摘要：一个由21个实验室组成的国际神经科学联盟创造了科学史上的里程碑：他们绘制出了动物大脑在决策过程中的首张完整活动图谱，这一成果彻底改变了我们对大脑信息处理方式的理解。这项发表在《自然》杂志上的研究通过记录小鼠大脑279个区域中超过65万个神经元的活动，揭示了一个

信息来源：https://www.myscience.org/en/news/2025/the_complete_brain_map_of_our_decision_making_process-2025-unige

一个由21个实验室组成的国际神经科学联盟创造了科学史上的里程碑：他们绘制出了动物大脑在决策过程中的首张完整活动图谱，这一成果彻底改变了我们对大脑信息处理方式的理解。这项发表在《自然》杂志上的研究通过记录小鼠大脑279个区域中超过65万个神经元的活动，揭示了一个令人震惊的发现——决策并非由特定大脑区域独立完成，而是整个大脑像"圣诞树"一样同时激活的协同过程。

国际脑实验室这一史无前例的合作项目不仅在技术层面实现了重大突破，更在理论层面挑战了神经科学领域长期以来的核心假设。研究团队使用最先进的神经像素电极技术，在小鼠执行视觉决策任务时同步记录了覆盖95%大脑容量的神经活动，获得了前所未有的单细胞分辨率数据。这种规模的全脑同步记录在神经科学史上属于首次，为理解大脑的整体工作机制提供了革命性的新视角。

日内瓦大学医学院基础神经科学系教授、IBL联合创始人亚历山大·普盖特表示，传统的分层决策模型假设信息在大脑中按照固定的层级结构流动，但新发现表明这种观点过于简化。实际上，大脑在处理决策时展现出高度并行和分布式的特征，多个区域同时参与不同层面的信息处理和整合。

实验设计揭示大脑工作新模式

作为IBL研究的一部分，在一次平均决策任务测试中，大脑各处的神经元放电率。© Dan Birman。IBL

研究团队设计了一个精巧的实验来探测小鼠的决策机制。小鼠被放置在屏幕前，需要根据屏幕上出现的光点位置转动小轮来获得奖励。关键的实验设计在于，有些光点非常微弱，迫使小鼠在不确定的情况下做出判断。在这种情况下，小鼠会基于之前的经验来预测光点可能出现的位置，这使得研究人员能够区分纯粹的感知处理和基于经验的预测性决策。

这种实验设计的巧妙之处在于它模拟了现实生活中决策的复杂性。我们日常的决策很少基于完全确定的信息，更多时候需要结合当前的不完整信息和过往的经验来做出判断。通过让小鼠在不确定条件下做决策，研究人员能够观察到大脑如何整合感知信息、记忆和预期来指导行为。

实验结果显示，当小鼠面临决策时，不仅传统认为负责高级认知功能的大脑区域被激活，连负责基础感知和运动控制的区域也表现出强烈的决策相关活动。这一发现表明，决策过程涉及从感知到执行的整个神经回路的协同工作，而非简单的信息传递链条。

预测机制的全脑分布特征

研究的另一个重大发现涉及大脑的预测功能。传统观点认为，基于经验的预测主要由前额叶皮层等高级认知区域负责，而感觉和运动区域主要处理当前的输入和输出信息。然而，新研究显示，预测信号广泛分布于整个大脑，包括初级感觉皮层和运动皮层。

这一发现具有深远的理论意义。它表明大脑的预测性编码不是某些专门区域的特权，而是整个神经系统的基本工作原理。感觉区域不仅被动接收外界信息，还主动根据经验预测即将到来的感觉输入。运动区域也不仅仅执行运动指令，还参与预测行为的结果和调整运动策略。

伦敦大学学院定量神经科学教授、IBL核心成员肯尼斯·哈里斯指出，这种全脑分布的预测机制可能是大脑高效处理信息的关键。通过让所有区域都参与预测，大脑能够更快速地处理信息并做出响应，因为预测减少了需要处理的新信息量。

神经精神疾病研究的新前景

这些发现对于理解和治疗神经精神疾病具有重要意义。精神分裂症、自闭症等疾病的一个共同特征是预测和奖励处理机制的异常。传统的研究方法往往关注特定大脑区域的功能异常，但新发现表明，这些疾病可能涉及整个大脑网络的协调问题。

精神分裂症患者经常出现幻觉和妄想，这可能与大脑预测机制的过度激活有关。当预测信号过强时，患者可能会"感知"到实际上并不存在的刺激。自闭症患者则可能存在预测机制不足的问题，导致他们难以适应环境变化和社交情境的不确定性。

基于全脑网络的新理解，未来的治疗策略可能需要从系统层面调节大脑功能，而非仅仅针对单一区域。这可能包括使用神经调节技术来优化全脑网络的协调性，或者开发能够同时影响多个大脑区域的药物治疗方案。

开放科学模式的创新实践

IBL项目不仅在科学发现上取得突破，在科学合作模式上也具有开创性意义。该项目从一开始就采用开放科学的理念，所有数据、分析工具和实验协议都向全球科研社区开放。这种做法不仅提高了研究的透明度和可重复性，也加速了科学发现的传播和应用。

项目建立了标准化的数据收集和处理流程，确保来自不同实验室的数据能够有效整合。这种标准化不仅提高了数据质量，也为其他研究团队提供了可靠的参考基准。目前，已有多个研究团队使用IBL发布的数据进行各种相关研究，从计算模型的验证到新假设的提出。

这种大规模合作模式可能预示着神经科学研究范式的转变。随着神经科学问题变得越来越复杂，单个实验室的资源和专业知识可能不足以解决重大科学问题。IBL的成功表明，通过有组织的国际合作和资源共享，科学界能够解决以前无法处理的复杂问题。

项目的开放性也体现了科学民主化的理念。通过免费提供数据和工具，IBL使得资源相对有限的研究机构也能参与前沿的神经科学研究。这种做法有助于培养全球范围内的科研人才，推动科学知识的普及和应用。

随着技术的不断进步和合作模式的完善，类似的大规模科学合作项目可能会在其他领域得到推广，为解决人类面临的重大挑战提供新的途径。IBL项目的成功经验表明，当科学界团结合作时，能够取得超越任何单一机构能力的重大突破。

来源：人工智能学家