跨眼跳工作记忆

想象屏幕上闪过两个彩色小方块,你要记住它们的颜色和位置。然后屏幕另一处冒出一个色轮,你的眼睛被迫跳过去——这一跳,就是整个故事的主角。(眼睛这种又快又猛的跳动,科学上叫「跳视」(saccade),后面我们都用这个词。)

研究者管这套任务叫 LOCUS(位置与颜色的跨跳视更新)。它的精妙之处在于:通过控制色轮出现的位置,他们能精确决定你在哪一步被迫移动眼睛。

点击下面的「下一步 →」,跟着一次完整的试验走一遍。注意观察左边那个小人的视线——它落在哪个十字上,以及它什么时候被迫跳开。

上面演示的是最完整的「跳两次」条件。跳视在哪一步发生,其实是可变的:色轮可能紧挨着第二个方块(不用跳),也可能远在天边(必须跳)。把这些组合起来,就得到四种条件:不跳视、第一项后跳、第二项后跳、跳两次。条件之间唯一的差别,就是眼睛被迫移动了几次、什么时候移动。

这意味着我们可以干一件干净利落的事:把同样的记忆任务,放在「不动眼」和「动眼」两种情况下对比。如果眼动真的有代价,它会在这里显形。

这是全文最关键的一个发现,而且它出乎许多人意料。直觉上,如果眼动会扰乱记忆,那它应该把整段记忆都搅浑——颜色和位置一起遭殃。

但事实不是这样。

拖动下面的滑块,从「不跳视」一路推到「跳两次」。盯着两组数据:红色柱是位置误差,绿色点连成的线是颜色误差。

看到了吗?随着跳视次数增加,红色的位置误差一路爬升,从约 1.8° 涨到 3.1°;而绿色的颜色误差几乎是一条水平线,纹丝不动。同样的眼动,同一次试验里,只偷走了「在哪里」,却放过了「是什么颜色」。

这也不是因为测量太迟钝、没能测出本该存在的差异——颜色记忆里有清晰的「近因效应」(第二个方块比第一个记得准),说明这套测量完全能捕捉到记忆的波动,只是跳视这件事确实没动它。

这个不对称,就是整篇论文的引擎。它说明:位置不是被静静地存在某个「世界地图」上的。如果是那样,眼睛动不动都无所谓。位置之所以会因为眼动而变糟,是因为它必须在每次跳视后被主动重新计算一遍——这个跨越跳视、重新对齐位置的过程,科学上叫「重映射」(remapping)。而重算,总会引入噪声。

既然位置需要被重算,那就得先问:大脑一开始到底把位置记在了什么坐标系里?这是研究者用计算模型要回答的核心问题。

打个比方。你要记住一杯咖啡在哪。一种办法是记「它在桌子左上角」——这是世界中心坐标,跟你眼睛朝哪没关系。另一种办法是记「从我现在盯着的地方,往左上 30°、距离一拳」——这是眼睛中心坐标,你一转头,这套坐标就全得更新。

点击下面的三个标签,看同一段记忆在三种假设下分别长什么样。注意每次切换后,坐标系的原点跑到哪去了。

注意第一个标签里,灰雾以刺激点为中心慢慢扩散——记忆在世界坐标里整体变模糊。而切到第二个标签,原点跳到了蓝色的注视点上,刺激被一根橙色箭头表示成「方向 + 距离」。一旦你的眼睛移动,这根箭头就得重新画。

第三个标签加进了真实生活里绕不开的东西:你脑子里同时记着的另一个方块(干扰项)。它会偷偷把你的答案往自己那边拽一点。

可这几种图景,到底哪一个(或哪几个的组合)才是大脑真正在用的?光靠想是分不出来的——得让它们在真实数据上比一场。

把前面这些可能性摆到一起,其实是在问三个问题:位置是记在世界里,还是记在眼睛里?如果是记在眼睛里,那眼睛一动、原点没了,你靠记着「眼睛刚才在哪」来重映射,还是靠记着「我刚才跳了多远」?以及——要不要算上旁边那个干扰项?不同的回答组合起来,拼出七个相互竞争的模型。研究者用贝叶斯模型选择,让它们在真实数据上一较高下——这个方法自带「奥卡姆剃刀」,会惩罚那些靠堆复杂度取胜的模型。

胜出的模型,其实就是三个关键抉择拼出来的。

下面把这三个抉择拆成三道选择题。点「下一个问题 →」逐个走一遍——每一步都是一场 A vs B 的对决,看谁赢、为什么。底部的「冠军配方」会一块一块拼出来。

三个抉择拼到一起,就是冠军模型:「眼睛中心 + 靠跳视向量重建 + 含干扰」。在所有候选里,它的胜算(后验概率)高达 0.86,把第二名(0.14)远远甩开——这是相当强的证据(对第二名的压倒程度,贝叶斯因子 6.11)。

这个结果讲了一件很深的事:跨跳视的误差,不是因为你忘了眼睛刚才在哪(被动遗忘),而是因为大脑在主动地、却不完美地,根据「我刚才跳了多远、往哪跳」这份带噪声的内部副本,去重建位置。每跳一次,这份噪声就累加一层。

到这里,故事都发生在健康人身上。但这项研究真正盯着的,是另外两群人:阿尔茨海默(AD)和帕金森(PD)患者。这两种病都伴随明显的视觉空间障碍——病人会画不好图、在空间里出错(第六幕细讲)。一个关键问题悬而未决:这些障碍,究竟是那台跨跳视的「重映射机器」坏了,还是只是笼统的「整体退化」?前面这台能拆解机制的「显微镜」,正好能把两者分开。

于是研究者把同一套 LOCUS 任务和模型,用到四组人身上:健康年轻人(YC)、健康老人(EC)、PD 和 AD 患者。

意料之中的部分先来:随着年龄增长、病情加重,空间记忆整体确实越来越差——平均误差从年轻人、到老人,再到 PD、AD 一级级递增。这一点不奇怪。

但反转在于:多跳一次眼睛额外带来的那点「跳视代价」,在四组人里几乎一模一样,连患者也不例外。换句话说,疾病并没有让「跳一次的额外成本」变大。那么,既然这台重映射机器对所有人收的「过路费」都一样,患者整体上为什么还是差这么多?

答案藏在模型参数里。把空间记忆想象成一条流水线:先编码初始角度 → 在维持期里衰减 → 跨跳视时重映射更新 → 还要扛住干扰。

依次点击四组人的标签。盯住中间那个「跳视更新」环节——看看在所有组里,它是什么颜色。

这就是最反直觉、也最优雅的结论:「跳视更新」这一环节,在年轻人、老人、PD、AD 身上,全都是绿的——完好无损。真正变红的,是初始的角度编码、对「距离」的记忆衰减得更快(也就是第三幕里那个 r,径向)、以及对干扰的抵抗力变弱。

用解剖学的话说:大脑里负责「在哪里」(where)的那套回路——背侧通路,顶叶到额叶、专门做坐标变换的地方——异常顽强,扛过了正常老化;而负责「是什么」(what,比如颜色长什么样)的腹侧通路,会随年龄褪色,在 AD 里被进一步重创。这正好呼应了第二幕的发现:跳视伤的是「在哪里」,放过的是「是什么」。负责重映射的那台机器本身,直到疾病相当严重才会出问题。

到这里你可能会想:跳视记忆很有意思,但它和真实生活有什么关系?

研究者让所有人做了一件神经科临床的经典任务——临摹一张复杂图形(ROCF)。几十年来有个老问题困扰着这个领域:传统的记忆测验(比如数字广度)几乎预测不了一个人画得好不好。为什么?

因为画图的时候,你根本不靠死记硬背。你在原图和你的画之间不停地来回看——把外部世界当成一个「外置硬盘」,看一眼画一笔。代价是:你把记忆负担甩给了世界,却把全部赌注押在了每一次眼跳后能否精确重映射上。

下面左右两边是同一个临摹任务。对比左边的年轻人和右边的 AD 患者:数一数他们眼睛在原图和画纸之间跳了多少次,看看重映射噪声怎么一点点累积,最后落到笔尖上。

AD 患者临摹时平均要跳视 150–260 次,而健康人只要约 100 次。看得越频繁,本该减轻记忆负担,可一旦重映射本身带着更多噪声,每多看一眼,就多累积一层误差。笔尖于是开始抖动、错位。

最有力的证据是:用 LOCUS 任务里那几个计算参数,能解释 62% 的临摹表现差异。哪怕扣掉年龄、教育、整体记忆分,跨跳视记忆和画图能力之间的关联依然牢固(相关系数 rho = −0.46;负号的意思是:跨跳视误差越大,画得越差)。

这给「画图障碍」(constructional apraxia)一个全新的机制解释:问题也许不在记忆「容量」太小,而在于反复重映射过程中累积的空间噪声。高分辨率的跨跳视记忆,与其说是为了「看见」一个稳定的世界,不如说是为了行动——为了让你的手,能落到眼睛刚刚看过的地方。

这篇文章从头到尾都在讲:你的眼睛每跳一次,大脑就得重新拼一次世界。现在请你回想一下,过去这十几分钟,你做了什么。

点击下面每一行,看看你在这篇文章里做过的动作,对应着论文描述的哪个过程。

你点过的每一个标签、拖过的每一根滑块、读过的每一行字——每一次,你的眼睛都做了一次跳视。从这个词跳到下一个词,你视网膜上的整幅画面都在剧烈位移,而你毫无察觉。

你之所以能顺畅地读完,是因为你的大脑刚刚成功地、不完美地、带着一点点你永远不会注意到的噪声,完成了上千次重映射。

这篇论文研究的那个机制,你不只是读懂了它。
你刚刚,用自己的眼睛,把它运行了一千遍。