Arousal as competition, valence as drive:a two-control account of affective modulation in the magnitude system

我们的도大脑在不断地测量世界，不仅是在空间或时间维度上，还在数量维度上。我们本能地知道一群鸟的数量是足够少到可以快速计数，还是多到需要进行粗略估计。科学家长期以来一直怀疑，大脑使用一个共享的内部系统来处理这些不同类型的量级，将数字、时间和空间视为同一底层过程的不同变体。然而，这个谜题中一个至关重要的部分一直缺失：我们的情绪状态是如何改变我们对这些事物的测量方式的？我们知道恐惧或兴奋会使我们的注意力更加集中，或者让我们觉得时间变慢了，但我们一直缺乏一个清晰的解释，说明这些感受是如何在物理层面上改变大脑的计数机制的。大脑仅仅是在我们兴奋时调高了一个全局音量旋钮，让一切都感觉变得更大或更快吗？还是它以一种更复杂的方式运作，改变了信息处理的规则本身？

来自印度克里亚大学（Krea University）研究人员的一项新研究针对这个问题提出了一个具体的、由两部分组成的答案。他们认为，我们的情绪并不是一种单一、统一的力量。相反，它们通过两个不同的控制机制来塑造大脑处理量级的方式。第一个控制机制由唤醒度（arousal）驱动，即生理兴奋或警觉的程度。第二个控制机制由效价（valence）驱动，即情绪的正向或负向性质。研究人员认为，唤醒度就像是加剧了大脑神经网络内部的竞争，而效价则像是对系统整体驱动力或能量的提升。通过将这些情绪状态映射到大脑计数的计算机模型中，他们发现高唤醒度并不仅仅是简单地将我们的估计值向上或向下移动。相反，它缩小了我们能够准确感知的数字范围，导致我们严重低估大量的数量，却对那些容易计数的少量数字几乎没有影响。

为了测试这一想法，研究人员构建了一个数字模拟神经网络，旨在模仿大脑中负责估计数字的部分。该网络由许多协同工作的单元组成，其中每个单元在自我兴奋的同时也会抑制其邻近的单元。这种设置创造了一种自然的竞争：如果太多单元试图同时保持活跃，它们就会互相抵消。该模型依赖于两个可调节的设置来运行。一个设置控制单元之间相互抑制的强度，另一个设置控制驱动它们激活的强度。研究人员将“唤ک醒度”的概念映射到抑制设置上，并将“效价”映射到驱动设置上。在他们的模拟中，增加唤醒度意味着让单元在抑制其邻居方面变得更加激进，从而有效地提高了计数的阈值。

当他们在模型中运行模拟时，出现了一个挑战简单、统一情绪偏移观念的清晰模式。当研究人员在模型中增加唤醒度设置时，系统并不仅仅是产生了一个微小的计数误差。相反，它导致了表示大数字能力的崩溃。对于较小的集合（通常在四到五个以内），模型保持准确，能够继续正确计数。然而，随着项目数量的增加，高度的竞争导致网络失去了对总数的追踪。在一个特定的测试中，当研究人员稍微增加唤醒度水平时，模型对五十个项目的估计下降了近三十五。系统仍在工作，但它已经失去了承载那个大数字的表征能力。一旦内部竞争变得过于激烈，网络就无法维持代表较大数量所需的活动模式。

这一发现表明，唤醒度充当了一个过滤器，缩小了大脑感知的窗口。它并不均匀地扭曲现实；相反，它限制了可以被处理的量级范围。模型显示，这种效应具有高度的选择性。同一种唤醒度的增加，在完全不影响对小规模群体的计数的同时，却导致了对大规模群体的严重低估。这是因为网络有一个特定的极限，或者说一个临界点，一旦超过这个点，内部竞争就会变得过于强大。当唤醒度将系统推向这个极限时，信息就会从大脑的工作记忆中消失。研究人员计算出了这种崩溃的一个精确数学边界，表明集合的项目越多，在唤醒度上升时就越容易丢失。

研究还探讨了情绪的正向或负向性质（即效价）如何与这一过程相互作用。他们发现，效价起到了平衡的作用。一种正向的情绪状态（增加了网络的驱动力或能量）可以略微扩展系统可以处理的数字范围，为抵御高唤醒度带来的收缩效应提供一定的保护。相反，负向状态会降低这种驱动力，使系统更容易发生信息丢失。然而，研究人员指出，唤醒度的主要效应是范围的收缩，且无论情绪是正向还是负向，这种效应都是稳健存在的。关键的启示是，大脑的计数能力不仅仅是一个注意力问题；它是竞争与驱动之间的一种脆弱平衡，而高唤醒度通过加强竞争打破了这种平衡。

这些结果为我们理解为什么在压力或兴奋时可能会误算或失去对时间的感知提供了一种新的途径。这并不是因为我们的大脑仅仅是“失灵”了，或者我们在犯随机错误。相反，我们的情绪状态正在积极地重新配置感知的内部机制，缩小了我们可以保持在脑海中的范围。研究人员将他们的发现与现有的理论进行了对比，这些理论认为唤醒度仅仅是放大所有处理过程或作为一种全局增益。他们的模拟显示，如果唤醒度是以这种简单的方式运作，那么误差将在所有数字上都是平滑且一致的。他们的模型产生了针对大数字的突然且具选择性的崩溃，这一事实支持了他们更复杂的观点：即唤醒度通过增加竞争，从根本上改变了游戏规则。

研究还观察了做出这些判断所需的时间。他们发现，当网络处于高唤醒度下时，尤其是在处理较大的集合时，系统需要更长的时间才能确定答案。这表明大脑在增加的内部噪声和竞争中，正努力寻找一个稳定的模式。这种延迟，结合在大数字上的准确度骤降，构成了一个情绪如何改变感知的独特特征：这是一种特定的失败模式——小数字依然清晰，但大数字消失了，且计数的过程变慢了。

尽管这项研究是基于计算机模拟而非直接的人类实验，但其结果与心理学领域的一些现有观察相吻合。例如，之前的研究表明，恐惧的面孔会导致对数字的低估，这符合模型的预测，即高唤醒度会导致大量数量的丢失。研究人员承认，他们的模型是一个需要进一步通过人类行为进行测试的假设，特别是关于其在时间感知方面的表现。他们指出，如果该理论正确，我们应该在人类受试者身上看到这种特定的“范围收缩”模式，而不是简单的估计值偏移。

最终，这项工作为情绪如何塑造我们的感知提供了一个详细的机械论解释。它超越了“情绪会影响我们”这种模糊的概念，转而展示了情绪究竟是如何重构大脑计数系统的。通过识别两个独立的控制变量——一个用于竞争，一个用于驱动——研究人员提供了一个框架，解释了为什么高唤醒度会让我们失去对大量数量的掌控，同时却让对小规模数量的处理保持不变。这提醒我们，情绪状态不仅仅是一种背景感受，它还是我们测量和理解世界的一个积极参与者，能够缩小我们所能感知的范围。