摘要：

在嘈杂环境中集中注意力时，大脑并不是通过更加努力地集中注意力来应对，而是通过忽略之前造成干扰的输入来调整注意力。研究人员开发了一种神经网络模型，表明人们会根据过去对干扰的经验来微调注意力。与传统的单一任务和单一干扰模型不同，这项研究测试了多个同时存在的干扰，模拟了真实世界的环境。

研究结果显示，人们主要通过抑制之前造成干扰的输入来调整注意力，而不是增强对任务的专注力。这项研究为理解注意力机制提供了新的视角，并可能在认知训练和注意力缺陷多动障碍（ADHD）治疗中具有应用价值。

关键发现：

1. 选择性抑制：大脑学会忽略干扰，而不是更加努力地专注于任务。

2. 现实世界相关性：与以往模型不同，这项研究同时测试了多个干扰，模拟了真实生活中的情境。

3. 神经基础：即将进行的MRI研究旨在识别与适应性注意力控制相关的特定大脑区域。

研究背景：

想象一下，当你在听一位演讲者讲话时，附近有人大声咀嚼薯片。为了应对这种情况，人们可能会调整注意力，降低对咀嚼声的关注，或者将听觉集中在演讲者身上。然而，理解人类大脑如何做到这一点一直是一个挑战。

现在，圣路易斯华盛顿大学的研究人员开发了一种新的神经网络模型，为揭示人类在众多干扰中集中注意力时的大脑机制提供了更好的工具。

研究方法：

这项发表在《自然·人类行为》上的研究表明，人们并不是通过更加努力地集中注意力来聚焦，而是通过忽略过去造成干扰的输入来实现注意力调整。

研究作者、华盛顿大学艺术与科学学院心理与脑科学助理教授Wouter Kool表示：“之前的研究表明，当人们遇到非常困难的任务时，他们会调整注意力，使自己不受新干扰的影响。然而，他们如何调整注意力仍不清楚。”

Kool指出，人们可能会同时使用集中注意力和减少干扰两种方式，但他们的调整方式可能受到之前任务难度的影响。

创新点：

这项研究的关键创新在于，以往的研究通常只关注一个相关信息和一种干扰来源。例如，经典的斯特鲁普任务（Stroop任务）涉及颜色词与印刷颜色是否匹配的测试。通过研究参与者在命名不匹配颜色词时的反应延迟，研究人员创建了简单的神经网络模型来理解人类如何专注于任务。然而，这种模型仅涉及一种干扰和一项任务。

为了更贴近现实，Kool的博士后研究员Davide Gheza改变了实验设计。他们增加了干扰来源，模拟了鸡尾酒会或会议等复杂环境。与斯特鲁普任务中的简单颜色词不同，他们的任务要求参与者在两个复杂的刺激之间进行选择，这些刺激具有不同的形状、颜色、边框和运动方向，总共涉及四种信息来源。

研究结果：

通过让参与者进行一系列试验，其中四种信息来源中的每一种都可能成为目标任务或干扰来源，研究人员发现，人们主要通过调节对干扰的注意力来实现注意力调整，而不是增强对目标的专注力。

Kool解释说：“人们非常具体地调整他们的注意力。如果某物或某人在过去是干扰源，你会学会在未来忽略它们，但你仍然对其他可能帮助完成任务的信息保持开放。”

下一步研究：

接下来的步骤将是在参与者进行MRI扫描时测试该模型。Gheza和Kool认为，这将帮助他们确定人们在遇到并克服多种干扰时大脑中具体发生了什么。

资金来源：

这项研究由多大学研究计划资助（ONR/DoD N00014-23-1-2792）和麦克唐纳系统神经科学中心资助。

关于这项注意力与神经科学研究：

• 作者：Leah Shaffer

• 来源：华盛顿大学圣路易斯分校（WUSTL）

• 联系人：Leah Shaffer – WUSTL

• 图片：图片由Neuroscience News提供

• 原始研究：封闭访问。“Distractor-specific control adaptation in multidimensional environments” by Wouter Kool et al. Nature Human Behavior

结论：

这项研究揭示了大脑在嘈杂环境中如何通过忽略干扰来调整注意力，为理解注意力机制提供了新的视角。未来，这一发现可能为认知训练和ADHD治疗提供新的研究方向。