PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關注，點亮星標 ??

不錯過每日前沿資訊

認知神經(jīng)科學前沿文獻分享

基本信息：

Title:Integration of affective cues in context-rich and dynamic scenes varies across individuals

發(fā)表時間：2025.12.16

Journal:Nature communications

影響因子：15.7

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

想象一下，你在街頭偶遇一位朋友，他正對著手機目瞪口呆。如果只看那張臉，你可能覺得他在驚訝；但若瞥見手機屏幕上的中獎信息，你會立刻判定那是狂喜。這種“察言觀色”的本領，本質上是大腦在進行一場精密的信息博弈。長期以來，心理學界對我們如何整合面部表情與周圍環(huán)境（情境）存在爭議：大腦是像天平一樣，根據(jù)線索的可靠程度進行精準的“加權計算”（貝葉斯策略），還是僅僅簡單粗暴地將兩者“取平均值”（啟發(fā)式策略）？過往研究多聚焦于靜態(tài)圖像，難以還原現(xiàn)實生活中瞬息萬變的情緒感知，這留下了探索人類社交大腦底層邏輯的“最后一公里”。

研究總結

近日，加州大學伯克利分校的研究團隊在《Nature Communications》發(fā)表重要研究 。研究者通過“推論情緒追蹤”任務，要求近千名受試者對自然視頻中人物的心理狀態(tài)進行動態(tài)評分，并利用計算建模對比了多種整合策略 。

核心發(fā)現(xiàn)如下：

大腦的“動態(tài)天平”：總體而言，人類感知情緒遵循貝葉斯框架。當面部表情模糊時，大腦會自動增加情境線索的權重；反之亦然，實現(xiàn)信息的最優(yōu)整合 。

獨特的個體差異：研究首次揭示了情緒識別的“個性化算法”。雖然貝葉斯模型在個體水平上預測最準，但仍有部分人傾向于使用更簡單的“啟發(fā)式平均”策略 。

動態(tài)優(yōu)于靜態(tài)：只有能夠動態(tài)更新權重的模型，才能精準預測人類在復雜現(xiàn)實場景下的情緒判斷 。

研究意義

這項研究不僅從計算神經(jīng)科學角度解析了“社交高手”背后的認知機制，還提醒我們，情緒識別并非千篇一律的固定公式，而是高度個性化的動態(tài)過程 。這為理解神經(jīng)多樣性人群（如自閉癥群體）的社交感知差異，以及開發(fā)更智能的情感計算系統(tǒng)提供了前沿的理論支撐 。

核心圖片

Figure1

Figure2

Figure3

Figure4

Figure5

Figure6

Figure7

前沿交流|歡迎加入認知神經(jīng)科學前沿交流群！

核心圖表、方法細節(jié)、統(tǒng)計結果與討論見原文及其拓展數(shù)據(jù)。

分享人：天天

審核：PsyBrain 腦心前沿編輯部