走在熙攘的街道，仰望掠过天际的鸟群，扫视繁忙的车流，人并不需要逐个辨识每一个物体，就能立刻把握住场景的整体态势。长期以来神经科学的主流观点认为，这种把大量零散视觉元素汇总、提炼出整体特征的 “集合知觉”，是由大脑后顶叶等高级脑区完成的工作。一项新近发表的小鼠研究修正了这一认知：初级视皮层（V1）并非单纯传递原始信号的中继站，在视觉加工的最前端便启动统计特征提取与初步信息压缩，并与高级脑区分层协作，构建起一套高效的感知通路。该成果刊发于Advanced Science[1]。

来自韩国基础科学研究所的研究团队设计了一套精巧的行为实验。头部固定的小鼠面对屏幕上数百个各自随机运动的光点，要依据光点整体的平均运动方向做出左右判断。每一个光点的运动方向互不相同，不存在可以单独追踪的标记点，任务只能依靠大脑对海量视觉单元进行集体统计运算。即便是在噪声极高、连人类都难以判别整体走向的刺激条件下，小鼠依然可以稳定完成分辨。

利用微型钙成像技术，研究人员同步观测初级视皮层与后顶叶皮层的神经元活动。数据表明，V1并非只编码朝向、亮度这类基础视觉特征；神经元集群能够表征运动的平均方向，同时捕捉视觉信号的波动与离散程度，生成场景的统计摘要。单个神经元的响应起伏不定、可靠性有限；而当一大群神经元协同编码时，输出结果的准确度大幅提升。研究者用陪审团作比方：单个陪审员容易产生偏差，群体合议之后，判断会稳健得多。

这项工作还证实，学习可以自上而下重塑早期视觉处理。经过训练学会区分左右向运动之后，小鼠V1区的神经活动会向习得的目标类别发生偏移。这意味着初级视觉皮层不是固化的硬件通路，任务需求与后天经验能够调控最前端的感官表征。整个视觉系统恰似一条动态压缩流水线，每一级都舍弃次要细节，优先保留对行为决策至关重要的结构信息。

必须审慎看待物种差异带来的局限。小鼠属于夜行性动物，没有灵长类特有的中央凹高分辨视觉，感知更多依赖广阔的周边视野。V1的早期统计编码，有可能是其适应弱光环境演化出来的特殊策略；是否普遍适用于昼行动物乃至人类，还需要跨物种对比研究加以验证。

该发现同样给机器视觉研发带来启示。当前多数AI视觉系统习惯于对全部像素精细解析，算力开销居高不下。如果借鉴大脑“先提取统计概要、后精细辨识细节”的策略，引导系统智能筛选关键信息，有望构建更节能、更敏捷的新一代视觉智能。历经漫长演化，人脑这套从混沌中快速萃取秩序的编码方案，至今仍是人工智能研发最珍贵的参照样本。

参考文献：
[1] Young‑Beom Lee, et al. Hierarchical Summary Statistics Encoding Across Primary Visual and Posterior Parietal Cortices. Advanced Science, 2026.
https://onlinelibrary.wiley.com/doi/10.1002/advs.202512369
DOI:10.1002/advs.202512369

支持单位：