跳蛛利用其巨大的前眼，在复杂的3D环境中追踪猎物，规划复杂路线，应对视觉遮挡和移动叶片的干扰，即使目标被遮挡也知道其3D方向，并区分猎物和潜在配偶。这些惊人的行为每天都在跳蛛的微小大脑中完成。然而，神经科学实验室通常使用简单的2D绘图（甚至孤立线条、点或Gabor斑块）来研究视觉场景分析——这与真实世界的复杂性相去甚远。本文节选自Nachum Ulanovsky的新书《自然神经科学》，系统解析为什么系统神经科学需要拥抱自然行为，批判过度控制的实验，并探讨涌现现象和还原论的局限性。
一、自然行为 vs. 实验室研究的鸿沟
| 方面 | 自然行为（如跳蛛） | 实验室研究 |
|---|---|---|
| 刺激复杂性 | 3D场景、视觉遮挡、移动叶片、复杂杂乱背景 | 2D简单绘图、孤立线条、点、Gabor斑块 |
| 任务类型 | 捕猎、交配选择、3D路线规划 | 被动观看、简单辨别 |
| 环境 | 自然、动态、多模态（视觉+振动） | 高度受控、简化、静态 |
| 认知需求 | 空间记忆、目标识别、决策、跨时间整合 | 通常只涉及一个狭窄方面 |
| 物种 | 跳蛛（非标准模型） | 标准模型（小鼠、猴、人类） |
二、控制 vs. 自然：一个概念框架
| 象限 | 控制程度 | 自然程度 | 典型实验 | 问题 |
|---|---|---|---|---|
| 左上（传统主流） | 高度控制 | 人工 | 麻醉/头部固定下的电生理；简化刺激 | 可能错过自然行为的复杂性和涌现特性 |
| 右下（自然神经科学） | 较少控制 | 自然 | 自由行为动物记录；自然刺激 | 因果推断困难，但能揭示真实神经机制 |
传统神经科学倾向于高度控制的实验室实验，但这种方法可能忽略了自然行为中涌现的复杂神经动态。自然神经科学倡导在更贴近生态效度的条件下研究大脑，例如使用自由移动的动物、自然刺激和复杂任务。这种转变要求发展新的记录技术和分析方法，以应对高维数据。Ulanovsky在书中强调，只有将还原论与整体论结合，才能真正理解大脑如何产生行为。