最近微信改版，容易找不到尹哥的文章，大家記得把尹哥設(shè)為星標(biāo)?? 哦~

前段時(shí)間，比利時(shí)一位15歲的少年獲得了量子物理學(xué)博士學(xué)位，成為了歷史上最年輕的物理學(xué)博士。據(jù)說這孩子從小智力超群，一路開掛，11歲就已本科畢業(yè)。

看到這兒，真不禁讓人半是感慨、半是自嘲地思索：人與人之間智商的鴻溝，是否真如網(wǎng)絡(luò)段子所言，堪比物種之別？

你是否也好奇，這些聰明人的大腦到底與普通人有什么不一樣？接下來，就讓我們一起拆解三篇論文，來一探這“高智商大腦”的秘密！

01

神經(jīng)元越大，智商越高

首先來看神經(jīng)科學(xué)領(lǐng)域的一項(xiàng)發(fā)現(xiàn)。一篇發(fā)表在《eLife》期刊上的研究，從單個(gè)腦細(xì)胞的層面提供了一些線索：原來，高智商人群大腦皮層中的錐體神經(jīng)元不僅體積更大、結(jié)構(gòu)更復(fù)雜，而且放電更快、更穩(wěn)定。

過去幾十年來，科學(xué)家通過腦成像技術(shù)觀察到，智商較高的人往往在顳葉和額葉等區(qū)域的灰質(zhì)更厚?；屹|(zhì)中密集分布著神經(jīng)元的細(xì)胞體及其樹突。

但一個(gè)問題隨之而來：更厚的大腦皮層背后，究竟是哪些微觀結(jié)構(gòu)在起作用？是神經(jīng)元數(shù)量更多，還是每個(gè)神經(jīng)元本身更強(qiáng)？

由于難以直接獲取健康人腦組織，這個(gè)問題長(zhǎng)期無法得到直接驗(yàn)證。直到2018年，荷蘭阿姆斯特丹自由大學(xué)的研究團(tuán)隊(duì)抓住了一次難得的機(jī)會(huì)——他們從46位因癲癇或腦腫瘤接受手術(shù)的患者中，獲取了少量健康的顳葉腦組織。這些組織因位于病灶附近而被切除，但其本身并未發(fā)生病變。

更重要的是，這些患者術(shù)前都做了標(biāo)準(zhǔn)的智商測(cè)試（WAIS），還做了高分辨率的MRI腦掃描。于是，研究人員把三樣?xùn)|西串起來了：

● 每個(gè)人的智商分?jǐn)?shù)；

● 他們大腦顳葉的皮層厚度；

● 以及從他們腦組織中提取出的單個(gè)神經(jīng)元的形態(tài)和電活動(dòng)。

△ 試驗(yàn)過程

研究人員對(duì)72個(gè)神經(jīng)元進(jìn)行了精細(xì)的三維重建，發(fā)現(xiàn)一個(gè)驚人的規(guī)律——智商越高的人，其神經(jīng)元的樹突總長(zhǎng)度越長(zhǎng)，分支也越多，這意味著它們能夠接收來自更多其他神經(jīng)元的信號(hào)。

而且，這些樹突結(jié)構(gòu)“茂密”的神經(jīng)元所在區(qū)域，正好對(duì)應(yīng)MRI影像中顯示的皮層較厚的位置。

也就是說，大腦皮層增厚并非由于堆砌了大量小型神經(jīng)元，而是因?yàn)槠渲械纳窠?jīng)元個(gè)體更大、結(jié)構(gòu)更復(fù)雜。

△ 智商得分與顳葉皮質(zhì)厚度呈正相關(guān)

僅有龐大的樹突還不夠，神經(jīng)元的核心功能在于通過產(chǎn)生動(dòng)作電位來傳遞信息。

研究人員通過電極記錄了129個(gè)神經(jīng)元的放電過程，發(fā)現(xiàn)高智商者神經(jīng)元的動(dòng)作電位上升速度更快，尤其在連續(xù)放電時(shí)，例如在大腦高速處理復(fù)雜任務(wù)的過程中，它們的“電脈沖”衰減得更慢。

△ 智商得分與顳葉皮質(zhì)錐體細(xì)胞的樹突結(jié)構(gòu)呈正相關(guān)

△ 較大的樹突可導(dǎo)致動(dòng)作電位更快的起始速度，并改善編碼特性

舉例來說，當(dāng)神經(jīng)元以每秒30次的頻率連續(xù)放電時(shí)，低智商組的神經(jīng)元放電速度會(huì)明顯下降，而高智商組的神經(jīng)元?jiǎng)t能基本保持初始的“爆發(fā)力”。

這表明，他們的神經(jīng)元在高負(fù)荷工作狀態(tài)下依然能夠精準(zhǔn)、高效地傳遞信息。

那么，為什么樹突越大，放電反而越快？這聽起來似乎有些反直覺：樹突主要負(fù)責(zé)接收信號(hào)，而放電始于軸突，兩者如何關(guān)聯(lián)？

實(shí)際上，神經(jīng)元是一個(gè)完整的電生理系統(tǒng)。更大的樹突結(jié)構(gòu)如同一個(gè)更大的“電容負(fù)載”，反而有助于細(xì)胞膜電位更迅速地變化。

計(jì)算機(jī)模擬結(jié)果也證實(shí)了這一點(diǎn)：樹突更長(zhǎng)的神經(jīng)元模型，不僅產(chǎn)生動(dòng)作電位的速度更快，還能更精準(zhǔn)地響應(yīng)高頻輸入信號(hào)。

02

大腦內(nèi)部越簡(jiǎn)單反而越聰明

既然神經(jīng)元的樹突越茂密，大腦就越聰明，那么是不是大腦的結(jié)構(gòu)也越復(fù)雜越好呢？

還真不是這樣！來自德國(guó)波鴻魯爾大學(xué)的研究團(tuán)隊(duì)此前在《自然·通訊》上發(fā)表了一項(xiàng)研究，發(fā)現(xiàn)聰明人的大腦可能更簡(jiǎn)潔高效。

科學(xué)家早已觀察到，聰明人的大腦通常體積更大，尤其是在頂葉和額葉等關(guān)鍵區(qū)域。

而這項(xiàng)研究試圖更進(jìn)一步，探索高智商人群的大腦在微觀結(jié)構(gòu)上是否具有獨(dú)特特征。

為了找到答案，研究者們用了多殼彌散張量成像（簡(jiǎn)稱MS-DTI）和矩陣推理測(cè)試。

MS-DTI能讓我們看到大腦里神經(jīng)纖維的走向和密度，而矩陣推理測(cè)試則是一種用來衡量智力的測(cè)試。

△ 估算大腦的性能

在分析DTI數(shù)據(jù)時(shí)，研究者重點(diǎn)關(guān)注大腦皮層的兩個(gè)指標(biāo)：一是神經(jīng)突密度（INVF Cortex），二是神經(jīng)突方向分散度（ODI Cortex）。

這里的“神經(jīng)突”包括軸突和前面提到的樹突。這兩個(gè)指標(biāo)共同反映了大腦神經(jīng)纖維的密集程度與排列規(guī)整性。

結(jié)果發(fā)現(xiàn)，智商更高的個(gè)體，其大腦皮層中神經(jīng)突密度更低，方向分散度也更低。這說明他們大腦中的神經(jīng)纖維排列更加有序，不那么雜亂無章。

這一發(fā)現(xiàn)支持了所謂的“神經(jīng)效率假說”。該假說認(rèn)為，聰明人的大腦并非依靠“蠻力”運(yùn)作，而是勝在“效率”。也就是說，他們的大腦神經(jīng)網(wǎng)絡(luò)組織得更精煉，信息處理起來更快、更精準(zhǔn)。

那么問題來了：之前的研究不是顯示神經(jīng)元的樹突越大、大腦越聰明嗎？怎么這里又說神經(jīng)突密度低的大腦更聰明呢？

關(guān)鍵在于區(qū)分單個(gè)神經(jīng)元的大小和一個(gè)區(qū)域內(nèi)神經(jīng)元的密集程度：

荷蘭團(tuán)隊(duì)的研究發(fā)現(xiàn)，在智商較高的人群中，單個(gè)錐體神經(jīng)元不僅體積更大，而且樹突結(jié)構(gòu)也更為復(fù)雜。這使得神經(jīng)元內(nèi)部的信息處理速度更快，信息從輸入端（樹突）到輸出端（軸突/動(dòng)作電位）的傳遞也更加高效。

而德國(guó)團(tuán)隊(duì)則測(cè)量了大腦皮層大范圍區(qū)域內(nèi)的神經(jīng)突密度（即單位體積灰質(zhì)中樹突和軸突的數(shù)量）。他們的發(fā)現(xiàn)與荷蘭團(tuán)隊(duì)互補(bǔ)：高智商人群的神經(jīng)突密度更低。

將這兩項(xiàng)研究結(jié)合起來看，我們發(fā)現(xiàn)高智商人群的大腦具有一種獨(dú)特的結(jié)構(gòu)特征——在給定的體積內(nèi)，神經(jīng)元數(shù)量較少（即密度較低、排列更稀疏），但這些神經(jīng)元平均來說體積更大、結(jié)構(gòu)更復(fù)雜。

這種由“更優(yōu)質(zhì)單元”構(gòu)成的“更稀疏網(wǎng)絡(luò)”，可能為信息傳遞提供了更清晰、更少干擾的路徑，從而實(shí)現(xiàn)更高效的處理。這與“神經(jīng)效率假說”的內(nèi)涵高度吻合。

△ 量化單個(gè)腦區(qū)層面的結(jié)構(gòu)-功能關(guān)聯(lián)

由此看來，頭大≠聰明，關(guān)鍵是得細(xì)看“內(nèi)部軟裝”呢！

03

大腦皮層結(jié)構(gòu)與智力的關(guān)聯(lián)

上面的兩項(xiàng)研究都來自2018年。而近年來，神經(jīng)科學(xué)界對(duì)大腦結(jié)構(gòu)與智力之間的關(guān)聯(lián)進(jìn)行了更加細(xì)致的研究。

早期研究多關(guān)注顳葉、額葉等具體腦區(qū)，但實(shí)際上，大腦的高級(jí)功能依賴于遍布各區(qū)域乃至深層結(jié)構(gòu)的協(xié)同網(wǎng)絡(luò)。

例如“默認(rèn)模式網(wǎng)絡(luò)”（DMN），它如同大腦的“后臺(tái)運(yùn)行程序”，在我們休息、放空或進(jìn)行內(nèi)部思考時(shí)活躍。相反，“任務(wù)正向網(wǎng)絡(luò)”（TPN）則在我們專注處理外部任務(wù)時(shí)啟動(dòng)。

重要的是，DMN不僅負(fù)責(zé)“休息”，它在記憶整合、注意力調(diào)控和認(rèn)知靈活性等方面也扮演關(guān)鍵角色。

例如，作為DMN核心樞紐的后扣帶回皮層（PCC），其功能連接強(qiáng)度已被發(fā)現(xiàn)與智力表現(xiàn)正相關(guān)。

2023年4月，美國(guó)貝勒醫(yī)學(xué)院團(tuán)隊(duì)在《大腦與行為》上發(fā)表了一項(xiàng)新研究。他們通過分析DMN和TPN中關(guān)鍵節(jié)點(diǎn)的皮層結(jié)構(gòu)特征——包括皮層厚度和腦回化指數(shù)，來探索這些特征與一般智力（g因子）之間的關(guān)系。

該研究對(duì)44名健康年輕人進(jìn)行了深入分析，發(fā)現(xiàn)皮層厚度與智力之間存在顯著關(guān)聯(lián)，尤其是在DMN的一些關(guān)鍵節(jié)點(diǎn)上，例如右側(cè)顳下回、腹側(cè)后扣帶回及海馬旁回等區(qū)域——這些區(qū)域的皮層越厚，受試者的一般智力分?jǐn)?shù)往往越高。

此外，腦回化指數(shù)（LGI，用于衡量大腦皮層折疊復(fù)雜程度的指標(biāo)）也與智力相關(guān)。研究發(fā)現(xiàn)，在DMN的多個(gè)節(jié)點(diǎn)（如右側(cè)腹側(cè)與背側(cè)后扣帶回、右側(cè)中顳回等），LGI越高，智力評(píng)分也越高。

△ 皮層厚度與g因子的關(guān)系

接著，研究團(tuán)隊(duì)還進(jìn)一步利用皮層厚度和LGI構(gòu)建了線性回歸模型，該模型成功預(yù)測(cè)了受試者的智力分?jǐn)?shù)，解釋力達(dá)到25%。

這表明，大腦的“智力密碼”很可能隱藏在DMN等網(wǎng)絡(luò)的精細(xì)結(jié)構(gòu)之中，即更厚的皮層可能意味著更多的神經(jīng)元和更復(fù)雜的局部連接；更高的折疊程度則擴(kuò)展了皮層表面積，為神經(jīng)計(jì)算提供了更廣闊的空間。

總之，這項(xiàng)研究將智力與特定大腦網(wǎng)絡(luò)的結(jié)構(gòu)明確聯(lián)系起來，比以往僅關(guān)注局部腦區(qū)的研究更進(jìn)一步，也為未來探索認(rèn)知增強(qiáng)或神經(jīng)疾病治療提供了新思路。

例如，通過非侵入性腦刺激技術(shù)調(diào)節(jié)DMN的活動(dòng)，或許有望輔助提升認(rèn)知功能。

在日常的生活、學(xué)習(xí)與工作中，我們常常會(huì)感嘆于某些人思維敏捷、學(xué)習(xí)力強(qiáng)，仿佛天生就擁有“最強(qiáng)大腦”。

通過神經(jīng)科學(xué)的深入研究，我們逐漸揭開了這背后的奧秘——聰明的大腦，并非單純依賴大腦體積、或是神經(jīng)元數(shù)量，而在于神經(jīng)元的質(zhì)量與網(wǎng)絡(luò)連接的精妙布局。

但這些可能都只是冰山的一角，未來更深入的研究必將進(jìn)一步增進(jìn)我們對(duì)大腦與智力關(guān)系的理解。

不過，即使我們大部分人沒有令人羨慕的高智商大腦，但我們?nèi)阅軓摹案咧巧檀竽X”的剖析中獲得啟發(fā)：

追求“更多”未必總是最優(yōu)解，無論是知識(shí)積累、技能學(xué)習(xí)還是生活管理，適時(shí)的“聚焦”與“精簡(jiǎn)” ，保留核心、去除雜蕪、優(yōu)化結(jié)構(gòu)，可能才是通向高效與卓越的關(guān)鍵！

撰文：linwen｜編輯：lcc

參考資料：

[1] Goriounova NA, Heyer DB, Wilbers R, Verhoog MB, Giugliano M, Verbist C, Obermayer J, Kerkhofs A, Smeding H, Verberne M, Idema S, Baayen JC, Pieneman AW, de Kock CP, Klein M, Mansvelder HD. Large and fast human pyramidal neurons associate with intelligence. Elife. 2018 Dec 18;7:e41714. doi: 10.7554/eLife.41714.

[2] Gen?, E., Fraenz, C., Schlüter, C. et al. Diffusion markers of dendritic density and arborization in gray matter predict differences in intelligence. Nat Commun 9, 1905 (2018). https://doi.org/10.1038/s41467-018-04268-8

[3] Yadav A, Purushotham A. Cortical Structure in Nodes of the Default Mode Network Estimates General Intelligence. Brain Behav. 2025 May;15(5):e70531. doi: 10.1002/brb3.70531.