我们每天都在多任务处理：边开车边聊天、边做饭边接电话。传统心理学一直认为，同时执行多个任务会争夺有限的认知资源，所以表现会下降。2026 年 6 月 29 日，香港中文大学柯亚团队和香港城市大学容永豪团队合作，在 Neuron 在线发表了题为「Dynamic coordination and segregation mechanisms in higher cortex for parallel task processing」的研究论文。他们不仅在小鼠中建立了真正的双任务范式，更揭示大脑通过「协调」与「分离」两种互补机制实现并行任务处理，重新审视了多任务仅靠资源竞争的传统观点。
文章截图
原文链接：https://doi.org/10.1016/j.neuron.2026.06.001
多任务干扰不只来自共享神经元
长期以来，神经科学界的主流观点是：如果两个任务需要同一群神经元，它们就会互相干扰。研究团队训练小鼠同时完成一个杠杆保持任务和一个 Go/No-Go（GNG）听觉辨别任务，结果发现小鼠在双任务初期确实出现了 GNG 表现下降，杠杆运动也出现了短暂扰动。这看起来符合经典理论，但研究团队对次级运动皮层（Secondary Motor Cortex，M2）中的 673 个神经元进行了长期追踪，发现干扰的来源远比「共享神经元竞争」更复杂。
图 1 小鼠学会通过任务干扰迹象实现多任务处理
出人意料的是，GNG 任务受损确实发生在对两个任务都有反应的共享神经元中，这些神经元在双任务条件下对声音线索的选择性显著下降。然而，杠杆任务的干扰却主要出现在另一群神经元中 —— 那些本应只负责杠杆控制的非共享神经元。这些非共享杠杆神经元在 Go 试次中的活动反而降低。与此一致的是，Go 试次中杠杆轨迹的偏离幅度与 GNG 成功率正相关，提示这种活动降低可能通过轻微牺牲运动稳定性来支持听觉辨别。也就是说，大脑并不是简单地在两个任务之间「抢资源」，而是主动让一部分原本专一于运动的神经元「让步」，为认知辨别腾出编码空间。
「协调」是早期成功的代价与策略
研究团队把这种机制称为「协调」。它解释了为什么小鼠在双任务学习的早期就能取得一定成功：通过轻微牺牲运动稳定性，换取对声音线索更好的辨别。不过，协调只能带来短期收益，真正让小鼠成为「多任务高手」的是训练诱发的「分离」。随着约 1 周的训练推进，共享神经元的比例逐渐减少，而 DT-specific 神经元对 GNG 辨别的贡献增加，其中具有 GNG 选择性的 DT-specific 神经元比例也显著上升，杠杆和 GNG 的任务表征在神经群体活动中逐渐变得相互独立。
图 2 M2 中的任务表征与干扰
因果验证来自光遗传学实验。研究团队抑制 M2 的神经活动后发现，这并不影响小鼠已经掌握的单任务或专家级双任务表现，却显著阻碍了训练带来的双任务改善。这说明 M2 的作用不在于维持基本任务执行，而在于推动多任务所需的神经重组。
人工神经网络也需要「先协调，后分离」
协调与分离的组合是否只是小鼠 M2 的特例？研究团队在循环神经网络（Recurrent Neural Network，RNN）中复现了同一任务结构。当模型被鼓励让两个任务的表征正交时，虽然最终能学会双任务，但学习速度变慢；而当模型同时保留早期协调单元并促进其他单元分离时，学习速度明显加快。这一结果提示，协调与分离的结合可能是一种普遍的计算原则，不仅适用于生物大脑，也可能为人工智能的多任务学习提供启发。
图 3 训练过程可使生物神经网络与人工神经网络中的表征实现正交化
资源竞争、动态协调和表征分离，三种机制在同一项研究中被并置观察。这改变了「多任务只是共享资源竞争」的简化理解，揭示大脑会在灵活性和专门化之间主动寻找平衡。
不过，该研究目前仅在小鼠 M2 中完成，所测试的任务也相对简单，结论能否推广到灵长类前额叶或更复杂的人类多任务场景，仍需更多跨物种和跨脑区的验证。
原文链接：
https://doi.org/10.1016/j.neuron.2026.06.001
