最近發(fā)表在《神經(jīng)元》（Neuron）雜志上的一項研究探討了人類(lèi)大腦在信息處理速度上的能力。研究發(fā)現，我們的思維速度遠不如想象中那樣敏捷。

在計算機領(lǐng)域，比特（bit）是信息的基本單位，用于表示一個(gè)二進(jìn)制狀態(tài)（0或1）。通過(guò)大量比特的組合，計算機可以高效存儲和處理龐大的數據量，展現出卓越的性能。

人類(lèi)大腦處理信息的能力每秒只有10比特

（圖片來(lái)源：文獻1）

這項研究顯示，人類(lèi)行為的信息傳輸速率僅約10比特/秒，而感官系統能夠每秒吸收約10?比特的信息量。這意味著(zhù)我們的周?chē)窠?jīng)系統正在以千兆比特的速率并行收集感官數據，比大腦最終輸出的微不足道的10比特高出幾個(gè)數量級！

這一現象觸及了大腦功能的根本問(wèn)題：是什么神經(jīng)機制限制了人類(lèi)思維的速度？為什么大腦坐擁十億個(gè)神經(jīng)元，卻只能處理如此少量的信息？

人腦和計算機處理信息的方式有何不同？

首先需要明確的是，這里所討論的人類(lèi)思維速度實(shí)際上指的是信息處理速度，即大腦在特定時(shí)間內理解、分析并處理信息的能力。這與計算機處理數據的概念有著(zhù)本質(zhì)的區別。

計算機的信息處理更接近于一種量化的存儲與運算，而人類(lèi)思維則包含了更復雜和多維度的活動(dòng)。

人類(lèi)大腦基于神經(jīng)元網(wǎng)絡(luò )，通過(guò)生物電信號和化學(xué)信號傳遞信息。它具有非線(xiàn)性和分布式處理的特點(diǎn)，能夠整合經(jīng)驗、情感和直覺(jué)，以完成復雜的推理和決策。

相比之下，計算機基于數字電路和二進(jìn)制運算，以明確的算法和程序為基礎進(jìn)行信息處理。盡管計算機在邏輯性、精確性和計算速度方面具有優(yōu)勢，但缺乏自主思考能力，也無(wú)法建立與情感相關(guān)的關(guān)聯(lián)。

兩者的差異不僅體現在能力上，更反映了自然與人工系統根本“設計”理念的不同。

科學(xué)家是如何量化人腦思維速度的？

這一研究表明人腦的思維速度為10比特/秒，這個(gè)具體的數值是怎么得來(lái)的呢？

為了量化人的信息處理速度，科學(xué)家們設計了各種實(shí)驗以研究人類(lèi)在執行各種任務(wù)時(shí)處理的信息量，來(lái)估算思維速度。

1. 盲解魔方實(shí)驗；

科學(xué)家們做了盲解魔方實(shí)驗，參與者首先有幾秒鐘的時(shí)間觀(guān)察魔方并記住其初始狀態(tài)，然后在完全不看魔方的情況下嘗試將其復原。整個(gè)過(guò)程被分為兩個(gè)階段：觀(guān)察階段和解題階段。研究人員通過(guò)記錄觀(guān)察時(shí)間和解題時(shí)間來(lái)評估參與者的認知處理速度。

盲解魔方實(shí)驗

（圖片來(lái)源：作者使用AI生成）

盲解魔方實(shí)驗的挑戰在于需要在極短的時(shí)間內對4.3×1016種可能的魔方狀態(tài)進(jìn)行篩選并提取關(guān)鍵信息，形成記憶策略。實(shí)驗數據顯示，參與者在觀(guān)察階段的信息處理速度約為11.8比特/秒。這表明，即使面對復雜的任務(wù)，大腦在處理和記憶過(guò)程中仍保持接近10比特/秒的速率，這一結果支持了大腦在高強度認知任務(wù)中的串行化工作機制。

2. 打字任務(wù)實(shí)驗；

科學(xué)家們還設計了打字任務(wù)實(shí)驗。參與者需要根據手寫(xiě)文本進(jìn)行英文打字。熟練打字員的平均速度約為每分鐘120個(gè)單詞，每個(gè)單詞包含約5個(gè)字符。研究人員通過(guò)計算輸入字符的總數和所用時(shí)間，評估打字任務(wù)中的實(shí)際信息處理速率。

實(shí)驗表明，參與者在輸入有意義的英文文本時(shí)，會(huì )根據語(yǔ)言模式和上下文提示來(lái)提高輸入速度。然而，當實(shí)驗者要求打字員輸入隨機字符序列時(shí)，輸入速度則顯著(zhù)下降，這恰恰也反映了認知過(guò)程對語(yǔ)義和記憶模式的高度依賴(lài)。盡管手部動(dòng)作的速度可以達到較高水平，但信息處理的上限仍為10比特/秒，這表明大腦的認知瓶頸不僅受限于運動(dòng)系統的速度，還與大腦內部的串行化信息篩選和處理機制有關(guān)。這一實(shí)驗突顯了語(yǔ)言模式識別和認知簡(jiǎn)化在提高輸入效率中的重要性。

通過(guò)打字來(lái)反映信息處理速度

（圖片來(lái)源：作者使用AI生成）

3. 電子競技實(shí)驗；

為了進(jìn)一步驗證這一結論，研究人員將目光投向了電子競技選手?？旃澴嚯娔X游戲如《星際爭霸》被用作研究人類(lèi)信息處理速度的工具，因其需要玩家在極短時(shí)間內完成資源管理、戰術(shù)操作和戰略決策等多任務(wù)。研究顯示，通過(guò)比較實(shí)際操作中的動(dòng)作與理論可能動(dòng)作之間的決策速度，得出了職業(yè)選手的信息處理速率約為10比特/秒，反映了人類(lèi)在復雜、高壓力環(huán)境中的認知極限。

《星際爭霸》也被用作研究人類(lèi)信息處理速度的工具

（圖片來(lái)源：作者使用AI生成）

是什么限制了人腦處理信息的速度？

首先，大腦存在明顯的“外部大腦”和“內部大腦”分工?！巴獠看竽X”負責處理大量高維度的感官輸入，如視覺(jué)和聽(tīng)覺(jué)等系統以并行方式接收和處理信息，每秒傳遞的數據量可達數十億比特。而“內部大腦”則負責對這些信息進(jìn)行篩選和壓縮，僅提取與行為相關(guān)的少量關(guān)鍵信息，用于決策和行動(dòng)。這一篩選過(guò)程極大地限制了信息處理的速度，就好像我們看到的畫(huà)面包含了很多信息，但大腦卻只處理其中一點(diǎn)點(diǎn)有用的信息。

其次，人類(lèi)認知具有串行處理的特點(diǎn)，也就是大腦一次只能專(zhuān)注于一個(gè)任務(wù)。這種“單線(xiàn)程”操作模式導致行為速度的瓶頸。例如，同時(shí)面對兩個(gè)任務(wù)時(shí)，第二個(gè)任務(wù)的處理必須等待第一個(gè)任務(wù)完成后才能進(jìn)行。

大腦一次只能專(zhuān)注于一個(gè)任務(wù)

（圖片來(lái)源：作者使用AI生成）

雖然大腦高級認知區域（如前額葉皮層）包含數十億神經(jīng)元，但其主要任務(wù)是將感官輸入、記憶、情緒和目標整合為低維度的行為決策。這種復雜的整合和協(xié)調過(guò)程需要時(shí)間，限制了行為反應的速度。

此外，突觸傳遞和神經(jīng)網(wǎng)絡(luò )的復雜性也對速度形成了限制。單個(gè)神經(jīng)元的傳遞速度雖然較快，但神經(jīng)信號需要經(jīng)過(guò)多個(gè)神經(jīng)元和突觸的逐層傳遞，而不是一次直接完成。同時(shí)，大腦會(huì )優(yōu)先優(yōu)化行為的準確性和靈活性，而非速度，這是一種進(jìn)化適應性設計，目的是在特定的環(huán)境中提高生存能力。

最后，選擇性注意和過(guò)濾機制雖然能夠有效節省認知資源，但也導致了感官信息被大量丟棄，從而進(jìn)一步限制了行為輸出的速度。這種設計是為了應對復雜環(huán)境下的信息過(guò)載，但其代價(jià)是大腦的反應速度遠低于感官輸入的處理能力。

這些機制共同作用，使人類(lèi)行為的輸出速率僅約10比特/秒，與感官系統的輸入速率形成了鮮明的對比，也揭示了大腦在“設計”上的優(yōu)先考量。

總結

感官輸入與大腦處理速度之間的巨大差異，仍然是科學(xué)領(lǐng)域的一大謎題。盡管人類(lèi)的大腦可以捕捉豐富的外界信息，偶爾展現出卓越的記憶能力，甚至能夠無(wú)意識地處理部分信息，但其實(shí)際的運轉速度卻顯得極為緩慢。每秒10比特的信息處理速度無(wú)疑為認知能力設定了上限。

那么，未來(lái)我們能否突破這一“瓶頸”？

以腦機接口為例，科學(xué)家們正致力于在人腦與計算機之間建立高效的直接通信通道，希望實(shí)現快速、無(wú)縫的信息交互。然而，如果大腦的生理極限確實(shí)存在，那么再先進(jìn)的技術(shù)也難以突破這一基本約束。正如將一臺硬件性能有限的設備接入超高速網(wǎng)絡(luò )，外部升級無(wú)法改變其內部的處理速度。

但是，這并不意味著(zhù)我們的研究應該停滯不前。相反，這一挑戰提示我們，未來(lái)我們還需要更深入地研究大腦的結構與工作機制，探索提升認知效率的潛在方法。

參考文獻：

1.Zheng, Jieyu, and Markus Meister. "The unbearable slowness of being: Why do we live at 10 bits/s?." Neuron (2024).

2.Dhakal, Vivek, et al. "Observations on typing from 136 million keystrokes." Proceedings of the 2018 CHI conference on human factors in computing systems. 2018.

3.Vinyals, Oriol, et al. "Starcraft ii: A new challenge for reinforcement learning." arXiv preprint arXiv:1708.04782 (2017).

歡迎掃碼關(guān)注深i科普！

我們將定期推出

公益、免費、優(yōu)惠的科普活動(dòng)和科普好物！