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

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：

1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本

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！

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