乔治敦大学医学中心的研究人员在理解大脑如何进行物理重构方面取得了突破性进展，揭示了技能从有意识控制向完全自动化的转变过程。
通过一项让志愿者对汽车图像进行分类的大规模研究，研究人员发现，大脑的表现远不止提高执行速度那么简单。它在物理层面上将任务迁移到了大脑的另一个区域，从而为真正的并行处理腾出了空间。这一发现有力地反驳了“人类只能在不同任务间快速切换”这一流传已久的迷思。
在为期五到十周的时间里，志愿者们通过一款移动应用程序进行了超过三万次的汽车分类尝试，并学会了分辨相似图像之间最细微的差别。研究人员分别在训练初期和结束时，利用功能性磁共振成像（fMRI）和脑电图（EEG）对参与者的大脑进行了两次扫描。
正是这种长期跟踪研究的方法，让科学家们能够观察到高强度练习如何从字面上重塑大脑的神经架构，在原本不存在神经回路的地方建立了全新的连接。
在学习的早期阶段，这项任务需要前额叶皮层的深度参与，而该区域主要负责大脑的有意识决策、规划和意志控制。
研究发现，前额叶皮层就像一个“瓶颈”：它在同一时间内只能聚焦于一项复杂的任务。这就是为什么当你在学习开车时，所有的注意力都会被这一过程完全占据。但经过数周的高强度训练后，情况发生了戏剧性的转变：大脑活动完全转移到了负责目标识别和长期记忆存储的颞叶。此时，信息可以绕过前额叶皮层的瓶颈，直接进入负责快速自动反应的区域。
“经验重塑了大脑，使其能够绕过额叶的瓶颈并提高自动化程度，”该研究的高级作者、乔治敦大学医学中心神经科学教授兼神经工程中心联合主任马克西米利安·里森胡贝尔（Maximilian Riesenhuber）解释道。
实验效果显而易见：任务向颞叶转移得越彻底，参与者在同时处理第二项任务时的表现就越出色——这为“真正的多任务处理”而非简单的注意力切换提供了直接且无可辩驳的证据。长期以来引发争议的多任务处理真实性，终于得到了科学证实。
这项研究还解释了为什么习惯极难改变。习以为常的行为已经植根于几乎独立于有意识控制运行的神经回路中。因此，当一个坏习惯完全自动化后，仅仅依靠“想要改变”的意愿是不够的，因为习惯性动作的启动不再需要负责意志控制的前额叶皮层参与。这一科学发现具有重要的实践意义：它表明要改变根深蒂固的习惯，需要采取比单纯的承诺或意志力更有效的手段。
这一发现还揭示了人类大脑与现代人工智能之间的本质区别。虽然神经网络可以识别模式并处理数据，但它们无法将学到的技能迁移到新的语境中，也无法根据经验自我重构。
相比之下，人类大脑能够将切换到“自动驾驶”模式的旧知识作为学习新技能的基石。这使得人类能够基于已知经验快速掌握新技能。这种根本差异为开发能够真正从经验中学习、而不仅仅是累积参数的人工智能指明了重要方向。
这项名为《广泛经验重塑神经任务回路以摆脱额叶瓶颈并提高分类自动化》（Extensive Experience Remodels Neural Task Circuitry to Escape the Frontal Bottleneck and Increase Automaticity of Categorization）的研究于2026年6月4日发表在《认知神经科学杂志》（Journal of Cognitive Neuroscience）上。研究作者包括帕特里克·考克斯（第一作者）、克拉拉·肖尔、玛丽莎·劳斯、尼尔森·海梅斯、熊江和马克西米利安·里森胡贝尔，他们均来自乔治敦大学。该研究得到了美国国家科学基金会、陆军研究实验室和ARCS基金会的资助。
研究人员已经在规划下一阶段的工作：查明究竟是哪些神经信号触发了技能从大脑一个区域向另一个区域的迁移，并确定哪些类型的任务最终能够实现真正的并行处理。
