临界点假说真的靠谱吗？有新研究拆穿了fMRI的假象。传统观念认为，大脑就像水在0℃时一样，恰好处于有序与混沌的边缘。这种状态让大脑既稳定又灵活，对外界刺激高度敏感。多年来的脑电数据里反复出现的“幂律分布”和“尺度不变性”，被看作临界状态的标志。最新发表在《物理评论快报》上的研究却给出了不同的答案。研究者们发现，许多看似临界的现象其实是统计幻象。他们把格拉纳达大学、马克斯·普朗克研究所等机构的专家组织起来，对神经科学中常用的两种检测临界性的方法进行了全面审查。结果发现，功能磁共振成像（fMRI）记录的BOLD信号本身就有很强的时间自相关性，会随着时间缓慢变化。当这种信号遇到时间有限、脑区数量较多的问题时，就容易产生类似幂律分布的统计特征。论文作者鲁本·卡尔沃·伊巴涅斯举了一个形象的例子：他们构建了一个各区域之间完全没有连接的脑活动模型，输入了具有较长自相关时间的信号后，那些看起来像临界性的特征就会自动出现。 研究团队没有止步于揭示问题，还提出了一套更严格的检验框架。这个框架包括三种工具：时间偏移随机化、跨被试数据合并和指数匹配。他们把这套方法应用到LEMON数据集上进行测试：136名被试、183个脑区、每人约10分钟的静息态扫描。经过处理后，在群体层面上发现临界性特征依然存在，但数值为0.88而不是完全临界的1.0。卡尔沃解释说这个数值代表大脑停在临界点稍微内侧的位置。他认为这样能保留多尺度集体模式和强大的可控放大能力。 这次研究影响了AI领域。大脑临界性假说已经渗入了人工智能中：储层计算网络研究者发现运行在混沌边缘附近的神经网络性能最优。如果检测工具本身存在偏差，这套理论基础就需要重新审视。鲁本·卡尔沃·伊巴涅斯团队计划构建基于脑结构连接组的模型来直接关联临界特征与大脑物理线路图。他们还计划追踪临界距离随年龄、疾病状态和认知负荷变化的情况。 这个关于大脑在混沌边缘漫步的故事才刚开始被看清楚。