Science 版 (精华区)

发信人: AFisherman (渔父), 信区: Science
标  题: 认知神经科学(5)                        
发信站: 哈工大紫丁香 (2001年05月17日12:01:25 星期四), 站内信件
 
关于解释脑-行为关系之间的推理 
    我们直觉地认为:如果特殊的认知活动引起大脑特定区域的兴奋,那么 
这一部分脑区就是这个认知活动的基础。然而这种推理却是存在问题的。在 
本节中,我们来考察从脑成像数据中得出结构-功能关系的推理,并提出了 
一个可替代的框架来对这些数据进行有意义的分析。 
 
 认知神经科学的主要目的可以用下面公式来表达: 
                Ψ=f(Φ)   (1) 
      Ψ代表特定的认知操作或功能,Φ代表神经结构或过程。 
 
    在一般的研究中,研究者可以通过只相差一个认知功能Ψ的对照任务来 
变化认知操作,然后区分开脑成像Φ之间的区别。这些数据的解释显示了脑 
结构Φ与认知功能Ψ的联系;这些数据也被认为提供了与刺激或切除脑组织 
Φ所观察到的认知功能Ψ发生改变一样的信息。这种解释的模式体现了两个 
假设:一个是外在的假设,认知功能能够定位;一个潜在的假设,Φ与Ψ是 
同形的。 
    在Francis Bacon爵士于1960年提出假设-推理的逻辑学之前,科学家们 
满足于做实验和记录结果。在当代的脑成像研究中,这种现象又出现了。 
Bacon的重要贡献在于他在从积累经验观察到得出一般结论的过程中,使用 
了某种严格的推理。Bacon的这种推理模式在如今是众所周知了,并成为许 
多科学理论的基石。这种推理的范式如下:a)确定感兴趣的问题;b)区分 
出两个或更多的假设;c)设计一组条件以产生不同结果来排除假设;d)设 
定条件并收集观察结果(此过程应尽量减少测量误差和人为因素的作用); 
e)从概念上复现实验;f)根据预测的和实际的结果差异,排除假设。这种 
假设驱动的研究范式是:not-Ψ=f(not-Φ)这也就是说,它寻求否定假设。 
    因果假设认为认知操作Ψ与特殊的脑结构或过程Φ的关系是Ψ=f(Φ), 
并且推论Φ之后总是伴随着Ψ,但是它并不能推论出Φ总是先于Ψ的。进 
一步,脑事件Φ是认知操作或状态的一个索引,所以Ψ=f(Φ)形式的推理 
要好于not-Ψ=f(not-Φ)的形式。因此,认知科学中脑成像的终极目标一 
般可以表示为在给定Φ的条件下,Ψ的条件概率为 
                   P(Ψ/Φ)=1  (2) 
    然而,成像研究的典型结构可以表示为在给定Ψ下,Φ出现的条件概 
率: 
                      P(Φ/Ψ)=x  (3) 
    这也就是说,脑成像技术(PET, fMRI, MEG, EEG)提供了产生功能Ψ 
的Φ的信息,但是当且仅当脑结构(或事件)Φ与认知功能(或操作)Ψ之间 
的比例是1:1时,等式(2),(3)的条件概率才是相等的,即P(Ψ/Φ)=  
P(Φ/Ψ)。 
    功能定义主义的许多早期研究(如Legallois对延髓呼吸中枢的研究; 
Fritsch & Hitzig对大脑运动皮层的研究;Munk对视皮层的研究等等) 
都是通过用直接电刺激法或切除动物脑的部分特殊区域来研究结构-功 
能之间的关系[P(Ψ/Φ)];相反的,Gall理论的事实证据主要是将颅骨 
特征与行为联系起来[P(Φ/Ψ)]并且认为有这些颅骨特征的人就必然有 
这样的行为[P(Ψ/Φ)]。如果P(Ψ/Φ)= P(Φ/Ψ),那么后来科学推理 
的结构就不一定必然是有问题的,然而事实并非如此。 
    当脑成像研究的一般结论涉及到认知功能的脑结构或事件时,它有 
一个隐含的假设,即结构与功能有1:1的关系,也就是说:P(Ψ/Φ)=  
P(Φ/Ψ)。然而,有一点是十分重要,即这些分析不仅仅只基于与成像 
数据的一致性。理想的情形是,我们在评价情景(assessment context, 
即Φ是Ψ的标记)或交叉情景(across context,Φ与Ψ的关系不变的)下, 
能够得到P(not-Ψ/Φ)=0的证据。由此,强推理便有可能成立(Cacioppo  
& Tassinary, 1990)。而在缺少这些证据的情况下,如果对脑成像数据的 
解释能被修改来反映出认知神经关系的所缺乏的信息,换句话说,即能保 
证P(Ψ/Φ)= P(Φ/Ψ)假设的信度,认知神经科学是可以发展起来的。 
 
--
※ 转载:.紫 丁 香 bbs.hit.edu.cn.[FROM: 202.118.226.8]
[百宝箱] [返回首页] [上级目录] [根目录] [返回顶部] [刷新] [返回]
Powered by KBS BBS 2.0 (http://dev.kcn.cn)
页面执行时间:9.839毫秒