大脑信号复杂性追踪心智游移与视觉感知学习：揭示神经可塑性的新机制

《Scientific Reports》：Brain signal complexity tracks mind-wandering and visual perceptual learning

本研究针对心智游移（Mind-wandering）如何影响长期学习这一科学难题，通过结合脑电图（EEG）、多尺度熵（MSE）和事件相关电位（ERP）技术，探索了视觉纹理辨别任务（TDT）训练前后的神经动态变化。结果发现，心智游移频率与更高的脑信号复杂性显著相关，且这种高复杂性神经状态能够预测训练后的行为表现提升。该研究首次揭示了心智游移通过增强神经灵活性促进感知学习的新机制，为理解大脑可塑性提供了新视角。

　　

你是否曾在开会或读书时，突然发现自己神游天外，思绪早已飘到昨晚的晚餐或明天的计划？这种被称为“心智游移”（Mind-wandering）的现象，占据了人们近一半的清醒时间。传统研究认为心智游移会损害即时任务表现，但它的长期影响——尤其是对学习与大脑可塑性的作用——始终成谜。近日，发表于《Scientific Reports》的一项研究通过巧妙的实验设计，首次揭示心智游移可能通过提升大脑信号的复杂性，为视觉感知学习铺平道路。

为探究这一机制，研究人员招募了26名健康成年人，让他们在脑电图（EEG）监测下完成视觉纹理辨别任务（TDT）。参与者需判断屏幕中随机出现的三根斜向线条是水平还是垂直排列，任务难度会动态调整以维持80%的正确率。实验分为训练前和训练后两个EEG记录阶段，中间穿插两次共1500次 trial 的练习课。过程中，参与者会随机被询问注意力状态（“专注”或“心智游移”），以量化其走神频率。

研究团队采用多尺度熵（MSE）分析EEG信号复杂度，并计算事件相关电位（ERP）中的N1（早期感知处理）和P3（认知整合）成分。通过偏最小二乘法（PLS）整合行为数据、ERP振幅与MSE，揭示了神经动态与学习效果的关联。

行为结果

训练后，参与者对纹理的辨别能力显著提升：外周目标角度（PTA）从训练前的13.7°降至11.7°（p=0.002），反应时间也从325.94毫秒缩短至241.44毫秒（p=0.001）。有趣的是，心智游移频率在训练后从43.28%升至54.98%（p=0.015），表明任务熟练后人们更易“分神”。

ERP变化

训练后N1振幅显著降低（从-3.04μV至-2.39μV, p=0.006），反映感知处理效率提升；而P3振幅显著增加（从1.07μV至1.61μV, p=0.002），说明高阶认知资源整合增强。这些变化符合感知学习中的“功能重组模型”。

脑信号复杂性的关键作用

PLS分析发现两个显著潜变量（LV）：

• •
  LV1 显示，训练前更高的心智游移频率与广泛分布的脑信号复杂性（尤其是中、粗时间尺度）正相关，且这种高复杂性直接关联训练后更好的表现（更低PTA）。
• •
  LV2 表明，训练后较大的N1、P3振幅与心智游移频率共同关联于“局部低复杂性-全局高复杂性”模式：精细时间尺度（前额、顶叶）复杂度降低可能反映注意力控制增强，而粗时间尺度复杂度升高暗示全局神经灵活性提升。

结论与意义

本研究突破性地将心智游移从“注意力失效”的负面标签中解放出来，证明其可能通过诱发高复杂性的脑状态，为长期学习提供神经基础。这种复杂性平衡了局部信息处理效率与全局网络探索能力，恰似大脑在“自动巡航”中悄然优化可塑性。未来，或可基于此开发针对认知障碍患者的神经训练策略，让“做白日梦”也成为学习的盟友。