同一个铃声，在公司先静音、在家里直接接——你的大脑里藏着台微型计算机？

想象一个场景，你坐在公司会议室里，突然手机响了。此时你下意识是先静音，再看是谁来的电话。

同样的铃声，如果是在家里那可能下意识就接起电话了。

声音的物理频率没有任何变化，但你大脑做出的决定却完全相反。

这种根据场景切换规则、随时调整判断的能力在神经科学里叫「认知灵活性」

这件事难在同样的输入必须产出不同的输出。

在传统观点里，科学家一般把单个神经元看做一个基础的计算单位，你可以把它理解为一个自动开关。

他的作用就是把四面八方传来的信号汇总起来，只要总的信号量超过一条固定的阈值，它就会被激活，把信息传递出去，如果没达到，它就保持沉默，啥也不动。

这种单一节点的模型很简洁，也是目前主流的人工神经网络（包括各类AI大模型）广泛采用的底层逻辑。

但它也有一个弊端，不够灵活，比如一套写死的代码，只要输入条件一样，输出结果就永远一样。

真实的大脑可不是这样，面对同样的信息，大脑回根据当下的环境或者心里的推断，做出完全不一样的决定。

那灵活决策到底是从哪里来的？

中国科学院脑科学与智能技术卓越创新中心徐宁龙团队近日在《科学》杂志上发表了一项研究，给出了一个非常具体的答案：灵活决策的一部分，就发生在单个神经元内部。

一、他们关注的部位叫树突。

如果把一个典型的皮层神经元想象成一棵树，细胞体就是树干，细胞体上面伸出了一大片像树冠一样的结构，这就是树突。

其实在1951年我国科学家张香桐先生就提出过，顶端树突具有电兴奋性，能整合歌中歌输入信号。

但从那以后几十年，虽然大家都明白它很重要，但一直缺少直接把它和灵活认知联系起来的实验证据。

徐宁龙团队就是把缺失的环节，在清醒、且正在做任务的动物身上补齐了。

二、小鼠的「猜规则」游戏，和一次精准的「关灯」实验

为了弄清楚树突在干什么，研究者给小鼠设计了一个规则会突然改变的猜声音任务。

小鼠听到不同频率的声音，需要判断这个声音比目前边界更高还是更低。

而且边界会在没有任何预警的情况下变动，小鼠不能靠死记硬背，必须不断根据奖励反馈来推断：现在到底是高音算对还是低音算对。

小老鼠在玩这个游戏的同时，团队还用技术手段同步记录大脑听觉皮层第5层特定神经元顶端树突和细胞体的活动状态。

记录结果显示出现了非常清晰的分工：

顶端树突的活动，更多地跟着小鼠脑子里以为的规则变化，细胞体的活动，则更多地反映实际听到的声音频率。

不过，虽然看见了树突在跟着规则动，但不代表它真的参与了决策。

为了确认这点，团队做了一个干预实验，相当于给树突精准地关了个开关。

结果发现：树突被压制之后，细胞体里那种依赖规则的选择信号明显减弱了，尤其是在那些必须靠猜出隐藏规则才能答对的试验里。

也就是说树突绝对不是旁观者，它确实能够干预最终的决策。

三、两路信号，在细胞内部碰头

这个研究还有一个好玩儿的点是把分工和整合放在了一个细胞里。

简单理解就是，顶端树突处理的是“我现在认为规则是什么”这种比较抽象的心里判断，细胞体处理的是“我刚刚听到的声音是什么频率”这种具体的感官信息。

两条完全不同的信息流在单个神经元内回合了，经过一种复杂的非线性整合，最终才变成了推动小鼠做出选择的那股力量。

也就是说这个神经元不是把两件事先算好在汇总，而是在细胞内完成了计算。

此前研究者也知道神经元内部有这种多区域整合的机制，但一般都认为它只负责处理简单的感觉和运动，这个研究直接把它对到了更高级的抽象认知层面。

四、对做AI有什么影响？

目前主流的人工智能基本都是使用文章开头所说的单一节点思路，把每个计算单元的能力设计的很简单，然后靠堆砌极深的网络和庞大的参数换取智能。

这种方法有效但也确实费电

这项研究给AI提供了一个新的思路：

如果我们的计算单元本身，能像微型计算机一样，同时处理多路不同的信息并在内部进行整合，那未来的网络是不是就不需要堆那么深、那么宽，也能获得更好的灵活性和能效？

徐宁龙在采访中也提到，如果单个神经元内部就能完成这种复杂的非线性计算，意味着“不需要那么深的网络，能耗可以大大降低”。

当然，从一只小鼠听觉皮层里的特定神经元，跨越到一个可以写进代码里的工程化AI架构，中间还有很长的路要走。

但至少，方向变得清晰了。

最后

这是一个在小鼠身上完成的实验，针对的也是特定的脑区和特定的任务。至于人类大脑的其他区域、其他类型的细胞，或者面对更复杂的规则时，是不是也这样运作，还需要科学家们后续一步步去验证。

但这并不影响这项研究的含金量。

它证明了：一个神经元绝不只是一个简单的开关。在我们需要灵活应变的时候，它内部确实在偷偷计算算一些东西。

过去，我们可能把大脑的计算想得简单了。而这项研究，在微观的细胞尺度上，帮我们发现了内部的微型计算机，让我们看清了里面的一角。