西南大学·陈有国课题组|大脑如何更新时间经验？新研究提供了连接计算模型与神经层面机制的桥梁​

​​   在日常生活中，我们对时间的判断并非绝对准确。经典的“趋中效应”表明，人们会高估较短的时间而低估较长的时间，使判断向所有经历时间的平均值靠拢。传统理论认为，大脑会利用所有输入时间间隔的统计规律（即统计先验）作为判断基准。然而，越来越多的科学家支持“动态先验”假说。该假说认为，大脑对时间的先验知识并非一成不变，而是会像卡尔曼滤波器一样，根据每一次新的时间经验进行实时更新和调整。这两种假说在解释行为数据时都非常有效，但究竟哪种假说更符合大脑的真实运作机制，一直缺乏直接的神经证据。

​    为了解开这一谜团，研究团队设计了一项精巧的时间复制任务。参与者需要观察并记住一个红色圆圈的呈现时间（样本时长），然后通过按键尽可能准确地复制出相同的时间。实验分为短时间背景（0.4秒、0.6秒、0.8秒）和长时间背景（0.8秒、1.0秒、1.2秒）两种情境。构建迭代贝叶斯估计模型对行为数据进行拟合。

在任务过程中，研究人员同步记录了参与者的大脑活动。行为结果成功复现了趋中效应，并且发现，当前试次的复制时间不仅受当前样本时长影响，还会受到前一个试次时长的影响——前一个试次的时间越长，当前试次的复制时间也倾向于更长。这为动态先验假说提供了行为层面的支持。研究的核心在于计算“预测误差”。预测误差是指大脑的“预期”与“实际感受”之间的差异，是驱动学习和更新的关键信号。研究人员分别基于统计先验​（预期为所有时长的平均值）和动态先验​（预期随每次体验更新）两种假说计算了预测误差。

脑电分析发现，当样本时长结束时，会诱发一个显著的前中部脑电成分——P3a。其振幅直接反映了预测误差的大小：误差越大，大脑越“惊奇”，P3a的波幅就越高。关键发现是：​只有基于动态先验假说计算的预测误差，才能更准确地预测P3a振幅的变化。具体表现为：P3a振幅随当前试次时长的增加而减小，但同时随前一个试次时长的增加而增大。这种复杂的模式与动态先验的预测完全吻合，而统计先验模型则无法解释前一个试次的影响。

​    本研究首次提供了明确的电生理证据，表明大脑在处理时间信息时，确实在动态地更新其先验知识。P3a成分可以被视为时间预测误差的一个可靠的神经标志物。这项研究的更深层意义在于，它成功地将计算模型层面的“贝叶斯推理”与神经机制层面的“预测编码”理论联系起来。贝叶斯模型描述了最优的决策计算过程，而预测编码则阐述了大脑如何通过最小化预测误差来实现这一过程。本研究架起了这座桥梁，为“贝叶斯预测编码”提供了一个可行的神经实现方案。此项名为“Electrophysiological Evidence for Dynamic Temporal Priors From Neural Signatures of Temporal Prediction Errors”的研究已于2026年1月30日于国际著名的心理与神经电生理期刊《Psychophysiology》正式发表。

​参考文献​： Chen, Y., Fu, X., & Peng, C. (2026). Electrophysiological Evidence for Dynamic Temporal Priors from Neural Signatures of Temporal Prediction Errors. Psychophysiology, 63(2), e70253. https://doi.org/10.1111/psyp.70253