會員登錄
最近發(fā)表在《神經(jīng)元》（Neuron）雜志上的一項(xiàng)研究探討了人類大腦在信息處理速度上的能力。研究發(fā)現(xiàn)，我們的思維速度遠(yuǎn)不如想象中那樣敏捷。
在計算機(jī)領(lǐng)域，比特（bit）是信息的基本單位，用于表示一個二進(jìn)制狀態(tài)（0或1）。通過大量比特的組合，計算機(jī)可以高效存儲和處理龐大的數(shù)據(jù)量，展現(xiàn)出卓越的性能。
人類大腦處理信息的能力每秒只有10比特
（圖片來源：文獻(xiàn)1）
這項(xiàng)研究顯示，人類行為的信息傳輸速率僅約10比特/秒，而感官系統(tǒng)能夠每秒吸收約10?比特的信息量。這意味著我們的周圍神經(jīng)系統(tǒng)正在以千兆比特的速率并行收集感官數(shù)據(jù)，比大腦最終輸出的微不足道的10比特高出幾個數(shù)量級！
這一現(xiàn)象觸及了大腦功能的根本問題：是什么神經(jīng)機(jī)制限制了人類思維的速度？為什么大腦坐擁十億個神經(jīng)元，卻只能處理如此少量的信息？
人腦和計算機(jī)處理信息的方式有何不同？
首先需要明確的是，這里所討論的人類思維速度實(shí)際上指的是信息處理速度，即大腦在特定時間內(nèi)理解、分析并處理信息的能力。這與計算機(jī)處理數(shù)據(jù)的概念有著本質(zhì)的區(qū)別。
計算機(jī)的信息處理更接近于一種量化的存儲與運(yùn)算，而人類思維則包含了更復(fù)雜和多維度的活動。
人類大腦基于神經(jīng)元網(wǎng)絡(luò)，通過生物電信號和化學(xué)信號傳遞信息。它具有非線性和分布式處理的特點(diǎn)，能夠整合經(jīng)驗(yàn)、情感和直覺，以完成復(fù)雜的推理和決策。
相比之下，計算機(jī)基于數(shù)字電路和二進(jìn)制運(yùn)算，以明確的算法和程序?yàn)榛A(chǔ)進(jìn)行信息處理。盡管計算機(jī)在邏輯性、精確性和計算速度方面具有優(yōu)勢，但缺乏自主思考能力，也無法建立與情感相關(guān)的關(guān)聯(lián)。
兩者的差異不僅體現(xiàn)在能力上，更反映了自然與人工系統(tǒng)根本“設(shè)計”理念的不同。
科學(xué)家是如何量化人腦思維速度的？
這一研究表明人腦的思維速度為10比特/秒，這個具體的數(shù)值是怎么得來的呢？
為了量化人的信息處理速度，科學(xué)家們設(shè)計了各種實(shí)驗(yàn)以研究人類在執(zhí)行各種任務(wù)時處理的信息量，來估算思維速度。
1. 盲解魔方實(shí)驗(yàn)；
科學(xué)家們做了盲解魔方實(shí)驗(yàn)，參與者首先有幾秒鐘的時間觀察魔方并記住其初始狀態(tài)，然后在完全不看魔方的情況下嘗試將其復(fù)原。整個過程被分為兩個階段：觀察階段和解題階段。研究人員通過記錄觀察時間和解題時間來評估參與者的認(rèn)知處理速度。
盲解魔方實(shí)驗(yàn)
（圖片來源：作者使用AI生成）
盲解魔方實(shí)驗(yàn)的挑戰(zhàn)在于需要在極短的時間內(nèi)對4.3×1016種可能的魔方狀態(tài)進(jìn)行篩選并提取關(guān)鍵信息，形成記憶策略。實(shí)驗(yàn)數(shù)據(jù)顯示，參與者在觀察階段的信息處理速度約為11.8比特/秒。這表明，即使面對復(fù)雜的任務(wù)，大腦在處理和記憶過程中仍保持接近10比特/秒的速率，這一結(jié)果支持了大腦在高強(qiáng)度認(rèn)知任務(wù)中的串行化工作機(jī)制。
2. 打字任務(wù)實(shí)驗(yàn)；
科學(xué)家們還設(shè)計了打字任務(wù)實(shí)驗(yàn)。參與者需要根據(jù)手寫文本進(jìn)行英文打字。熟練打字員的平均速度約為每分鐘120個單詞，每個單詞包含約5個字符。研究人員通過計算輸入字符的總數(shù)和所用時間，評估打字任務(wù)中的實(shí)際信息處理速率。
實(shí)驗(yàn)表明，參與者在輸入有意義的英文文本時，會根據(jù)語言模式和上下文提示來提高輸入速度。然而，當(dāng)實(shí)驗(yàn)者要求打字員輸入隨機(jī)字符序列時，輸入速度則顯著下降，這恰恰也反映了認(rèn)知過程對語義和記憶模式的高度依賴。盡管手部動作的速度可以達(dá)到較高水平，但信息處理的上限仍為10比特/秒，這表明大腦的認(rèn)知瓶頸不僅受限于運(yùn)動系統(tǒng)的速度，還與大腦內(nèi)部的串行化信息篩選和處理機(jī)制有關(guān)。這一實(shí)驗(yàn)突顯了語言模式識別和認(rèn)知簡化在提高輸入效率中的重要性。
通過打字來反映信息處理速度
（圖片來源：作者使用AI生成）
3. 電子競技實(shí)驗(yàn)；
為了進(jìn)一步驗(yàn)證這一結(jié)論，研究人員將目光投向了電子競技選手?？旃?jié)奏電腦游戲如《星際爭霸》被用作研究人類信息處理速度的工具，因其需要玩家在極短時間內(nèi)完成資源管理、戰(zhàn)術(shù)操作和戰(zhàn)略決策等多任務(wù)。研究顯示，通過比較實(shí)際操作中的動作與理論可能動作之間的決策速度，得出了職業(yè)選手的信息處理速率約為10比特/秒，反映了人類在復(fù)雜、高壓力環(huán)境中的認(rèn)知極限。
《星際爭霸》也被用作研究人類信息處理速度的工具
（圖片來源：作者使用AI生成）
是什么限制了人腦處理信息的速度？
首先，大腦存在明顯的“外部大腦”和“內(nèi)部大腦”分工?！巴獠看竽X”負(fù)責(zé)處理大量高維度的感官輸入，如視覺和聽覺等系統(tǒng)以并行方式接收和處理信息，每秒傳遞的數(shù)據(jù)量可達(dá)數(shù)十億比特。而“內(nèi)部大腦”則負(fù)責(zé)對這些信息進(jìn)行篩選和壓縮，僅提取與行為相關(guān)的少量關(guān)鍵信息，用于決策和行動。這一篩選過程極大地限制了信息處理的速度，就好像我們看到的畫面包含了很多信息，但大腦卻只處理其中一點(diǎn)點(diǎn)有用的信息。
其次，人類認(rèn)知具有串行處理的特點(diǎn)，也就是大腦一次只能專注于一個任務(wù)。這種“單線程”操作模式導(dǎo)致行為速度的瓶頸。例如，同時面對兩個任務(wù)時，第二個任務(wù)的處理必須等待第一個任務(wù)完成后才能進(jìn)行。
大腦一次只能專注于一個任務(wù)
（圖片來源：作者使用AI生成）
雖然大腦高級認(rèn)知區(qū)域（如前額葉皮層）包含數(shù)十億神經(jīng)元，但其主要任務(wù)是將感官輸入、記憶、情緒和目標(biāo)整合為低維度的行為決策。這種復(fù)雜的整合和協(xié)調(diào)過程需要時間，限制了行為反應(yīng)的速度。
此外，突觸傳遞和神經(jīng)網(wǎng)絡(luò)的復(fù)雜性也對速度形成了限制。單個神經(jīng)元的傳遞速度雖然較快，但神經(jīng)信號需要經(jīng)過多個神經(jīng)元和突觸的逐層傳遞，而不是一次直接完成。同時，大腦會優(yōu)先優(yōu)化行為的準(zhǔn)確性和靈活性，而非速度，這是一種進(jìn)化適應(yīng)性設(shè)計，目的是在特定的環(huán)境中提高生存能力。
最后，選擇性注意和過濾機(jī)制雖然能夠有效節(jié)省認(rèn)知資源，但也導(dǎo)致了感官信息被大量丟棄，從而進(jìn)一步限制了行為輸出的速度。這種設(shè)計是為了應(yīng)對復(fù)雜環(huán)境下的信息過載，但其代價是大腦的反應(yīng)速度遠(yuǎn)低于感官輸入的處理能力。
這些機(jī)制共同作用，使人類行為的輸出速率僅約10比特/秒，與感官系統(tǒng)的輸入速率形成了鮮明的對比，也揭示了大腦在“設(shè)計”上的優(yōu)先考量。
總結(jié)
感官輸入與大腦處理速度之間的巨大差異，仍然是科學(xué)領(lǐng)域的一大謎題。盡管人類的大腦可以捕捉豐富的外界信息，偶爾展現(xiàn)出卓越的記憶能力，甚至能夠無意識地處理部分信息，但其實(shí)際的運(yùn)轉(zhuǎn)速度卻顯得極為緩慢。每秒10比特的信息處理速度無疑為認(rèn)知能力設(shè)定了上限。
那么，未來我們能否突破這一“瓶頸”？
以腦機(jī)接口為例，科學(xué)家們正致力于在人腦與計算機(jī)之間建立高效的直接通信通道，希望實(shí)現(xiàn)快速、無縫的信息交互。然而，如果大腦的生理極限確實(shí)存在，那么再先進(jìn)的技術(shù)也難以突破這一基本約束。正如將一臺硬件性能有限的設(shè)備接入超高速網(wǎng)絡(luò)，外部升級無法改變其內(nèi)部的處理速度。
但是，這并不意味著我們的研究應(yīng)該停滯不前。相反，這一挑戰(zhàn)提示我們，未來我們還需要更深入地研究大腦的結(jié)構(gòu)與工作機(jī)制，探索提升認(rèn)知效率的潛在方法。
參考文獻(xiàn)：
1.Zheng, Jieyu, and Markus Meister. "The unbearable slowness of being: Why do we live at 10 bits/s?." Neuron (2024).
2.Dhakal, Vivek, et al. "Observations on typing from 136 million keystrokes." Proceedings of the 2018 CHI conference on human factors in computing systems. 2018.
3.Vinyals, Oriol, et al. "Starcraft ii: A new challenge for reinforcement learning." arXiv preprint arXiv:1708.04782 (2017).
歡迎掃碼關(guān)注深i科普！
我們將定期推出
公益、免費(fèi)、優(yōu)惠的科普活動和科普好物！
- 參加最新科普活動
- 認(rèn)識科普小朋友
- 成為科學(xué)小記者
- 參加最新科普活動
- 認(rèn)識科普小朋友
- 成為科學(xué)小記者
