综述：“我本可以采取其他做法”：反事实思维的神经基础

《Neuroscience & Biobehavioral Reviews》：“I could have done otherwise”: the neural bases of counterfactual representations

反事实思维涉及生成和评估替代性情景的神经机制，通过整合20项fMRI研究，发现前额叶皮层（OFC）作为价值评估的核心，前扣带回（ACC）调控行为选择，海马体支持情景生成，杏仁核关联情感反应。该研究区分了反事实生成（默认模式网络主导）与评价（多巴胺系统及前额叶-边缘系统协同），揭示了多模态认知整合机制。

　　### 计算机思维的神经基础：基于fMRI的元分析研究

在人类的认知活动中，计算机思维（Counterfactual thinking）是一种极为重要的心理过程，它使我们能够设想事件可能以不同的方式发展。这种能力不仅在决策过程中起着关键作用，还与记忆、学习和情绪调节密切相关。计算机思维的核心特征在于它对现实的贴近性，即通常仅涉及对实际事件的微小偏差，而不是完全脱离现实的想象。例如，当你错过了一班日常乘坐的火车时，可能会想到“如果我早点出门，现在应该已经上路了”。这种对未发生可能性的反思，正是计算机思维的典型表现。

计算机思维的神经机制一直是神经科学研究的热点问题之一。尽管已有大量研究探讨了这一现象，但关于其在大脑中的具体表现区域仍存在争议。本研究通过一项定量的元分析，整合了20项基于功能性磁共振成像（fMRI）的研究，旨在揭示计算机思维在大脑中的共同激活区域以及其在不同子过程中的特异性表现。这些子过程包括**计算机生成**（Counterfactual generation）和**计算机评估**（Counterfactual evaluation）。前者指的是个体主动构建替代性的自我参照场景，而后者则涉及大脑对外部提供或快速推断的未选择结果进行评估，以支持决策过程。

研究结果表明，计算机思维涉及一组特定的大脑区域，包括**眶额皮层（OFC）**、**前扣带回皮层（ACC）**、**海马体（hippocampus）**、**纹状体（striatum）**和**杏仁核（amygdala）**。其中，OFC被发现是计算机思维中表示替代选项及其价值的核心区域，而ACC，尤其是其背侧部分，将这些信息与行为控制联系起来。海马体和旁海马皮层支持计算机思维的构建性方面，与情景记忆过程重叠，而杏仁核则在情绪反应，尤其是悔恨中发挥重要作用。

### 计算机生成与计算机评估的差异

进一步的分析显示，计算机生成和计算机评估在神经激活模式上存在部分分离。计算机生成主要涉及**额上回**（Superior frontal gyrus），该区域在构建记忆和想象替代性情景方面起着关键作用。相比之下，计算机评估则更广泛地激活了**纹状体**、**直回**（Rectus gyrus）、**海马体**、**顶上小叶**（Superior parietal lobule）等区域。这些区域通常与价值计算、未选择结果的监控以及学习信号相关，它们在决策过程中自动产生，帮助我们评估替代选项对实际结果的影响。

此外，研究还发现，**杏仁核**在计算机评估中与情绪反应，尤其是悔恨密切相关。当个体对未选择的结果感到后悔时，杏仁核的活动显著增强。然而，这些活动是否特异性地与计算机思维相关，还是反映了更广泛的情感评估机制，仍需进一步研究。同样，**海马体**和**旁海马皮层**的参与可能不仅限于计算机思维，也可能与情景记忆的共性机制有关。

### 神经网络的整合与功能分工

尽管计算机生成和计算机评估在某些方面存在差异，但它们共享一个核心的神经基础。这一基础由多个功能区域协同作用构成，包括**OFC**、**ACC**、**海马体**和**杏仁核**等。这些区域在不同任务中表现出不同的激活模式，但在整体上形成了一个支持计算机思维的神经网络。例如，OFC不仅在评估替代选项的价值方面起作用，还与前扣带回皮层和后中额皮层共同构成了一个更广泛的**顶额控制网络**（Cingulo-opercular control network），该网络在整合认知和情感信息方面具有重要作用。

此外，**纹状体**在计算机评估中表现出强烈的激活，尤其是在处理替代结果的价值和预测未来行为方面。研究表明，纹状体中的多巴胺神经元对未选择结果的预期差异非常敏感，这种差异被称为**虚构预测误差**（Fictive prediction error）。这种信号不仅反映了个体对未选择结果的评估，还预测了其后续行为。例如，在一项研究中，参与者在决策后看到其未选择的替代结果，纹状体的活动模式与他们是否改变决策策略有关。

### 实验设计与数据分析方法

为了确保研究的严谨性，本研究采用了**坐标基础元分析**（Coordinate-based meta-analysis）的方法，对20项研究中的激活坐标进行了整合。所有研究均使用**蒙特利尔神经学研究所（MNI）坐标系统**，以保证数据的一致性和可比性。通过**激活似然估计（ALE）分析**，研究团队识别了在所有计算机思维任务中一致激活的脑区，并进一步探讨了不同子过程的特异性激活模式。

在分析过程中，研究团队采用了严格的统计标准，包括**体素水平阈值**（p < 0.001）和**簇水平家庭错误率（FWE）校正**（p < 0.05），并进行了1000次排列检验以评估统计显著性。这些标准确保了结果的可靠性，并排除了可能的偶然激活。研究还发现，尽管任务类型不同，但某些脑区在所有研究中均表现出一致的激活，表明它们在计算机思维中具有普遍性。

### 计算机思维的多维度影响

计算机思维不仅影响个体的决策过程，还与学习、记忆和情绪调节密切相关。例如，在一项关于投资任务的研究中，参与者在每次决策后都会看到实际结果和替代结果，这种比较促使他们调整未来的投资策略。而在另一项关于赌博任务的研究中，参与者在看到未选择的结果时，会根据这些结果的情绪价值（如悔恨或欣慰）调整自己的行为。

此外，计算机思维还与**自我参照**（self-referential）和**情景记忆**（episodic memory）密切相关。研究发现，当个体回忆起过去的情景并重新想象其可能的不同发展时，**海马体**和**旁海马皮层**的活动显著增强。这表明，计算机思维在某些情况下依赖于情景记忆的重建，而不仅仅是对未来的预测。同时，**杏仁核**的参与进一步强调了计算机思维与情绪体验的紧密联系。

### 未来研究方向

尽管本研究揭示了计算机思维在大脑中的神经基础，但仍有许多问题需要进一步探讨。首先，计算机生成和计算机评估是否依赖于完全不同的神经机制，还是共享部分重叠的区域？其次，这些区域在不同类型的计算机思维（如自我相关的或抽象的）中的作用是否有所不同？最后，如何解释这些区域之间的协同作用，以及它们如何动态整合以支持灵活的计算机思维？

未来的研究可以采用更精细的实验设计，例如结合**神经调控技术**（如经颅磁刺激）来进一步探讨这些区域的功能。此外，结合**计算模型**（computational models）可以更深入地理解计算机思维中的信息处理机制。这些方法不仅有助于揭示计算机思维的神经基础，还可能为相关心理障碍（如决策困难或情绪调节障碍）的治疗提供新的思路。

### 结论

计算机思维是一种复杂的认知过程，它涉及多个脑区的协同作用，包括OFC、ACC、海马体、纹状体和杏仁核等。这些区域在计算机生成和计算机评估中分别承担不同的功能，但它们共同构成了支持计算机思维的神经网络。通过整合不同任务中的神经活动，本研究为理解计算机思维的神经基础提供了新的视角，并强调了其在决策、学习、记忆和情绪调节中的多维度作用。未来的研究应进一步探索这些区域之间的交互机制，以及它们如何动态整合以支持不同情境下的计算机思维。