我们置身的视觉世界，从来都是海量细碎信号的无序叠加：穿行人流的街巷、疾驰车流的道路、四散翩飞的鸟群，无数光影与动态信息杂乱涌入眼底。过去神经科学界普遍形成共识：大脑初级视觉皮层仅承担信号中转功能，只负责接收、传递原始视觉素材，而梳理混乱画面、提炼场景规律、形成有效认知的工作，均由大脑高阶脑区完成。2026年一项小鼠实验研究，彻底更新了这一传统认知。

韩国基础科学研究所团队聚焦生物集合感知机制，探寻大脑取舍视觉信息、留存核心结构的底层逻辑。研究人员以固定头部的小鼠为实验对象，在屏幕投放数百个朝向随机、互不关联的运动光点，无任何单一光点具备规律可循。小鼠只能整合全部光点的运动特征，通过计算整体平均动向判断方向，以此完成行为训练。即便画面干扰极强、人类肉眼难以分辨整体趋势，小鼠仍能精准完成判别任务，展现出高效的视觉整合能力。

依托微型钙成像技术，团队同步观测小鼠初级视觉皮层与后顶叶皮层的神经活动。实验证实，初级视觉皮层绝非简单的信号驿站：其神经元集群可主动编码视觉场景的平均运动方向与动态波动特征，提前完成统计规律提取，为后续认知决策减负。

研究揭示了脑神经的协作智慧：单个神经元信号极不稳定、判断偏差大，如同独立裁决易出错的个体；但海量神经元协同联动后，可形成稳定、精准的整体表征，恰似集体合议得出可靠结论。同时研究发现，后天学习可重塑早期视觉加工模式，任务训练会微调初级视觉皮层的神经响应规律，证明感官底层处理并非一成不变，可被高阶认知需求动态调控。

作为夜行生物，小鼠无灵长类高精度中央凹视觉，其视觉系统演化出适配广域场景、萃取统计规律的独特机制。这套“先压缩、后细化”的大脑认知逻辑，也为人工智能迭代提供了新思路。摒弃机器视觉全盘处理海量数据的高耗模式，借鉴大脑择优提取核心信息的策略，可有效打造更低能耗、更高效率的仿生视觉系统。

参考文献：Young‑Beom Lee et al., Hierarchical Summary Statistics Encoding Across Primary Visual and Posterior Parietal Cortices, Advanced Science (2026), DOI: 10.1002/advs.202512369；https://doi.org/10.1002/advs.202512369

# 神经科学；# 初级视觉皮层；# 集合感知；# 大脑信息压缩；# 视觉认知机制；# 仿生人工智能；# 脑神经统计编码

支持单位：