大脑不是齿轮机器：Nature 揭开绝大多数神经元的通才本色

我们习惯把大脑想象成一台精密机器：每个脑细胞各司其职，像齿轮一样严丝合缝。「面孔识别神经元」「专门追踪动作的脑细胞」——这种把神经元高度标签化的观念，在学术界流行了数十年。

但最新的《自然》（Nature）研究给出了截然不同的答案。来自哥伦比亚大学祖克曼研究所、巴黎脑研究所等机构的联合团队，在分析了上万个神经元的活动数据后赫然发现：绝大多数神经元根本不是专才，而是身兼多职的斜杠通才。

这篇题为 Rarely categorical, highly separable representations along the cortical hierarchy 的论文，用迄今最大规模、跨脑区的数据，回应了一个延续半个多世纪的经典争论。它不只是一次神经科学的更正，更像一面镜子——照见我们是如何用「贴标签」的惰性思维，误读了这个世界。

研究概览

数据与方法：同任务、多脑区的全景扫描

过去关于「专才还是通才」的争论之所以久拖不决，一个重要原因是不同研究用了不同的动物模型、任务范式和记录区域，结论自然互相打架。

这项研究巧妙地绕开了这个坑：它利用 IBL 的 Brainwide Map 数据集——由全球 12 个实验室按标准化流程采集，让小鼠执行同一种视觉决策任务，同时用 Neuropixels 探针记录遍布全脑皮层的神经活动。统一的任务与流程，使得团队能在同一框架下审视从初级感觉区到高级认知区的 43 个皮层区域。

通过量化每个神经元对「感官刺激、行为动作、认知变量」的选择性，研究者发现：神经编码的结构具有鲜明的尺度依赖性——答案取决于你从多远处看。

核心发现一：专才存在，但只是例外

论文最重要的结论直截了当：专才神经元并非不存在，但它是少数派。

在宏观尺度上，大脑皮层的确呈现「物以类聚」的区域分工：初级视觉区的神经元群体整体偏好视觉变量，初级运动区更多编码运动参数。区域之间的差异足够明显，以至于解码器仅凭单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。

然而一旦把视线收缩到单个脑区内部，整齐的分类几乎消失。除初级感觉皮层（如初级视觉皮层 VISp）等少数区域外，绝大多数区域内的神经元并不「安分守己」地只响应某一类变量，而是同时对视觉、运动、决策等多个维度产生混合反应。论文将这种现象称为**「非类别化表征」（non-categorical representation）**。

核心发现二：沿着皮层层级，功能标签逐级失效

研究揭示出一条清晰的梯度规律：

• 在视觉等初级感觉皮层（信息处理层级的最底端），确实存在大量专职专办的神经元，它们对特定的光影或轮廓做出极其一致的反应。
• 但只要沿着信息传递路径往上走，进入参与复杂分析与决策的高级脑区，这种泾渭分明的分工模式就彻底崩塌。

越往高级皮层走，神经元的多样性越高，聚类结构越少。同一个神经元，可以同时编码动物眼前的画面、正在进行的肢体动作、心中权衡的选择，乃至对随后奖励的心理预期。这些神经通才以极其丰富的重叠响应，支撑起大脑应对多变环境的庞大算力需求。

核心发现三：高维编码与「可分性」红利

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。

每个神经元都以独特的方式混合编码多种变量（颜色、形状、朝向、行为价值等）。众多反应各异的神经元组合起来，在数学上形成一个高维空间。高维带来一项关键优势——可分性（separability）：

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。

通过让每个神经元同时对多种变量组合做出反应，大脑避免了信息表达的冗余，大幅提升了神经网络的存储容量与表征维度。这种高维神经代码像一个万能的数字打孔卡，可以被重复调用并无缝应用到完全不同的新任务中。

核心发现四：单神经元解码的盲点

这项架构还有一个关键的数学后果：逐个分析单个神经元，几乎无法解码大脑在做什么。

因为每个神经元编码的是多种变量的混合，孤立地看，它的电信号反应显得杂乱无章、缺乏规律——这正是过去许多研究把通才神经元误判为「无用噪声」的原因。

真正的信号只能靠「退后一步」、把神经元群体当作一个整体网络来观察才能提取。这彻底颠覆了几十年来那种「扔掉难以归类细胞」的经典做法。论文共同作者 Lorenzo Posani 用一张选民意见分布图做类比：

从远处看，能清晰看到红蓝阵营的政治分区；但放大到任何一个社区，映入眼帘的却是意见各异的个体。

宏观上大脑保留了功能组织，局部却是一片「混合生态系统」——这正是大脑同时呈现「局部混乱」与「整体有序」的根源。

与认知觉醒的关联

这项研究最迷人的地方，在于它不只是告诉我们大脑如何工作，更隐喻了一种认知方式：

1. 警惕「贴标签」的惰性。 我们常常像旧神经科学一样，急于给事物、给人、给自己贴上单一标签——「他是内向的」「这件事是失败的」。但真实的心智，更像那些通才神经元：复杂、混合、随时间重叠变化。
2. 跳出单个视角的盲区。 只盯着一个神经元（或一件事的一个侧面），看到的是噪声与混乱；退到群体（或系统）尺度，秩序与意义才浮现。这恰是元认知的要义——从更高维度审视自己的思维。
3. 灵活来自「身兼多职」。 大脑的认知灵活性，正源于神经元不被固定岗位束缚。人的成长也是如此：跨领域、可迁移的能力，往往比单一专精更有韧性。

局限与下一步

需要清醒看待的是，这项实验中的小鼠只执行了一种相对简单、且经过大量训练的决策任务。作者指出，若在多种复杂任务中重复分析，可能会发现更多模块化结构；研究结论还会受行为变量选择和分析方法影响，不能直接推广到自然行为或人脑。

团队目前正与加州理工学院（Ueli Rutishauser 组）合作，分析人类神经外科数据，验证人脑皮层是否依赖相同的高维架构。答案尚未揭晓。

一句话总结

大脑不是由专属齿轮拼成的机器，而是一支各怀绝技、彼此合奏的乐团——绝大多数神经元身兼多职，正是这种「不守固定岗位」的多样性，赋予了心智应对万千变化的灵活算力。

参考资料：Nature（DOI: 10.1038/s41586-026-10668-4）；Neuroscience News；哥伦比亚大学祖克曼研究所；生物谷、腾讯新闻等公开报道。