认知神经科学面临着一个根本性的困境：如何在足够受控以保证科学严谨性，但又足够真实以反映现实生活的情况下，研究心理过程？
这个问题将研究者分成两个阵营，他们在何时以及如何对大脑功能形成假设方面采用了截然不同的方法。
在受控范式中——经典的、具有明确定义的任务的实验——研究者在收集数据之前就建立了假设。任务设计成为检验的工具：通过改变条件，可以分离出感兴趣的建构（例如，注意力或工作记忆），并最大限度地减少无关因素的影响。神经成像（fMRI、EEG）在解决任务时记录大脑活动，条件之间的对比表明了所涉及的网络。
自然主义范式则颠倒了这个过程。取而代之的是孤立的任务——观看一部长片、阅读小说或听讲座。取而代之的是预设的假设——建立计算模型，试图根据从刺激中提取的特征来预测大脑活动。编码模型处理连续变化的活动，而个体间相关性则显示了面对相同内容时，不同个体大脑处理的同步程度。在这类研究中，假设不是在实验前形成的，而是在分析过程中通过特征选择和模型架构形成的。
这种差异不仅仅是方法上的，更是概念上的。它改变了对心理建构的理解。当你让参与者执行一个具有明确定义的刺激和正确答案的注意力任务时，你将注意力构建为一个离散的、受控的过程。当你观察一个观众沉浸在电影中时，你看到的是注意力作为感知、情感、记忆和期待的动态相互作用——一个更加复杂且不易孤立的现象。
但这里存在一个悖论：自然主义方法并没有消除理论假设，它们只是将假设从显眼的位置移到了不显眼的位置。特征的选择、神经网络模型的架构、相关性的计算方式——这些都是隐藏的假设，往往是隐含的。相反，受控范式迫使研究者将假设明确说出来，然后再进行检验。自然主义方法承诺更高的生态效度，但却冒着将主观性隐藏在权重矩阵和数学滤波器中的风险。
一个实际的例子：想象一下，一位神经科学家在观众观看惊悚片时记录他们的 fMRI 活动。他建立了一个编码模型，该模型根据屏幕上的光照强度来预测视觉皮层的活动。模型效果很好——解释了 60% 的方差。但这是否真的意味着视觉皮层只处理图像的物理特性？不——这意味着模型捕捉到了处理的一个方面。情绪、期待、对情节的记忆都对相同的体素有贡献。自然主义方法并没有解决这个建构效度问题，它只是将其隐藏起来。
认知神经科学的未来显然不在于选择一种方法，而在于整合它们。受控范式对于检验特定机制和因果关系仍然是必要的。但它们过于狭窄，无法描述建构如何在多维的现实世界环境中相互作用。自然主义方法提供了这样的图景，但需要锚点——明确的效度检验，通常是在实验室条件下获得的。当两种方法协同工作时，每一种都能弥补另一种的盲点。
还有一个第三层次的整合——主动认知的建模。人类不仅是感知和记忆：他们推理、做决定、解决数学问题。这些过程需要自己的方法学，本质上是混合的。决策的计算模型（证据累积理论、贝叶斯模型）允许将受控实验的严谨性与自然主义场景的现实性结合起来。
主要的局限性仍然未解决：没有一种方法能保证所选择的特征确实反映了目标建构，而不是副过程。在特定大脑区域测得的活动总是多种过程的综合。因此，建构的效度验证应该成为任何研究设计的明确组成部分：需要积极地检验所获得的结果是否确实与感兴趣的现象相关，而不是与隐藏在同一标签下的其他东西相关。
