山东
我们普遍认为，同时处理多项任务极为低效，大脑常在一心二用时“当机”或手忙脚乱。由香港城市大学（港城大）神经科学系讲座教授容永豪教授联同香港中文大学学者共同领导的一项研究，成功破解个中原因，揭示大脑如何透过动态自我重组，打破认知瓶颈，实现高效的同步多工处理。
这项研究从细胞层面证实大脑适应与优化神经资源的卓越能力，从根本上颠覆了大众对大脑平行处理能力的认知，对人类如何在日常生活中平衡灵活性与专业分工的神经机制，提供深入见解。相关研究成果已发表于顶尖神经科学期刊《神经元》，题为“高阶皮层在平行任务处理中的动态协调与分离机制”。
为了探讨大脑如何同时处理两项任务，研究团队运用创新的小鼠模型，观察双重任务执行期间大脑的次级运动皮层（M2）。小鼠须一方面维持连续推杆动作，另一方面聆听不同的听觉提示并决定是否作出反应，即“执行／不执行”的感觉决策任务。在长达数周的训练期间，研究人员以纵向双光子钙成像技术，追踪 M2 内大量神经元群体中同一组单神经元的活动，从而观察小鼠学习同时处理多项任务时如何重组神经活动。
研究显示，多工处理的干扰可追溯至单神经元层面：同时参与两项任务的神经元成为竞争热点，构成大脑处理相互竞争需求时容量有限的细胞层面基础。团队更发现，竞争并不限于两项任务共用的神经元，即使主要负责单一任务的神经元，亦会在另一项任务进行时调整活性，协助大脑协调两项相互竞争的需求，令多工处理在学习早期已能取得成功。
随着训练持续，大脑转用另一套策略：招募更多任务特定的专用神经元，同时逐渐区分两项任务的神经特性，以更独立的神经元梯队完成每项任务，从而减少共享资源所带来的干扰，提升整体多工表现。
团队进一步证实，M2 在这个学习过程中扮演因果性角色。训练期间适度抑制 M2 活性，小鼠即使持续练习，一心二用的能力亦没有进步；一旦解除抑制，其多工处理表现便迅速提升。
除了生物学观察，研究团队亦利用循环神经网络进行模拟，发现纯粹将两项任务的表征分隔开来并非最有效的方案；保留早期的协调机制，同时逐步分隔其他任务的表征，学习速度反而更快。这项发现与生物大脑运作策略不谋而合，对人工智能领域发展极具启发意义。
容教授表示：“我们的研究结果显示，能够有效率地同时处理多个任务的关键不是完全共享或完全分隔神经资源，而是要在协调与表征分离之间取得平衡。这项发现不仅有助理解与神经系统疾病相关的能力缺陷，亦有助更有效训练和管理人工智能系统，提升其同时处理多项任务的能力。”
理解这些动态的大脑过程，为提升认知功能与人类潜能开辟了全新途径。研究团队未来将善用这些研究成果，优化教育领域的学习策略、为神经系统疾病开发更有效的复康计划，并持续探讨在其他领域的潜在应用。
研究团队的发现从根本上改变了大众对大脑平行处理能力的理解，对人类如何在日常生活中平衡灵活性与专业分工的神经机制，提供了前所未有的深入见解。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
