你是否经历过这样的“灵光一现”：一幅原本晦涩难辨的“墨迹图”或模糊的“穆尼图像”，在看过对应的清晰原图后，瞬间变得轮廓分明、意义清晰，并且从此之后，这幅图在你眼中再也无法回到原先那个混沌的状态。这种仅通过一次视觉体验，就彻底、持久地改变感知的神奇能力，被称为“一次性感知学习”。它如同我们认知世界的一把钥匙，解释了为何我们能在瞬间识别出藏匿于背景中的斑点狗，也支撑着人类快速适应和理解复杂视觉世界的非凡本领。然而，长久以来，这种“顿悟”背后的神经环路与计算原理，始终是脑科学领域一个悬而未决的核心谜题。

2026年2月4日，Nature Communications（IF=15.7）发表了一项题为“Neural and computational mechanisms underlying one-shot perceptual learning in humans”的重磅研究。该研究巧妙地整合了心理物理学、7T超高场功能磁共振成像、颅内脑电图记录以及深度学习建模，系统地揭示了人类一次性感知学习发生的精确脑区及其潜在的计算机制，成功破解了大脑如何在瞬息之间完成长久学习的奥秘。

研究首先通过心理物理学实验，对一次性感知学习中“先验知识”的信息内容进行了解构。研究者向受试者呈现一系列模糊的Mooney图像及其对应的清晰原图，并系统操控原图的属性，例如旋转、翻转、改变大小或位置，甚至用同一类别的不同示例图片进行替换。结果显示，对原图进行旋转、翻转或位移，会显著降低但并未完全消除学习效果；改变图像大小则对学习无影响；而将原图替换为同一类别的其他图像示例，则完全消除了学习效应。这表明，一次性感知学习所存储的先验知识并非抽象的“概念”，而是高度依赖具体图像的感知信息，且对这一信息在朝向、位置等属性上具备部分不变性。

图1：心理物理学实验的范式与假设

为定位大脑中具备这种编码特性的脑区，研究者利用7T fMRI记录了受试者在被动观看不同操控条件图像时的神经活动。通过表征相似性分析，他们构建了一个基于行为结果的“模型表征相异矩阵”，并将其与实际的大脑神经表征相异矩阵进行比对。结果显示，只有高级视觉皮层（HLVC，包括梭状回等区域）的神经编码特性与心理物理学实验揭示的先验知识不变性特征高度吻合。

图2：感知先验不变性特征的映射

图3：基于模型的表征相似性分析结果（n = 10名被试）

同时，为厘清学习过程中神经活动的动态时序，研究者对19名植入颅内电极的癫痫患者进行了记录。患者在完成经典的Mooney图像任务时，其大脑神经活动被高时空精度地捕捉。结果显示，在学习后的Mooney图像呈现时，高级视觉皮层最早表现出向相关先验知识“靠拢”的神经调谐特性，这一效应约在图像出现后225毫秒开始，显著早于早期视觉皮层及其他高级脑区（如额顶叶网络、默认模式网络）。这一发现强有力地提示，先验知识的存储与激活就发生在高级视觉皮层内部。

图4 ：学习诱发的活动变化的时间特性

此外，研究团队进一步开发了一个基于视觉变换器和自上而下反馈机制的深度神经网络模型，以探索一次性感知学习的计算机制。该模型通过一个独立的“先验存储模块”积累过往信息，并在处理当前视觉输入时，通过自上而下的通路从该模块中检索并应用相关先验。这一模型不仅成功复现了人类受试者的整体学习效应（图5b），其图像识别的错误模式与人类高度对齐，更能逐图像预测人类受试者的学习成功率（图5e）。尤为关键的是，该模型所存储的先验信息，与人类高级视觉皮层（特别是梭状回）的神经表征具有最强的对应关系。利用模型特征预测fMRI数据发现，梭状回中包含与先验相关信息的最多体素（29.7%），且该区域的信息强度与人类学习效应的可靠性呈正相关。

图5 ：模型呈现感知学习效应并预测人类学习结果

该研究首次通过多维度、跨模态的汇聚证据，将人类一次性感知学习的关键可塑性位点锁定在高级视觉皮层。研究者提出的“先验信息存储于高级视觉皮层，并通过自上而下的反馈影响早期视觉处理”的机制模型，不仅为理解人类这种快速、稳定且长效的学习形式提供了神经基础，也揭示了其与慢速感知学习、启动效应等现象的可能联系。研究中开发的计算模型，为人工智能领域解决“一次性学习”这一挑战提供了新的生物启发式思路。

参考文献

Hachisuka, A., Shor, J.D., Liu, X.C. et al. Neural and computational mechanisms underlying one-shot perceptual learning in humans. Nat Commun 17, 1204 (2026). https://doi.org/10.1038/s41467-026-68711-x

资讯来源

https://www.nature.com/articles/s41467-026-68711-x

编译：万家利

审核：富柄淇