認知神經科學前沿文獻分享

基本信息

Title:Fixation duration on natural scenes is explained by memory encoding not processing demand

發表時間:2026-05-25

發表期刊:Nature Neuroscience

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

我們每天大約會進行20萬次眼動。在每一次掃視發生之前，大腦都要先做一個近乎瞬時的決定：當前這個位置還值不值得繼續看下去。可有趣的是，注視時長并不均勻。有些位置不到150毫秒就被迅速放棄，有些卻會停留超過500毫秒。這個差異看似只是眼動節奏的自然波動，實際上卻觸及主動視覺中的一個核心問題：大腦究竟依據什么來分配“看多久”這項時間資源？

長期以來，一種很有吸引力的解釋是“加工需求”假說。按照這一思路，注視之所以延長，是因為當前視覺輸入更難識別、更復雜，或者需要更長的遞歸計算時間；既然還沒“處理完”，眼睛就不該太早離開。這套解釋與不少視覺加工研究相契合，也很符合直覺：難的東西，多看一會兒。然而，這種說法主要建立在注視時長與圖像特征、任務要求等變量的相關關系之上，關于背后的神經信息處理機制，證據其實并不充分。

這篇論文提出了另一種更具策略性的解釋。作者注意到，在自然觀看中，一次注視形成的視覺表征，可能會在下一次眼動帶來新輸入后迅速被覆蓋。若某塊信息對后續理解、整合或記憶更重要，大腦也許不是因為“還沒看明白”才延長注視，而是在主動爭取一小段額外時間，把這部分信息穩定下來并送入下游記憶過程。換句話說，注視時長未必主要反映感知瓶頸，也可能反映信息的后續利用價值。

這一區分非常重要，因為它不只是重新解釋一個眼動指標，而是在追問主動視覺的基本組織原則：眼睛停留的時間，到底是被當前計算難度拖住，還是由未來要不要“記住它、用上它”來調度？為此，作者把問題明確化為兩種可檢驗的競爭性假說，并在自然場景觀看任務中同時記錄腦磁圖（magnetoencephalography, MEG）和眼動，再結合人工神經網絡模型、語義描述任務和神經解碼分析，試圖從行為、計算和神經動力學三個層面，回答“為什么我們會在某些地方多看一會兒”。

實驗設計與方法邏輯

研究納入5名被試，每人自由觀看4,080張自然場景圖片，每張呈現4秒，并同步記錄MEG和眼動；其中25%的試次在觀看后要求被試口頭描述場景內容（Fig. 1）。作者據此構建兩條對照證據鏈：一條檢驗“加工需求”假說，即更長注視是否伴隨視覺表征穩定時間延后，以及更難識別的局部是否被看得更久；另一條檢驗“記憶促進”假說，即更長注視是否與后續被描述的信息、更高的可記憶性預測，以及記憶相關神經振蕩標志相聯系。具體上，作者分析了注視對齊的MEG源空間模式動態，用任務訓練的AlexNet估計局部分類難度，用ResMem估計局部可記憶性，并進一步從MEG中解碼這些指標，最后比較長短注視末段的theta-gamma相位-振幅耦合。

Figure. 1 | Understanding the neural dynamics of active scene viewing: the Active Visual Semantics dataset

核心發現

發現一：視覺表征的穩定時點基本不隨注視長短變化

論文首先正面檢驗“更長注視=需要更長視覺加工時間”這一關鍵預測。作者在多個視覺相關腦區中，計算相鄰時間點MEG源空間激活模式的變化，并用主峰后下降過程中的“半降點”來表示神經表征趨于穩定的時間。結果顯示，不同注視時長組在腹側視覺皮層中的動力學曲線雖然整體形狀一致，但穩定時點并未隨著注視變長而系統后移，Figure 2d 直觀呈現了這一點；Figure 2e 進一步表明，早期視覺、外側、頂葉和腹側區域都呈現相似結論，統計檢驗也未見顯著差異（文中報告所有P > 0.25）。

Figure 2. Visual processing demand does not translate to longer fixation durations

這組圖之所以關鍵，在于它檢驗的不是“長短注視是否不同”這樣籠統的問題，而是一個非常具體的機制判斷：如果長注視是因為還在繼續完成視覺處理，那么神經表征穩定時間應被拖后。現在看到的卻是，無論最后停留多久，視覺表征都在相近時點達到相對穩定。

發現二：更容易識別的局部，反而獲得更長注視

如果加工需求主導注視時長，那么更難識別的內容理應拖慢離開時間。作者隨后利用在Ecoset上訓練并適配局部裁剪輸入的AlexNet，以分類層熵估計每個注視目標的識別難度：熵越高，代表分類越不確定、識別越困難。結果與傳統預期相反。Figure 2g 顯示，無論看絕對熵，還是在同一場景內部標準化后的相對熵，分類難度越高，平均注視時長反而越短；混合效應模型同樣支持這一負相關關系。

為避免這種關系只是模型輸出的巧合，作者又進一步從MEG信號中解碼分類難度。Figure 2h 表明，注視開始后約114毫秒，MEG可對這一難度指標進行有限但顯著的解碼；更重要的是，Figure 2i 顯示，由神經信號預測出的更高分類難度，同樣對應更短的注視。這意味著“容易識別的局部被看得更久”不僅出現在計算模型層面，也得到神經數據的獨立呼應。

發現三：更可能被后續利用、也更具可記憶性的內容會被看得更久

在削弱“處理難度”解釋之后，論文轉而檢驗記憶相關預測。最直接的一步，是看某個注視目標后來是否進入了被試自己的場景口頭描述。Figure 3a 給出了人工標注邏輯：每個目標被分為“被本人提及”“僅被他人提及”或“無人提及”。Figure 3b 顯示，被試后來在自己描述中提到的目標，平均注視時長明顯更長；相比完全未被提及的目標，效應約為25.7毫秒。值得注意的是，僅被其他參與者提及而未被本人提及的目標，并未與從未提及者形成顯著差異，這說明這里關聯的不是目標本身某種普遍顯眼屬性，而更接近個體后續實際使用的信息。

Figure 3. Memory-related downstream processing of visual information predicts fixation duration

作者又把分析擴展到全部注視，用ResMem模型估計局部圖像的可記憶性。Figure 3d 顯示，無論是絕對可記憶性還是場景內相對可記憶性，分值越高，注視時長越長；Figure 3e 進一步表明，這種可記憶性還可以從MEG中被解碼出來，而且MEG預測的可記憶性越高，實際注視也越長。

發現四：長注視末段伴隨更強的記憶相關theta-gamma耦合

如果更長注視確實服務于下游記憶過程，那么神經生理層面應出現相應標志。作者據此分析了注視結束前最后250毫秒內的theta-gamma相位-振幅耦合（phase-amplitude coupling, PAC），并采用去除事件相關場、結合替代分布的方法來控制偽耦合風險。Figure 4b 顯示，在長注視中，theta-gamma耦合并非主要集中在早期視覺區，而是廣泛出現在額葉、頂葉和顳內側相關區域；Figure 4c 進一步量化了多個ROI相對于早期視覺皮層更強的耦合水平。

Figure 4. Neural signatures of memory-related processing

更關鍵的是，作者直接比較了長注視與短注視在相同偏移鎖定窗口中的PAC強度。Figure 4e 顯示，長注視的theta-gamma耦合整體更強，顯著差異尤其出現在眶額皮層、額葉眼動區、內側前額葉、下額葉、背外側前額葉，以及腹側皮層；正文還指出海馬區域在長注視中呈現與記憶網絡一致的耦合增強格局。

歸納總結和點評

這項研究的價值，在于它沒有把注視時長當作單純的行為現象來描述，而是圍繞兩種競爭機制建立了較完整的證據鏈。綜合MEG動力學、識別難度建模、后續語言利用、可記憶性預測和振蕩耦合分析，論文給出的更可信解釋是：自然觀看中的長注視，主要并非源于視覺系統“還沒處理完”，而更像是大腦在為后續記憶與信息利用主動分配時間。它因此推動了一個值得重視的視角轉變——主動視覺不僅是采樣外界信息，也是在決定哪些信息值得留下。邊界同樣清楚：樣本量僅5人，研究情境為自然場景自由觀看，關于因果方向、個體差異及更廣泛任務中的普適性，仍需后續研究進一步驗證。

請打分

這篇剛剛登上 Nature Neuroscience 的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿