Syllable-timescale organization of auditory–motor feedback control

想象一下，你正试图在桌子上敲击手指，保持完美的节奏。现在，想象有人正在录下你的敲击声，并将其通过耳机播放回你的耳朵里，但带有微小的延迟。如果这个延迟恰到好处，你的大脑就会感到困惑，你的节奏会被打乱，你会开始乱敲一通。这就是“延迟听觉反馈”（Delayed Auditory Feedback, DAF）效应，科学家们自 20 世纪 5 0 年代以来就一直利用这一技巧来研究我们是如何说话的。

几十年来，研究人员注意到一个奇怪的现象：造成最大混乱的延迟总是围绕在 200 毫秒（ms）左右。他们猜测这是因为 200 毫秒 大约是一个音节（比如“ta”或“ba”）的发音时间。他们认为大脑有一个固定的“计时器”，用来检查它听到的声音是否与它预期的声音相匹配，如果延迟扰乱了这个特定的 200 毫秒 窗口，系统就会崩溃。

但这里有一个转折：如果大脑根本没有固定的计时器呢？ 如果大脑的“计时器”是灵活的，会随着你说话的速度精确地拉伸或收缩呢？

这正是 M. Florencia Assaneo 及其在墨西哥国立自治大学（Universidad Nacional Autónoma de México）的团队试图寻找的答案。他们不仅是在猜测；他们进行了实验，构建了计算机大脑，甚至通过 EEG（脑电图）传感器窥探了人类的大脑，以解开这个谜团。

与时间的赛跑

首先，该团队将 15 个人安置在一个房间里，并要求他们以两种不同的速度重复一组音节序列（“ta-te-ti-to-tu”）：一种是缓慢、放松的 每秒 3 个音节，另一种是快速、仓促的 每秒 6 个音节。

在他们吟唱时，研究人员播放了带有不同延迟的声音：30 ms、80 ms、160 ms、240 ms、320 ms 和 400 ms。他们统计了说话者犯了多少次错误（例如重复音节或弄错顺序）。

结果是一个“顿悟”时刻。

• 当说话者快（6 音节/秒）时，造成最大混乱的延迟大约在 80 ms。
• 当说话者慢（3 音节/秒）时，混乱在 160 ms 时达到顶峰。

这种“最具破坏性”的延迟并没有固定在 200 ms。相反，它完美地随说话速度进行了缩放。如果你说话的速度快了一倍，大脑感到困惑的“甜点区”也会快一倍。这表明大脑并不是使用一个僵化的、预设的钟表。相反，它似乎在使用一个灵活的窗口，以匹配你当前正在说的音节长度。

计算机大脑测试

为了确保这不仅仅是一个偶然现象，研究人员构建了三个不同的“计算机大脑”（神经计算模型），以观察哪一个能够解释人类那些杂乱的数据。

1. “逐点式”机器人： 这个模型在每一个极其微小的瞬间进行声波对比。它失败了，无法重现人类的结果。
2. “节奏式”机器人： 这个模型只关心时机和节奏，忽略了实际的声音内容。它也失败了。
3. “音节式”机器人： 这个模型表现得像人类一样。它不会检查每一个毫秒。相反，它会等待整个音节结束，将那一段声音压缩成一个简单的摘要，然后 再将其与预期的声音进行对比。

只有**“音节式机器人”**成功重现了实验结果。它表明，大脑很可能在检查之前，先将声音分组为音节大小的块。如果延迟扰乱了那个特定块的时机，大脑就会陷入恐慌。这种模拟表明，“音节”是我们控制语言的一个基本单元，充当了我们听觉反馈的自然容器。

聆听大脑的“嘘！”

最后，团队想要看看大脑内部发生了什么。他们使用 EEG（脑电图）记录了 28 名参与者的电活动。

当我们说话时，我们的大脑通常会向我们的耳朵发送一个“嘘！”信号，从而抑制我们声音的强度。这被称为言语诱发听觉抑制（Speech-Induced Auditory Suppression, SIAS）。这就像大脑在说：“我知道我在发出那个声音，所以我不需要把它听得那么响。”

研究人员发现，这个“嘘！”信号也取决于音节的速度。当反馈延迟固定在 250 ms 时，当人们说话较慢（3 Hz）时，大脑的抑制作用更强；而当人们说话较快（6 Hz）时，抑制作用则较弱。

这证实了大脑预测并抑制自身声音的能力不仅仅取决于绝对的时间延迟。它还取决于该延迟如何融入音节的节奏。如果延迟破坏了音节的节奏，大脑的预测就会失效，从而导致“嘘！”信号减弱。

结论

那么，我们学到了什么？

• 主要发现： 大脑围绕音节来组织言语反馈。它使用一个灵活的窗口，根据你说话的速度进行拉伸或收缩，而不是使用一个固定的 200 ms 计时器。
• 被排除的可能性： 大脑使用简单的、连续的每一毫秒声波对比，或者仅仅依赖于一个不随说话速度变化的固定节奏，这些想法都被排除了。数据和模拟表明，这些更简单的想法行不通。
• 我们有多确定？ 该团队拥有收敛性证据。他们测量了人类的这种行为，模拟了计算机模型（其中只有基于音节的模型能够复制结果），并且观察到了大脑中相应的神经信号。

虽然该论文并未声称已经解决了关于言语的所有谜团，但它提供了强有力的、直接的证据，证明音节是大脑言语控制架构中的一个关键构建模块。就好像大脑是以“块”的形式进行交谈，如果你搞乱了一个块的时机，整个对话就会踉跄跌倒。