学习动态

《决策大脑》学习动态,页面无弹窗的全文阅读!

有关半脑互动的新奇性-常规化假说揭示了右半脑在处理新任务初期所起的引领作用，以及左半脑在处理新任务后期所起的主导作用。这是不是意味着信息真的是经由某种经过胼胝体的通路实现从右半脑到左半脑的传输的？不必然如此。可能性更大的是，心理表征是在左右半脑中交互发展的，但是它们形成的速率有所不同。右半脑在学习一项认知技能初期更有效，但是到了后期，左半脑更有效。

我们还没有完全弄清楚上述差异背后的神经机制，但我们能够提出若干合理的假说。假设形成并被储存在左半脑中的表征既是一般的（因为它们中的每一个都反映了一大类具体事物或情境的共同特征），同时又是具体的（因为它们同时反映了范围相对狭窄的某类情境的共同特征）。显然，需要大量的类似表征才能反映一个人所拥有的全部经验和知识。相反，形成并被储存在右半脑中的表征较左半脑更粗略，每一个表征反映的都是更广泛的情境类别的共同特征。显然，右半脑中的表征数量要比左半脑中少得多。甚至可以往极端处想，右半脑的联合皮质中一个具体表征都没有，只有一个分化程度非常低的网络，反映所有先前经验的平均特征。

当个体遇到比较熟悉的认知任务时，很容易引起左半脑中具体表征的共鸣，或者说被左半脑中的具体表征所“吸引”（这也是神经网络建模领域的一个术语）。但是，当个体遇到一个比较新的认知任务时，更容易与右半脑中更粗略的标准产生共鸣，原因在于这些表征受到的限制更少，也不那么具体。当个体逐步积累了关于新认知任务的经验和专门知识时，左右半脑的情况会发生变化。在左半脑中会形成一个新的、相对狭义的表征来反映新的认知挑战类别的具体特征。相反，右半脑的反应就不那么强烈了，甚至仅仅是在较大范围内对粗略的网络进行细微的更新。

在某种意义上，可以将两个半脑对同一数据集的表征方式比作描述统计学用于概括同一数据集的两种表示法：右半脑就好比反映所有数据的平均数和标准差，而左半脑就好比散点图，每个点代表某个特定的数据子集。图12.2描绘的就是这一情况。显然，新的数据集的出现会导致两种表示法以不同的方式进行更新。在散点图中会添加新的数据点，但不会消除之前输入的任何已有数据点，就好比左半脑中形成了新的具体表征，与已有表征相安无事、同时存在。相反，平均数与标准差则会重新计算，得到新的值，与之前的值会有轻微的不同，就好比对右半脑中已有的宏观粗略表征整体进行了修改。从机械论神经学角度来看，这或许意味着左半脑的组织形式更像是一些迥异的网络的集合，每一个网络都有很强的内部连通性，但这些局部网络之间的连接阈值比较高。实际上，左半脑因而具有较高程度的后天模块性。相反，右半脑的组织形式更像一个相对均匀的网络。当然，它不是真正意义上的均匀，因为某些连接要比其他连接更强。但是，右半脑中最强和最弱连接之间的对比不如左半脑中明显。正是左半脑较高程度的后天模块性使得它在应对熟悉情境时更高效，而右半脑相对均匀的特点让它更适合进行应对全新情境所需的广泛搜索。

注：（A）左半脑以散点图的形式表征知识——一系列表征的集合，每一个表征都反映了一类狭义情境的具体特征。（B）右半脑以平均数和标准差的形式表征知识，是有机体遇见的所有情境的粗略平均值。

图12.2 两个半脑中的知识表征