相关的 API 使用
  • 数据仓库方法论书籍及其阅读建议
  • Linux 库文件详解
  • 自动化测试项目1 --- 唠嗑星球 [软件测试实战 Java 篇]
  • 旧版本NotionNext图片失效最小改动解决思路
  • 解决跨域问题
  • 【质量管理】现代TRIZ问题识别中的功能分析——相互接触分析
  • HarmonyOS NEXT第一课——HarmonyOS介绍
  • FastAPI中的复杂查询与原子更新指南
  • 柔性超声耦合剂的选择与设计-可穿戴式柔性超声耦合剂面临的难题
  • C# 多态性详解:从静态到动态的编程艺术
  • PMP-第七章 项目成本管理(一)
  • 2.1 行列式