哥大研究回应半世纪争论：大脑神经元不各司其职，而是各显神通

“我们必须放弃这种想象：大脑是一台由齿轮组成的机器，每个齿轮都有精确用途，都能被我们贴上标签。”哥伦比亚大学祖克曼研究所（Zuckerman Institute）的神经科学家 Stefano Fusi 说。

7 月 15 日，他和同事在《自然》（Nature）发表了一项大规模研究，分析横跨 43 个小鼠皮层区域的 1.4 万多个神经元，试图回答一个争论了几十年的问题：大脑皮层里的神经元，究竟是各司其职的“专才”，还是身兼多职的“通才”？

研究给出的答案相当明确：绝大多数神经元是通才。专才确实存在，却只是少数。

这场争论由来已久。20 世纪 50 年代末至 60 年代，David Hubel 和 Torsten Wiesel 发现，视觉皮层中的一些神经元会对特定朝向的线条产生选择性响应。此后，“专才”模型逐渐深入人心：一类神经元负责探测边缘，另一类识别颜色，还有一类感知运动方向。大脑仿佛一条精密的流水线，每道工序都有专人负责。

这个模型简洁、清晰，也让神经科学家养成了一种研究习惯：记录单个神经元的活动，再设法为它找到一个明确的功能标签。Fusi 评价称：过去几十年，研究者“一次只看一个神经元，把所有无法理解其反应的神经元都丢到一边”。

但这种视角下总会出现一些神经元不肯配合。尤其在前额叶皮层等高级认知区域，大量神经元的反应模式极为复杂：它们既会响应视觉刺激，也会受到决策、奖励乃至动物运动状态的调节。

2013 年，Fusi 团队在《Nature》发表了一篇后来被大量引用的论文，系统阐明“混合选择性”（mixed selectivity）的计算价值：这些看起来杂乱无章的多变量响应并非噪声，而是一种计算能力更强的编码方式。

那项研究主要聚焦猕猴前额叶的少数区域，争论并未结束。支持“专才”模型的实验证据同样不少。

这一次，研究规模和方法都把问题推到了新的层面。Posani、Wang 等人使用国际大脑实验室（International Brain Laboratory，IBL）公开的 Brainwide Map 数据集。这套数据由全球 12 个实验室按照标准化流程采集：小鼠执行同一种视觉决策任务，研究人员使用 Neuropixels 探针记录遍布大脑的神经活动。

统一的任务和实验流程，让团队得以在同一套分析框架下审视 43 个皮层区域。论文共同第一作者、现任职于巴黎大脑研究所的 Lorenzo Posani 说：“这是一个很老、很重要的问题，研究者们对此有非常强烈的观点。”

这项研究在预印本阶段的下载量就超过 1.1 万次，也反映出学界对这个问题的持续关注。

这项研究的核心发现，可以借用 Posani 的选举地图类比来理解：把地图缩小到全国尺度，人们会看到清晰的政治分区；放大到任何一个社区，映入眼帘的却是意见各异的个体。

（来源：Nature）

大脑皮层也呈现出类似结构。从宏观看，不同皮层区域的确存在功能分工：视觉区的神经元群体整体更偏好视觉变量，运动区更多编码运动变量。区域之间的差异足够明显，解码器仅凭一个神经元的反应模式，就能以高于随机水平的准确率判断它来自哪个脑区。

但一旦把视线移到单个脑区内部，整齐的分类几乎消失。只有初级感觉皮层中的少数区域，例如初级视觉皮层 VISp，还保留着相对清晰的功能聚类。其余大多数区域的神经元反应高度多样，彼此不同，论文将其称为“非类别化表征”（non-categorical representation）。

沿着皮层层级从感觉区域走向认知区域，神经元的多样性逐渐升高，聚类结构越来越少。

那么问题来了：如果大多数神经元的反应看起来乱糟糟的，大脑怎么用它们做计算？

这正是这篇论文最核心的理论贡献。研究者证明，多样性本身可以成为计算能力的来源。

（来源：Nature）

每个神经元都以独特的方式混合编码多种变量。用共同第一作者、洛桑联邦理工学院博士生 Shuqi Wang 的话说，“每一个都以自己的方式身兼多职”。众多反应各异的神经元组合起来，便会在数学上形成一个高维空间。

高维空间带来一项关键的计算优势：可分性（separability）。

我们可以把不同实验条件想象成空间中的一组点。当所有点挤在一条直线上时，能够将它们正确分组的方法很有限；当这些点分布在更多维度中，一个简单的线性分类器也能找到更多划分方式。

论文数据显示，只考虑每个脑区实际编码的独立条件时，几乎所有皮层区域的可分性都接近最大值，达到或超过 0.95。换句话说，这些看似杂乱的神经元群体，为大脑提供了一种非常灵活的表征。同一群细胞可以被下游回路以许多不同方式读取，进而支持不同任务。Fusi 表示：“你可以把这些高维表征复用于大量不同的任务。”

多样性、高维表征和可分性，由此构成一条完整的计算链条：神经元对不同变量产生彼此不同的混合响应，群体活动随之扩展到更多维度；维度越高，不同信息越容易被简单的下游机制分开和读取。

（来源：Nature）

这套模型还解释了为何大脑能够同时呈现“局部混乱”和“整体有序”。单个脑区内部，神经元很少排成边界分明的功能队列；把观察尺度扩大到多个脑区乃至整个皮层，清晰的功能分工又会重新出现。大脑保留了宏观组织，同时允许局部神经元以不同方式工作。

但要注意的是，这项实验中的小鼠只执行一种相对简单的决策任务，而且经过大量训练。论文作者指出，如果在多种复杂任务中重复分析，研究人员可能会发现更多模块化结构。研究结论还会受到行为变量选择和分析方法的影响，无法直接推广到自然行为或人脑。

团队目前正与加州理工学院合作，调查人类皮层是否具有相似的高维架构。答案尚未揭晓。

不过至少在这项小鼠实验中，皮层的计算能力并不依赖每个神经元严守固定岗位。许多神经元以各自的方式身兼多职，而大脑正是从这些差异中，获得了灵活处理信息的空间。

参考资料：

1.https://www.nature.com/articles/s41586-026-10668-4?

2.https://zuckermaninstitute.columbia.edu/node/6052

3.https://www.nature.com/articles/s41583-025-01009-x

运营/排版：何晨龙

注：封面由 AI 辅助生成