細數控制變量十二宗罪，神經科學家決定把科學還給自然

人類為何對大腦如此著迷？不同的人有不同的答案。或許是作為精妙的生物系統，大腦展現著演化的奇跡；作為復雜動力學系統，它向物理學提出諸多挑戰；作為認知與行為的物質基礎，它承載著智能的奧秘。但所有人都會承認大腦是我們的本質，是解讀感知、行為、記憶、情感與思維的終極密碼。我們渴望弄清大腦如何支撐日常的自然行為，如何塑造每一天的生活體驗，又如何被生活塑造。

然而經典的腦功能研究往往回避自然行為的復雜性，與還原論攜手并行：將整體功能大卸八塊，變成一個個次級問題，乃至次級問題的次級問題，然后在高度受控的實驗室環境中分別研究。這種手法在物理學等精密科學中屢試不爽，在神經科學也有一定作用，但我們不能完全依賴它。作為補充，我們需要在更接近生物自然行為的情境中探究大腦機制。

神經科學之所以熱愛還原論，主要有兩大原因。一方面，技術手段的局限阻礙了對真實環境下大腦活動的研究，不過近年的快速進步，為這一問題帶來了新的希望。另一方面，科學哲學更喜歡簡潔和可控的環境。那么，這樣做的代價是什么呢？在還原論指導下，經典實驗室環境中，行為被過度簡化，不僅改變了行為表現，還讓大腦活動出現偏離，使得實驗結果與真實情況產生偏差。

本文將系統梳理大量實驗數據，揭示一個關鍵事實：當研究場景引入復雜自然的行為與刺激時，大腦會產生截然不同的活動模式。這種范式轉變正形成新的學術潮流——越來越多的神經科學家開始將動物自然行為與所處生態環境納入研究框架。我希望與讀者一同投身這場回歸真實世界的腦科學革新運動，探索更貼近生命本質的大腦奧秘。

本文作者

Nachum Ulanovsky

魏茨曼科學研究所首席研究員

主導Ulanovsky實驗室，采用“自然神經科學”方法，旨在揭示自由活動動物自然行為的神經機制。專注于研究飛行蝙蝠的空間、時間和社會行為的神經編碼，并運用實驗室開創的無線神經生理學方法。研究發現了動物在復雜、三維或大規模環境中導航，或參與社會互動時，具有新的神經元表征。這些表征包括三維位置細胞和網格細胞，以及代表目標方向和距離的“矢量細胞”，以及代表其他動物的“社會位置細胞”。相關文章見：

?本文為Natural Neuroscience Toward a Systems Neuroscience of Natural Behaviors章節1.1，有刪改。

神經科學的學術光譜：

人工與自然，受控與非受控

我們先從簡單的跳蛛說起。跳蛛擁有高度發達的視覺系統，其前側大大的主眼不僅能鎖定昆蟲獵物，還能在復雜三維環境中規劃捕食路徑（圖1.a），在蜿蜒交錯的枝干間爬上爬下，正確經過每一個分叉點，在視覺遮蔽與環境背景的干擾下，也能持續追蹤獵物方位1。即便獵物暫時脫離視野，跳蛛也能根據腦內構建的三維地圖，在停下來的時候精準調整身體朝向2。

在求偶場景中，雌性跳蛛展現的認知能力同樣驚人：它們需要綜合視覺與震動信息，才能完成物種識別與擇偶3。要實現這些行為，跳蛛需要完成一系列高階認知過程：比如在腦內構建三維環境的內在表征，在雜亂環境中區分前景與后景，確認目標是食物還是配偶，在三維空間規劃路徑，同時整合尋路過程中的視覺信息，實時更新自身與目標的方位。很顯然，要在實驗室里完整復現這樣環環相扣的認知-行為鏈，這幾乎不可能。

這僅僅是動物們在日常應對真實世界難題的一個縮影4。反觀心理物理學與神經生理學的實驗室，我們通常使用二維幾何圖案作為刺激材料（圖1.b），要求被試識別格式塔圖形5。但這比起很多視覺實驗室的信號已經算是復雜了，有些實驗室甚至只用一些簡單的點、線或者Gabor斑紋（圖1.c）。但凡看一眼圖1就能發現，1.b和1.c的圖案既不復雜，也不自然，也就比跳蛛的尋路問題簡單了那么億點點。對于擁有高度進化腦結構與復雜行為的哺乳動物而言，這種實驗室與現實的落差就更為顯著了。

?圖 1 a)跳蛛的三維尋路過程。 b,c)實驗室常用的人工刺激。

如果給神經科學的研究畫一個坐標系（圖2），那么x軸就是行為的自然度（人工→自然），y軸就是變量的控制程度（非受控→受控）。90年代前乃至21世紀初，絕大多數神經實驗都屬于體外研究或麻醉狀態/頭部固定的體內研究，在圖2中位于"受控且人工"的左上角。行為研究也如此，它們只聚焦單一行為，強調控制好每一個變量并隔離環境，往往與生物自然行為模式關聯薄弱。

當然，凡事皆有例外，約翰·奧基夫( John O’Keefe）在1970年代研究小鼠的海馬細胞時，他就記錄了自由活動大鼠的神經信號。但例外終究是例外，他的研究并沒有改變科學界“控制越精密，實驗越合理”的金科玉律。

?圖 2：神經科學研究可按照受控程度與自然程度分類。

笛卡爾、培根、與伽利略：

還原論與控制變量法的鼻祖

回頭想想，這種"控制至上"的理念根源何在？技術的限制當然是一個原因，當時研究者必須固定實驗動物的頭。另一重考量則是科學界對實驗可重復性的追求，只有在標準化的操作環境中，才能確保不同時間、不同實驗室的數據可比性。然而，這背后更深層的根源，實為笛卡爾、培根與伽利略為現代科學打下的哲學地基。

笛卡爾最出名的思想成果是解析幾何與“我思故我在”的極端二元論，后者主張心靈與肉體獨立運作，今天已經沒人買單。但他研究物質世界的方法論6卻對后世影響頗深。這主要體現在以下兩點：

1. 研究世界須聚焦可量化之物，一切現象都要精確量化為尺度、形態、運動，并用數學語言加以描述；

2. 凡事應化繁為簡，復雜對象可以被拆解為自然界各領域共通的基本單元。這就是笛卡爾式還原主義的核心。

學界公認，現代還原論是由笛卡爾學說發展而來，試圖用盡可能精簡的物理定律與基礎要素，配合數學語言解釋世間萬物。既然世界是一個巨大的樂高，那么最佳的研究方式便是把積木拆開，變成孤立的組件，然后把它們一個個給單獨摸透。也就是說，實驗應當控制變量。

與笛卡爾同時代的弗朗西斯·培根摒棄了中世紀坐而論道的經院哲學方法：人們不應再依賴內省思辨來空談自然現象，而必須通過實證研究，借助系統的觀察與實驗來收集有效事實7,8。培根主張，要想闡明物理現象的根本原因，必須通過精妙的實驗設計來孤立不同的原因，繼而運用歸納推理揭示其內在規律，這與現代還原論提倡的控制變量法不謀而合。這種通過系統觀察與控制變量實驗精確分離變量、再以歸納法推導物理規律的研究范式，即"培根法"，是現代科學的奠基石8。

十七世紀早期科學革命的第三位奠基者是伽利略·伽利雷。伽利略與笛卡爾、培根一致的地方在于，他同樣強調科學研究需要細致觀察、嚴謹實驗、數學描述。但不同的是，他科學哲學的濃度不高，而是一位活躍的身體力行的實驗科學家。他在物理學和天文學領域取得諸多根本性突破，被霍金譽為現代科學之父9。他最為人稱道的是勇于挑戰當時的統治階層的教條，這種精神激勵著一代代學者去質疑主流、質疑常識、質疑現狀。伽利略運用控制變量實驗研究物理現象所取得的成就，以及科學界對其方法論的長久認可，也助長了學術圈對高度受控實驗的推崇。

?科學革命（1525-1725 年）關鍵人物，從左至右分別為，伽利略、牛頓、笛卡爾、培根。

細數控制變量法的十二宗罪

當然，一個新思想的孵化，離不開觀察與實驗帶來的事實數據支撐，但是也要考慮到研究的手法?？刂谱兞糠ú⒎强蒲惺ソ?，像笛卡爾那般把復雜的研究對象大卸八塊，像流水線一樣一個個把自變量過一遍，同時將其他變量死死地釘在對照組里，無異于自我閹割。

在物理學某些領域中，還原論無可置疑。例如，假設某容器內氣體壓力分別受溫度與體積的影響，那我們就設計兩個實驗，一個固定溫度改變體積，一個固定體積改變溫度。但即便在物理學里，也存在成因復雜交織、無法拆解的涌現現象——即整體大于部分之和的復雜系統。

在凝聚態物理與統計物理中，微觀粒子的基礎特性就難以解釋超導與超流現象、玻璃與晶體的特殊性質，以及各類相變過程10,11。物理學家菲利普·安德森（Philip Anderson）如此評價：“還原主義者既然認為一切現象都源于幾條基本法則，那么在他們的世界里只有粒子物理學家和天文物理學家是真正在干活的人。他們以為還原論等同于建構論（constructionist），以為把部分組裝成整體，就跟把整體拆成部分那么簡單10?！?/p>

《弗蘭肯斯坦》的主角希望用肉塊造人，但最終只獲得了一個縫合怪，這就是“整體大于部分之和”的故事。在腦科學與行為科學，大量的涌現現象讓這種“縫合怪謬誤”更為明顯12。我們不可能在高度控制變量的實驗室環境里研究單個神經元的生物物理機制，然后指望用這些結論去縫出復雜多樣的行為與認知現象。我雖然不是完全排斥控制變量法，但不能拋開劑量談毒性，而如今控制變量法的“劑量”實在太大了。現在，實驗科學家應當降低劑量，創造更加貼近自然的實驗室環境，以研究自然行為的神經活動。

以下是傳統的“受控且人工”研究的12個地雷，有時候一個實驗踩不止一個雷也不出奇。此外，原因1是基于實驗數據歸納的事實，而后面的11條是解釋原因1的觀點。

1. 神經響應差異。大量實驗表明，大腦對自然行為的處理機制，與受控環境存在顯著差異，我們無法利用神經元針對人工刺激時表現的性質，來重構它們在自然狀態下的活動。這是打臉了還原論的有效性。

2. 大腦是復雜系統。大腦作為高度非線性的動力系統，細胞的集體行為會產生涌現現象。人為控制單個因素會引發"牽一發而動全身"的連鎖反應。

3. 環境也是復雜系統?，F實世界本身就是由不可分割的外部因素構成的復雜網絡，不可能像實驗室那樣分離出不同的環境因素。

4. 腦-環境雙向交互受阻。大腦和環境通過行為實現雙向交互，控制變量實驗常常會切斷這種交互，導致神經活動與行為模式的失真。

5. 上層調控缺失。大腦會自上而下地大量傳遞情境、情緒、預期、注意力、計劃等認知信息，這些信息渠道在單純的實驗室環境中容易失效。

6. 行為模式失真。不同的行為模式有時源于不同的神經活動，但簡化的實驗室環境無法復刻自然的行為模式。

7. 數學證明需求。理論神經科學證明：只有通過復雜的自然任務，才能揭示豐富多樣的大腦工作模式與神經計算。

8. 過度訓練誘發畸變。根據神經可塑性（plasticity）原理，長期、重復的訓練會改變被研究的神經環路，扭曲實驗結果。如果能夠利用無需過多訓練、甚至完全不需要訓練的自然行為，就能避免我們不希望出現的適應性改變。

9. 實驗室心理壓力。高度控制的實驗環境可能引發動物應激反應，進而影響神經活動。更加貼近自然的實驗室環境會減少這種心理壓力。

10. 大腦演化方向。大腦的演化動力源于對生物對特定自然行為的需求，所以研究自然行為才有意義。

11. 動物相關性。實驗室人造刺激常與動物生存需求脫節，故結果具有局限性。

12. 認知盲區。過度聚焦于簡化的控制變量實驗，可能導致根本性認知盲區，即“未知的未知”。

?圖源：Ileana Soon

下文將細數這十二宗罪。

（1）神經響應差異

大量實驗數據證明，神經元在高度受控的環境中，會展現與自然環境不同的行為模式。這是推動自然神經科學研究范式最重要的實證依據。比如，當實驗小鼠主動用胡須接觸物體時，其桶狀皮層（barrel cortex）的反應模式，就與被動接受胡須刺激時截然不同。甚至，當小鼠在自然土壤中挖掘洞穴時，其軀體感覺桶裝皮層會經歷實驗室條件下從未觀測到的功能性重組。視覺系統同樣如此，自然狀態下的眼球運動與軀體動作會顯著改變視覺皮層的神經活動特征。

不僅如此，無論是視覺、聽覺還是嗅覺神經元，它們都特化于自然刺激，其響應明顯不同于人工刺激。因此，神經元對簡單人工刺激的反應，根本無法預測它們對復雜自然刺激的響應模式。

約翰·奧基夫在70年代對自由大鼠的研究，在當時是自然神經科學的先驅，也是發現海馬細胞尋路功能的開山之作。更新的研究發現，當引入更自然的行為范式時，海馬體會涌現出全新的空間編碼機制：如導航時建立指向目的地的空間向量，長距離尋路時出現功能區域分化，社交互動時則編碼其他個體的空間位置。人類亦然，在自然情境中的記憶、感知、和尋路機制，都與單純的實驗室環境不同。

這些跨物種、跨系統的實驗數據都表明，神經系統對自然刺激與自發行為具有一套特化的加工機制，這種機制在實驗室簡化條件下往往無法完整呈現。因此，神經科學界應當更多地關注接近自然狀態下的神經活動特征。

（2）大腦是復雜系統

把大腦比作俄羅斯套娃再合適不過：最外層是一個高度互聯的復雜網絡，里面套著幾個高度復雜、彼此相連的子網絡，就這樣一層套一層。對于這種高度互聯的非線性動態網絡體系，研究者很難從中單獨剝離出某個因素進行研究。即使能夠利用控制變量法“孤立”想研究的子網絡，但實驗設立的受控環境也會對整個神經網絡產生系統性影響，最后污染目標子網絡的行為?？偠灾?strong>復雜網絡根本不存在真正的孤立節點，自然不可能通過凍結大部分節點來單獨研究剩余部分。

這種研究困境在光遺傳學實驗中尤為明顯，該技術通過特定分子標志物識別神經元群，利用光刺激激活或抑制它們，進而觀察其對動物行為的影響13–15。當抑制X1類神經元導致Y1行為消失時，人們會認為"X1是Y1的必要條件"；若激活X1類神經元引發Y1行為，則推斷"X1是Y1的充分條件"。然而這種邏輯存在根本性誤區：X1類神經元實際與X2、X3、X4等其他神經元存在廣泛連接（圖3），其激活或抑制必然引發它們的活動變化——而這些關聯神經群可能對Y1行為同等重要。因此，傳統的控制變量實驗不可能準確揭示大腦網絡中的因果關系16,17。

?圖 3：腦（X）、行為（Y）、環境（Z）的互聯網絡。

（3）環境也是復雜系統

世界本身也是一個由多重因素構成的復雜網絡系統，無法簡單地分割成相互獨立的要素。以自然界中三個典型要素為例：同類個體、捕食者與食物資源（圖3中Z1、Z2、Z3）。這三個要素緊密關聯，例如在食物豐饒的區域，通常會聚集著大量捕食者，同時與大量的同類進行社交。因此，高食物供給與頻繁社交往往伴隨著更高的被捕食風險。

然而，經典的神經科學將這些要素割裂考察：社會神經科學家在排除食物與捕食者的人為環境中研究社交行為；研究逃生機制的實驗室專注于孤立狀態下的捕食規避；而覓食決策研究則剔除社交與天敵因素。但實際上，這三個要素有一種非線性的關聯關系。當多個動物共同覓食時，不僅引發食物競爭與社會互動，還可能吸引捕食者前來“守株待兔”。此外還有很多這樣的復雜環境，人也不例外18。

環境的復雜網絡關系必然反映在動物神經環路中，而既然非線性網絡的節點無法被真正隔離，這意味著還原論的“樂高法”——將復雜系統拆解為孤立要素逐一研究、再試圖重新組裝的策略——在腦科學研究中只是徒勞。這也解釋了為何大量實驗室成果難以解釋真實環境中的復雜行為。不過值得一提的是，行為生態學一直在重視這類復雜交互。

另一個典型案例是人類記憶研究。人的真實記憶是由多維因素交織形成的立體網絡，包含情感、社交、環境，具有豐富的個人色彩。但記憶實驗室里用的隨機詞匯表，但凡跟被試有一點聯系，都不至于一點聯系都沒有。這種被壓扁成一維的記憶任務如同失憶癥患者的回憶尸塊，與健康人的鮮活記憶存在本質差異。你確定這種東西可以探索記憶機制？

（4）腦-環境雙向交互受阻

在大腦和環境這兩個俄羅斯套娃之外，還有一層更大的套娃：一個橫跨大腦、行為、環境的巨大網絡，大腦與環境通過行為進行雙向互動（圖3）。然而，經典實驗往往切斷這一雙向循環，僅將簡單機械的信息輸入給大腦，而忽視了在自然條件下與之相隨的環境線索。失去這些關鍵的“自然輸入“，腦網絡就不可能正常工作。

在看東西時，人的眼球并不會一動不動。眼球將光學信號傳遞至大腦后，大腦會再驅動眼球調整注視位置，形成感知-運動的雙向循環。在此過程中，眼球（與周邊肌肉）兼具雙重功能，既是接收外界信息的感知器官，又是輸出運動指令的運動器官。所以，眼運動究竟在多大程度上塑造著我們的視覺體驗？

不出所料，經典的控制變量實驗又沒法解決這個問題，他們想當然地以為感知是完全被動的，與運動是兩個獨立的過程。所以他們訓練猴子凝視固定點，更有甚者直接固定了動物的頭部，麻醉了眼部的肌肉，反正就是要消滅眼球的運動。與之相反，主動感知理論認為，運動本就是感知的內在組成部分，因此這些實驗方法對研究自然狀態下的視覺感知價值不大。

類似的情況也出現在大鼠的觸須擺動與嗅探行為中：在自然探索狀態下，大鼠的觸須擺動與嗅探動作具有高度同步性，二者不僅節律一致且相位鎖定19。傳統研究遵循被動感知理論，固定大鼠，然后單獨施加氣味刺激或觸碰觸須。更近的研究已有改變，開始允許動物自由完成觸須擺動或嗅探行為，但仍將二者割裂研究，使大腦中原本耦合的節律發生器被破壞，觀測結果嚴重失真。這種情況在近距離探測時尤為明顯。

總的來說，問題2、3、4可以歸為一類，即復雜系統的研究困境。復雜系統的核心特征——非線性動力學、自組織特性、多層次反饋結構——決定了整體功能遠非各部分的簡單疊加10,20,21。當研究者試圖通過控制變量法將系統拆解為孤立元件時，整個網絡的動態平衡往往隨之瓦解。除了神經科學，生態學中的捕食網絡、系統生物學的基因調控網絡，物理化學中的非線性動力學系統22，都具有強烈的整體涌現特性。

因此，我們需要謹記傳統實驗手法的局限性。傳統的單節點操控實驗，如光遺傳學刺激特定腦區，會扭曲真實的因果路徑。我們需要用一種更細致的操作手法，同時操控多個相關節點，保持更自然的網絡狀態。朱迪亞·珀爾（Judea Pearl）也為此提供了一套這樣做的數學方法17。

?圖源：Daniele Simonelli

（5）上層調控缺失

解剖學發現，大腦存在大量的自上而下的通路。這些通路負責傳遞高層次信息，包括情境、情緒、判斷、注意力、規劃、社交等多種認知功能23。如果我們繼續用笛卡爾那一套，在高度受控、環境簡化的實驗室條件下進行實驗，這些自上而下的因果鏈就會遭到扭曲甚至完全阻斷，我們永遠無法理解自然狀態下完整系統的運作機制。下行因果的缺失與前面提到的“大腦的復雜網絡特性”（問題2）和“大腦—環境雙向交互受阻”（問題4）密切相關。此外，這些向下的通路對于學習過程也可能至關重要，而學習是大腦的核心功能之一。

（6）行為模式失真

神經活動與行為模式存在雙向互動。研究表明，不同的大腦活動狀態（如規則慢波活動、大范圍不規則活動或去同步化活動）會顯著調節多腦區神經環路的活動特征24。這些宏觀神經狀態與動物的基礎行為模式（自主行為、非自主行為與靜止）密切相關。繼續細分，像“覓食模式”、“導航模式”、“筑巢模式”、“交配模式”、“戰斗模式”等具體的行為狀態，都可能對神經網絡活動產生特異性調節。人們已發現了秀麗隱桿線蟲的這種行為-神經互動25,26，但哺乳動物相關研究仍存在大量空白，亟待深入探索。

圖4為神經解剖學中著名的“侏儒圖”（homunculus），這張圖描繪了人腦是如何處理感覺信息，組織運動的：不同的皮質區域對應不同的身體區域，一個區域占用的皮質空間越多，其感官與運動也越精細。但更新的自然行為研究發現，靈長類與嚙齒類的運動皮層并非按此分布，而是包含多個特定功能區域，分別調控抓取、攀爬、防御、咀嚼等不同本能動作27。這意味著，像健身房擼鐵那樣的機械式運動，并不能代表生物在自然狀態的本能行為，大腦對這兩種不同的運動有著不同的處理機制。不幸的是，大多數實驗室就是個"小鼠健身房"。

?圖 4：大腦的“侏儒圖”，左側橙色為運動映射， 右側藍色為感官輸入，圖源：https://www.x-mol.com/groups/JIRM/events/36368

（7）數學證明需求

理論計算證明，只有自然的、復雜的任務，才可以充分把握大腦的神經運算、算法結構，與作為一個動力學系統的豐富維度。為了摸清大腦的概率推斷算法，實驗科學家應該使用更加自然化，更加復雜的行為學任務。但也不能拆東墻補西墻，把任務設計得太復雜，毫無變量控制，陷入完全不可控的混沌狀態28。

在另一種模型里，研究者定義了神經維度（neural dimensionality）與神經任務復雜度（neural task complexity）：前者指神經元群體活動時的特征維度，后者由行為任務的復雜性和刺激物的數量共同決定。然后他們通過理論與數學證明，神經維度 ≤ 神經任務復雜度29,30。

這就指出了一個數學瓶頸，很多實驗室的實驗設計過于簡單，所以神經任務復雜度太低，就算記錄了成千上萬的神經元活動，也無法突破神經維度的天花板，獲得具有更高特征維度的數據，揭示更多的有效信息。實驗也證明大腦高級區域的神經元具有"混合編碼特性"，能同時響應多種行為參數31–33，但只有在復雜任務中才得以顯現，傳統的還原主義實驗根本無法捕捉。利用生來復雜的自然行為，研究者可以突破神經任務復雜度的限制，讓高通量數據變得有意義。

最后，尤里·哈森（Uri Hasson）團隊提出：傳統神經科學與心理學理論中盛行的低維度簡化模型，可能只是實驗室條件催生的認知幻象；只有自然、真實的任務設計，才可以發掘出大腦的計算能力。畢竟設計經典實驗是這樣的，大腦只需要利用數十億個突觸，嚴絲合縫地對現實世界進行高維插補就行，但研究人員既要用過度簡化的任務框架把大腦壓進預設的低維認知沙盒，又要從認知系統的機械適應中扒出“簡潔優雅”的神經表征，要考慮的事情就很多了34。

我覺得“大腦是高維現實插補系統”的論斷言之過早，但驗證這個假說的辦法只有自然神經科學研究，而不是這種低維的傳統實驗室研究。

（8）過度訓練誘發畸變

在神經科學研究中，許多行為范式需要實驗動物接受長時間訓練。這種強化訓練可能引發大腦非自然的過度可塑性：哺乳動物感覺皮層的內在興奮性會發生改變，單個神經元的感受野和調諧曲線產生顯著偏移，突觸結構與功能產生適應性調整，皮層表征區域甚至出現異常擴張35,36。除了感覺皮層，運動皮層、紋狀體、前額葉、頂葉皮層以及中腦多巴胺系統都展現出明顯的可塑性變化37,38。

需要指出的是，神經可塑性本是自然學習的基礎機制。動物與人類在真實環境中習得新行為、建立新聯結時，大腦會通過精密調控的神經重塑完成學習過程。問題在于，生物在自然狀態下的學習是十分高效的，只需要幾次甚至一次練習就能掌握新技能，但很多實驗室任務需要數千次練習。因此，這種過度訓練的實驗室任務未必能帶來針對自然學習的見解。

如果研究課題跟學習無關，那這種神經可塑性就是純粹的干擾因子，扭曲我們對目標行為機制的解讀。我們可以開發"即學即用"型的行為任務，模擬自然學習行為，讓動物或人類志愿者可以短時間內學會操作；又或者完全摒棄人工訓練，直接觀測自然行為的神經基礎。

最后，許多行為訓練還會結合“禁水禁食”等方式來提高動物的訓練動機。饑渴狀態會影響諸多腦區，比如初級視覺V1皮層39和其他的感官區域40。這意味著，當實驗動物在饑腸轆轆中執行任務時，研究者觀測的神經編碼已摻雜了代謝需求的干擾信號。顯而易見，研究動物的自然行為可以避免這種饑渴帶來的認知污染。

（9）實驗室心理壓力

高度受控的實驗環境往往會對動物造成心理壓力，如頭部固定等操作就十分常見。而這些壓力會引發一系列連鎖反應，影響動物的突觸可塑性、學習、記憶41,42、社交43和其他一系列的認知行為過程。從分子層面觀察，壓力可同時改變多種神經遞質和調控系統的活性44，導致多腦區突觸傳遞異常45；在細胞層面，壓力既能影響神經元樹突結構，也會改變神經網絡的整體連接模式41–43，還能直接改變神經元的固有電生理特性，調節其興奮性水平41,42。因此，在探索動物正常狀態下的腦功能時，研究人員應盡可能降低實驗動物的應激水平。讓動物在相對自由、自主的自然行為狀態中進行實驗，無疑是一條有效的途徑。

（10）大腦演化方向

大腦的演化目的并非為了執行實驗室的簡單任務，而是為了執行自然環境中完整的生存行為體系。諸如躲避天敵、覓食覓偶、同類社交等天然行為模式，才是億萬年演化篩選出的核心功能。可惜，在當今神經科學領域，對這些自然行為的關注度依然與其演化意義不成正比。

設想一個實驗場景：志愿者每次經過門框時都要用小指敲擊兩次。誠然，人類固然能完美掌握這個任務，研究者也可借此觀測運動皮層的神經活動，深入探究其神經網絡、細胞乃至分子機制。但這絕不意味著人長出兩根小指是為了敲門框。即便耗費數十年解析這個任務的每個細節，這對我們理解大腦與小指功能的啟示依然有限。

真正的突破路徑在于回歸演化選擇的自然行為。如果要研究手指的運動控制，那么抓握、投擲、指向、精細操作等天然動作才是最佳觀察窗口；如果要解析習慣形成機制，則應聚焦該物種特有的習慣行為模式。簡言之，只有讓實驗對象執行其演化史上反復錘煉的本能行為，才能揭示大腦機制的本質特征。

（11）動物相關性

神經科學家在設計行為實驗時，通常選用對動物而言先天中性的刺激（如音叉聲響、杠桿裝置或食槽燈光），通過訓練將其轉化為具有行為關聯性的信號。這種方法的優勢在于：初始中立的刺激排除了動物內在偏好的干擾，使得研究者能夠精準構建實驗所需的刺激-獎賞關聯體系，避免固有傾向對實驗結果的影響。但從另一個角度而言，為什么要把動物原本的偏好視作“干擾”，而非神經機制的重要線索？實際上，社會性叫聲、信息素、覓食、導航、天敵規避，這些充滿演化智慧的特定刺激與行為模式，應當成為與現存實驗室范式并行的研究焦點。

（12）認知盲區

以上的這些問題是“已知的未知”，但除此以外，還有“未知的未知”：過度控制的經典實驗范式會產生認知盲區。就像路燈下的尋物者，過度簡化的實驗室環境只能照亮假說的方寸之地，卻讓真正重要的現象隱匿于黑暗之中。就算不能走出路燈探索黑暗，那至少把路燈的位置擺好一點，照亮動物的自然行為，而不是那些高度人工、扭曲大腦的實驗室行為。

這一矛盾在空間導航神經機制的研究史上得到充分印證。20世紀60年代，當學界執著于高度簡化、還原主義的實驗范式而忽略位置因素之時，約翰·奧基夫的團隊通過觀察大鼠自然探索行為，意外發現了海馬體的導航功能46。這一突破不僅顛覆了傳統認知，更開創了自然神經科學研究的新紀元。

如今海馬體研究又陷入了同樣的瓶頸。早期，約翰·奧基夫采用了微型人工環境進行海馬體研究，比如1米直線跑道、T型迷宮或1×1米空箱。在此類受限條件下，單個位置細胞通常僅會在特定區域（位置野，place field）呈現激活狀態。當前大多數關于位置細胞及其他空間編碼神經元的研究，仍在沿用與早期實驗相似的微型人工環境，存在生態效度不足的問題。

首先，世界并非虛無之境，而是充滿各種目標物，如食物、水源、天敵、同類、庇護所等。學界數年來對神經環路如何表征目標方位這一導航核心問題知之甚微，但我已通過更加真實的實驗設置取得突破。當蝙蝠朝向明確空間目標運動時，其海馬體神經元可編碼以自身為坐標原點的方位與距離信息，生成一個指向目標的向量47。近期研究也發現，嚙齒類動物的海馬區同樣具有類似的方位向量編碼機制48,49。

此外，真實世界的空間維度遠超實驗室尺度，眾多生物具備千米級導航的能力。長久以來，科學界對大腦如何支撐大尺度空間導航一無所知。為此，我們充分利用蝙蝠在自然環境中進行長距離直線飛行的能力50，構建了200米長的蝙蝠飛行實驗室，并進行長距離飛行時海馬神經元信號的無線記錄51。數據揭示，單個海馬神經元可對應多個位置野，其表征尺度存在二十倍差異——換言之，同一神經元在特定區域可能具有1米精度的位置野表征，而在其他區域則擴展為20米級位置野。這種多位置野、多尺度編碼機制完全突破了傳統小尺度環境中的空間表征理論框架。理論建模證實，這種創新編碼策略不僅顯著提升了大尺度環境的空間表征容量，更能有效降低長距離導航的解碼誤差。

?作者通過無線方式記錄了在200米隧道中飛行的蝙蝠海馬神經元的神經活動。來源DOI:10.1126/science.abg4020

如果只是依賴以往那些小空間實驗的數據，我們幾乎無法推斷出這些自然環境下的導航機制，因此貼近自然的實驗設計顯得尤為必要。除了導航機制，我相信其他腦功能一樣存在這樣的差異，只有使用自然的刺激在自然的環境下研究自然的行為，我們才能夠意識到它們的存在。

如何實現自然化研究？

自20世紀90年代末起，越來越多神經科學家開始正視前文列出的12個問題，研究重點也隨之從“高度控制、極度簡化”的經典范式，轉向更貼近真實生活的新方向。這一趨勢在近年持續加速52–55，在圖2的坐標系中，右上角（"自然且受控"）與右下角（"自然非受控"）的研究越來越多。

行文至此，是時候給“自然神經科學”下一個定義了：這是一門研究動物在無拘束且自由活動的狀態下，進行生態相關的自然行為的神經機制的學科。當然，“生態相關”與“自然行為”的定義存在一定的解讀空間。本文所指生態相關，指的是動物在其生態位中為生存繁衍演化出的適應性行為；而自然行為則指特指動物或人類在自然環境中展現的典型行為模式，包括空間導航、環境探索、覓食行為、天敵規避及社會互動等。

必須承認，自然行為與生態相關性這兩個概念具有解釋彈性，因此自然神經科學實驗也存在光譜般的多樣性差異。但無論如何，該定義將傳統行為神經科學中的常規實驗范式——如頭部固定技術、過度訓練的任務——排除在研究范疇之外。雖然經典實驗范式對理解腦機制仍有重要價值，但其對自然行為神經機制的揭示能力存在明顯局限。

自然化轉型部分源于技術革新，新技術允許實驗設計更貼近生物自然狀態。以前只有空間導航、鳥類鳴唱等特定領域才會在實驗中允許動物自由活動，但如今該范式正快速滲透至行為神經科學的各個分支：在嚙齒類、蜥蜴、鳥類和蝙蝠等小型動物模型中廣泛應用，并逐步向靈長類研究領域擴展。

與此同時，理論層面的認知革新同樣關鍵：唯有在自然行為框架下開展研究，方能全面解析神經機制與行為間的本質關聯。

在感覺神經科學領域，自然化實驗范式的演進主要體現在兩大方向：首先，學界逐步認識到感覺器官的運動機制不僅影響感知過程，更可能是感知的一部分——無論是靈長類的眼球運動、嚙齒類的觸須擺動，還是吸氣動作對嗅覺系統的影響。如果限制動物實施眼跳、觸須探索或主動吸氣等自然感知行為，將難以真正理解其感覺系統的工作原理。這種認知催生了主動感知研究范式。采用主動感知范式所觀測到的感覺皮層神經活動特征，與傳統被動感知模式存在顯著差異。部分主動感知實驗允許動物自由活動，另一些則采用頭部固定但允許感知相關的動作，后者以部分自然性為代價提升了實驗可控性。

其次，大量實驗證據與理論模型共同揭示：基于人工簡單刺激建立的神經元響應機制，難以有效解釋其對自然刺激的編碼規律。這一發現推動了自然刺激研究領域的蓬勃發展。部分前沿實驗合二為一，既采用主動感知范式，又使用自然刺激實驗。

神經行為學（neuroethology）是一門新興學科，它的核心策略是選擇那些具有顯著行為特征的模式生物進行研究。例如成年雄性鳴禽（如斑胸草雀）的刻板化鳴唱——這種固化結構的鳴聲具有毫秒級的時間精確性，每次呈現都高度一致。研究這類行為，可以實現自然與受控的“既要又要”，能保持自然行為特性，又具備實驗所需的可重復性與可控性。

自然界廣泛存在類似的高重復性刻板行為：蝙蝠攻擊昆蟲時的回聲定位、電魚的干擾規避反應，乃至小鼠與鼩鼱的捕獵行為，不過其重復精確性可能不如鳴禽那樣高。以往的神經行為學研究雖然以自然行為為導向，但受技術限制，多采用麻醉、頭位固定等非自然實驗條件。隨著近年技術瓶頸的突破，該領域終于得以追求其終極目標：在自由活動的生物體上解析簡單自然行為的神經機制。

?斑胸草雀相關研究正是利用了刻板化鳴唱。圖源：Michael Long

本文并不是主張徹底摒棄控制變量法，如果完全放棄受控環境，擁抱“純粹的自然”，那么我們不可能重復任何實驗，也就無法滿足培根法重復觀察特定現象的要求。所以，我們提倡一種“適度自然化”的實驗范式，既能保持必要的行為可控性，以觸碰底層神經機制，又充分保留物種自然行為特征，為解析神經機制提供更富解釋力的觀測窗口。接下來的內容，我將梳理一些已有的適度自然化實驗，并倡導結合受控與非受控手法，建立一個多元互補的學術網絡。

開展適度自然化研究有兩種方法。第一種方法是對以往“受控且人工”實驗的自然化改良，比如在研究感知時，我們可以允許實驗動物自由移動，并自主調控觸須或眼球，完整展現其主動感知能力；在研究空間導航時，通過提高環境復雜性、實驗室空間大小，或引入目標導向型尋路任務，以研究在更自然的環境下的導航機制。

第二種方法則是聚焦于動物自主產生的自然刻板行為，這樣可以避免人為的訓練與干預，讓動物自己幫我們控制變量。值得留意的是，一些動物會有幾種刻板行為，如同一種鳥類會有幾種不同的固定叫聲，這些不同的刻板行為提供了天然的對照組?？上У氖牵芏嘧匀恍袨椴⒉粫绱丝贪?，不過也有一些方法，可以處理這些復雜的行為，發掘背后的神經活動。原著第8章將會展示這些方法。以上兩種方法各具優勢，我認為這兩種實驗范式應當并行發展。

讀者一定會認為我反對還原論，但并非如此，我希望的是“和”的關系，即除了還原主義實驗，我們也需要非還原論的實驗，如果二者有中間地帶的話，那么中間地帶的實驗也同樣需要。

還原論是強大的武器，它允許我們深入大腦回路在執行特定行為時的細節，把握行為特征，摸清神經活動，發掘因果關系。問題在于，有時候還原主義實驗的結果無法解釋真實世界的行為，但有時候又可以。如果局限于還原論的話，我們永遠無法得知目標行為究竟屬于哪種。

遺憾的是，盡管學術圈已經有所行動，目前仍然有過多的研究擠在“受限且人工”的一端。所以盡管它們也很重要，但你還是會看到我一直在攻擊它們，把更多的篇幅用來宣傳那些非主流但同樣重要的自然主義研究。

我堅信神經科學應建立多元方法論體系，通過圖5所展示的多元化研究實現學科突破。這種理念不僅適用于宏觀學科發展，對特定腦系統的解析同樣關鍵。體外實驗、簡化的人工行為實驗、自然行為研究可以提供大腦系統在不同層面的信息，唯有在還原主義實驗與復雜的自然化實驗間建立動態對話，方能真正揭示真正的神經機制。

?圖 5：x軸左端為“人工且受控”，右端為“自然且受控/部分受控”。a：2025年的神經科學實驗現狀；b：作者希望見到的多元化未來

譯者后記

我的導師跟我透露過這樣的一個idea，她想做一個腳本，然后植入《堡壘之夜》這樣的游戲里頭，然后觀察玩家的行為是否能夠復現我們之前在實驗室做出來的一些結果。但是她擔心來自于真實游戲的數據會有很大的噪聲。

讀完此文，我也有這樣的想法：為什么要把真實游戲中玩家的表現當成“噪聲“？無論是正常的游戲決策，還是掛機、祖安、送頭，這都是人們在自然狀態下展現的真實行為，而這些跟實驗室里不同的表現也并不是無用的”噪聲“，而是理解人類行為的寶貴鑰匙。而比起想辦法挖出一種可以同時擬合實驗室和游戲行為的模型，專注于這些行為變化的原因也許是更有意義，也更容易發出論文的方向。

我希望本文可以對你的工作也有同樣的幫助。

1.Tarsitano MS, Jackson RR. Jumping spiders make predatory detours requiring movement away from prey. Behaviour. 1994;131(1-2):65-73. doi:10.1163/156853994X00217

2.Hill DE. Orientation by jumping spiders of the genus Phidippus (Araneae: Salticidae) during the pursuit of prey. Behav Ecol Sociobiol. 1979;5(3):301-322. doi:10.1007/BF00293678

3.Elias DO, Mason AC, Maddison WP, Hoy RR. Seismic signals in a courting male jumping spider (Araneae:Salticidae). J Exp Biol. 2003;206(22):4029-4039. doi:10.1242/jeb.00634

4.Lewicki MS, Olshausen BA, Surlykke A, Moss CF. Scene analysis in the natural environment. Front Psychol. 2014;5. doi:10.3389/fpsyg.2014.00199

5.Gilad A, Oz R, Slovin H. Uncovering the Spatial Profile of Contour Integration from Fixational Saccades: Evidence for Widespread Processing in V1. Cereb Cortex. 2017;27(11):5261-5273. doi:10.1093/cercor/bhw305

6. Descartes, R. 1644. Principles of philosophy (2009 reprint). SMK Books.

7.Rees, G. 2004. On Francis Bacon’s originality. Intellectual News 14: 69–73.

8.Rees G. On Francis Bacon’s Originality. Intellect News. Published online December 1, 2004. Accessed May 20, 2025. https://www.tandfonline.com/doi/abs/10.1080/17496977.2004.11417771

9.Galileo and the Birth of Modern Science | Invention & Technology Magazine. Accessed May 20, 2025. https://www.inventionandtech.com/content/galileo-and-birth-modern-science

10.Anderson PW. More Is Different. Science. 1972;177(4047):393-396. doi:10.1126/science.177.4047.393

11.Parisi G, Urbani P, Zamponi F. Theory of Simple Glasses: Exact Solutions in Infinite Dimensions. Cambridge University Press; 2020.

12.Gomez-Marin A, Ghazanfar AA. The Life of Behavior. Neuron. 2019;104(1):25-36. doi:10.1016/j.neuron.2019.09.017

13.Aravanis AM, Wang LP, Zhang F, et al. An optical neural interface: in vivo control of rodent motor cortex with integrated fiberoptic and optogenetic technology. J Neural Eng. 2007;4(3):S143.

14.Cohen JY, Haesler S, Vong L, Lowell BB, Uchida N. Neuron-type-specific signals for reward and punishment in the ventral tegmental area. nature. 2012;482(7383):85-88.

15.Deisseroth K. Optogenetics: 10 years of microbial opsins in neuroscience. Nat Neurosci. 2015;18(9):1213-1225.

16.Jazayeri M, Afraz A. Navigating the neural space in search of the neural code. Neuron. 2017;93(5):1003-1014.

17.Pearl J. Causality. Cambridge university press; 2009. Accessed May 20, 2025. https://books.google.co.uk/books?hl=en&lr=lang_en|lang_zh-TW|lang_zh-CN&id=f4nuexsNVZIC&oi=fnd&pg=PR15&dq=Pearl,+J.+2009.+Causality:+Models,+reasoning,+and+inference.+Cambridge+University+Press.&ots=y4FU-ozCqg&sig=iIY_JNq3rCeQZkUoQTeEDr_REX8

18.Nastase SA, Goldstein A, Hasson U. Keep it real: rethinking the primacy of experimental control in cognitive neuroscience. NeuroImage. 2020;222:117254.

19.Moore JD, Deschênes M, Furuta T, et al. Hierarchy of orofacial rhythms revealed through whisking and breathing. Nature. 2013;497(7448):205-210.

20.Mazzocchi F. Complexity in biology: Exceeding the limits of reductionism and determinism using complexity theory. EMBO Rep. 2008;9(1):10-14. doi:10.1038/sj.embor.7401147

21.Bradbury JW, Vehrencamp SL. Complexity and behavioral ecology. Behav Ecol. 2014;25(3):435-442.

22.Strogatz SH. Nonlinear Dynamics and Chaos: With Applications to Physics, Biology, Chemistry, and Engineering. Chapman and Hall/CRC; 2024. Accessed May 21, 2025. https://www.taylorfrancis.com/books/mono/10.1201/9780429398490/nonlinear-dynamics-chaos-steven-strogatz

23.Gilbert CD, Li W. Top-down influences on visual processing. Nat Rev Neurosci. 2013;14(5):350-363.

24.Kay K, Frank LM. Three brain states in the hippocampus and cortex. Hippocampus. 2019;29(3):184-238. doi:10.1002/hipo.22956

25.Flavell SW, Raizen DM, You YJ. Behavioral States. Genetics. 2020;216(2):315-332. doi:10.1534/genetics.120.303539

26.Ji N, Madan GK, Fabre GI, et al. A neural circuit for flexible control of persistent behavioral states. Zimmer M, Sengupta P, eds. eLife. 2021;10:e62889. doi:10.7554/eLife.62889

27.Graziano MS. Ethological action maps: a paradigm shift for the motor cortex. Trends Cogn Sci. 2016;20(2):121-132.

28.Pitkow X, Angelaki DE. Inference in the brain: statistics flowing in redundant population codes. Neuron. 2017;94(5):943-953.

29.Gao P, Ganguli S. On simplicity and complexity in the brave new world of large-scale neuroscience. Curr Opin Neurobiol. 2015;32:148-155.

30.Gao P, Trautmann E, Yu B, et al. A theory of multineuronal dimensionality, dynamics and measurement. BioRxiv. Published online 2017:214262.

31.Mante V, Sussillo D, Shenoy KV, Newsome WT. Context-dependent computation by recurrent dynamics in prefrontal cortex. nature. 2013;503(7474):78-84.

32.Rigotti M, Barak O, Warden MR, et al. The importance of mixed selectivity in complex cognitive tasks. Nature. 2013;497(7451):585-590.

33.Eichenbaum H. Perspectives on 2014 Nobel Prize. Hippocampus. 2015;25(6):679-681. doi:10.1002/hipo.22445

34.Hasson U, Nastase SA, Goldstein A. Direct fit to nature: an evolutionary perspective on biological and artificial neural networks. Neuron. 2020;105(3):416-434.

35.Weinberger NM. Dynamic regulation of receptive fields and maps in the adult sensory cortex. Annu Rev Neurosci. 1995;18:129.

36.Feldman DE. Synaptic Mechanisms for Plasticity in Neocortex. Annu Rev Neurosci. 2009;32(1):33-55. doi:10.1146/annurev.neuro.051508.135516

37.Seger CA, Miller EK. Category Learning in the Brain. Annu Rev Neurosci. 2010;33(1):203-219. doi:10.1146/annurev.neuro.051508.135546

38.Xiong Q, Znamenskiy P, Zador AM. Selective corticostriatal plasticity during acquisition of an auditory discrimination task. Nature. 2015;521(7552):348-351.

39.Padamsey Z, Katsanevaki D, Dupuy N, Rochefort NL. Neocortex saves energy by reducing coding precision during food scarcity. Neuron. 2022;110(2):280-296.

40.Burgess CR, Livneh Y, Ramesh RN, Andermann ML. Gating of visual processing by physiological need. Curr Opin Neurobiol. 2018;49:16-23.

41.Kim JJ, Diamond DM. The stressed hippocampus, synaptic plasticity and lost memories. Nat Rev Neurosci. 2002;3(6):453-462.

42.Morris R. Stress and the hippocampus. Published online 2007. Accessed May 21, 2025. https://psycnet.apa.org/record/2007-01023-015

43.Sandi C, Haller J. Stress and the social brain: behavioural effects and neurobiological mechanisms. Nat Rev Neurosci. 2015;16(5):290-304.

44.Jo?ls M, Baram TZ. The neuro-symphony of stress. Nat Rev Neurosci. 2009;10(6):459-466.

45.Popoli M, Yan Z, McEwen BS, Sanacora G. The stressed synapse: the impact of stress and glucocorticoids on glutamate transmission. Nat Rev Neurosci. 2012;13(1):22-37.

46.O’Keefe J, Nadel L. The Hippocampus as a Cognitive Map. Oxford University Press; 1978. Accessed May 21, 2025. http://www.cognitivemap.net/

47.Sarel A, Finkelstein A, Las L, Ulanovsky N. Vectorial representation of spatial goals in the hippocampus of bats. Science. 2017;355(6321):176-180. doi:10.1126/science.aak9589

48.Wang C, Chen X, Lee H, et al. Egocentric coding of external items in the lateral entorhinal cortex. Science. 2018;362(6417):945-949. doi:10.1126/science.aau4940

49.Ormond J, O’Keefe J. Hippocampal place cells have goal-oriented vector fields during navigation. Nature. 2022;607(7920):741-746.

50.Tsoar A, Nathan R, Bartan Y, Vyssotski A, Dell’Omo G, Ulanovsky N. Large-scale navigational map in a mammal. Proc Natl Acad Sci. 2011;108(37). doi:10.1073/pnas.1107365108

51.Eliav T, Maimon SR, Aljadeff J, et al. Multiscale representation of very large environments in the hippocampus of flying bats. Science. 2021;372(6545):eabg4020. doi:10.1126/science.abg4020

52.Krakauer JW, Ghazanfar AA, Gomez-Marin A, MacIver MA, Poeppel D. Neuroscience needs behavior: correcting a reductionist bias. Neuron. 2017;93(3):480-490.

53.Dennis EJ, El Hady A, Michaiel A, et al. Systems neuroscience of natural behaviors in rodents. J Neurosci. 2021;41(5):911-919.

54.Miller CT, Gire D, Hoke K, et al. Natural behavior is the language of the brain. Curr Biol. 2022;32(10):R482-R493.

55.Cisek P, Green AM. Toward a neuroscience of natural behavior. Curr Opin Neurobiol. 2024;86:102859.

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區留言，或添加小助手微信questionlab，加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute, TCCl）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。TCCI與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了TCCI加州理工神經科學研究院。TCCI建成了支持腦科學研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括學術會議和交流、、、科研型臨床醫生獎勵計劃、中文媒體追問等。