註意力的認知神經機制是什麽？

註意力本身有很多層次的定義，在相對宏觀的層次，是我們在認知上選擇做某件事情而壓制其他不相關資訊輸入和處理的現象和能力，比如在工作編程、學習時候忽略周邊環境中的看到的和聽到的資訊，進入所謂的「心流」 ^[1] 狀態。在更細小的層次上，是我們從一種訊號中篩選出更有用的訊號的體驗，比如在視覺上註視某種物件。前者涉及到多種認知功能的協同，後者只涉及單種認知更功能的資訊處理。

一般我們日常中所理解的「註意力」，指的是前者的多種認知能力協同的狀態。在這種協同狀態，我們大腦的所有高級認知功能中的資訊處理能力都是優先分配當前任務相關的子功能。還是以編程為例，我們的大腦會在該狀態中優先把包括 工作記憶（前後語句之間的變量、邏輯關系抽象等）、視覺（字元、操作界面）、邏輯能力（程式邏輯、運算邏輯）、語言能力（變量命名、變量語意、程式語意）以及運動能力（打字）分配給它。所以我們在「編程」中很難進行 對話（語言資源沖突）、行走（運動控制資源沖突）或者註意周邊環境中的物體運動（視覺資源沖突）等。

註意狀態的資源分配優先是一方面，另一方面，它還涉及到各種任務相關資源的協同，具體地，也就是構建各種認知資源之間的快速溝通通路，並釘選溝通通路的狀態。而且，協同狀態釘選所涉及的認知資源，是在認真任務開始之前就預設定好的 ^[2] 。我們越是熟悉對應的認知任務，這些認知資源和認知資源溝通狀態的預釘選需要的時間就越短。因此，我們可以觀測到，一個資深的程式設計師可以很快的進入工作狀態，而一個菜鳥程式設計師可能需要磨磨蹭蹭很久才能開始敲鍵盤。

這種認知資源和認知資源協同狀態的預釘選，就像對大腦這台電腦的"虛擬化"，預先寫好資源請求參數，並預裝了所需要的程式執行和依賴環境 ^[3] 。不同的是，認知上註意力的「虛擬化」能力不僅能對軟性的處理能力和資源（CPU、GPU、記憶體、硬碟；記憶、聽覺處理、視覺處理、邏輯處理）進行虛擬化，還能對訊號的輸入輸出和執行通道進行「虛擬化」（聽覺輸入輸出通道、運動執行通道、視覺輸入通道等）。當然，與前者不同的是，軟性的處理能力和資源的虛擬化支持多個虛擬環境的執行，而訊號輸入輸出和執行通道的虛擬化通常僅僅支持一個虛擬環境。這也是比較好理解的：一台伺服器，可以同時執行多個虛擬環境，但伺服器控制的運動執行機構（比如串口控制的機械臂）不可能同時支持多個虛擬環境執行。因此，我們可以一邊唱歌一邊走路，但是不能一邊編程一邊玩遊戲。

如何構建這種虛擬化能力，就是復雜任務方面註意力要解決的問題。復雜任務方面的訓練讓我們能事先寫好了大腦'Docker容器'的「映像」檔，當「映像」被啟動時候，也就是任務相關註意力開始執行的時候。這時，我們的大腦進入「任務依賴認知狀態」(task-dependent cognitive state) ^[4] , 這種狀態會一直持續，到認知任務的結束/被打斷。在該狀態中，我們大腦會自動的安排該任務所涉及的子任務的執行序列和資源排程 ^[5] ，就像CPU的佇列排程演算法一樣，自動的進行資源分配、佇列、優先級分配、執行以及資源釋放 ^[6] . 在具體的任務中，我們可以在所涉及的任務處理腦區觀測到任務的「執行控制訊號」(Executive control signals) ^{[7] [8]} . 具體地，執行控制訊號可以分為三種 ^[9] ：1) 任務開始和結束訊號, 2)任務維持訊號, 3)任務執行誤差反饋訊號.

也就是說，註意力透過這些訊號控制，釘選相關腦區的工作狀態，同時加強相關腦區的環通度 ^{[10] [11] [12]} ，削弱其他聯通性，讓我們的大腦臨時性、軟性的改變結構，變得「任務特異化」 ^[13] 。這不僅有助於提高任務的處理效率，還能排除內在和外在的幹擾，盡量避免任務被打斷。所謂「心流」、「全神貫註」也即是這樣的註意力控制下的任務執行狀態。

由於任務相關的訓練經歷的差異，我們不同的人在進行相同的認知任務執行的時候，其資源釘選和環通度釘選情況和能力存在較大的差異，也就造成了不同的人在進行同種任務時候的註意力水平的差異。由於任務執行的誤差反饋訊號的存在，我們的任務相關註意力的訓練跟任務執行過程中的「獎賞」和「懲罰」有直接的關系——「獎賞」和「懲罰」來得越快越準 ^{[14] [15]} ，任務執行控制的誤差反饋越準確，對任務執行能力的訓練以及對應註意力的訓練/強化越有幫助。

參考

1. ^ Landhäußer, A., & Keller, J. (2012). Flow and its affective, cognitive, and performance-related consequences. In Advances in flow research (pp. 65-85). Springer, New York, NY.
2. ^ Meiran, N. (1996). Reconfiguration of processing mode prior to task performance. Journal of Experimental Psychology: Learning, memory, and cognition, 22(6), 1423.
3. ^ Semnanian, A. A., Pham, J., Englert, B., & Wu, X. (2011, April). Virtualization technology and its impact on computer hardware architecture. In 2011 Eighth International Conference on Information Technology: New Generations (pp. 719-724). IEEE.
4. ^ Logan, G. D., & Gordon, R. D. (2001). Executive control of visual attention in dual-task situations. Psychological review, 108(2), 393.
5. ^ Desimone, R., & Duncan, J. (1995). Neural mechanisms of selective visual attention. Annual review of neuroscience, 18(1), 193-222.
6. ^ Qureshi, I. (2014). Cpu scheduling algorithms: A survey. International Journal of Advanced Networking and Applications, 5(4), 1968.
7. ^ Bryden, D. W., & Roesch, M. R. (2015). Executive control signals in orbitofrontal cortex during response inhibition. Journal of Neuroscience, 35(9), 3903-3914.
8. ^ Donaldson, D. I. (2004). Parsing brain activity with fMRI and mixed designs: what kind of a state is neuroimaging in?. Trends in neurosciences, 27(8), 442-444.
9. ^ Chawla, D., Rees, G., & Friston, K. J. (1999). The physiological basis of attentional modulation in extrastriate visual areas. Nature neuroscience, 2(7), 671-676.
10. ^ Horwitz, B. (2003). The elusive concept of brain connectivity. Neuroimage, 19(2), 466-470.
11. ^ Hampson, M., Driesen, N. R., Skudlarski, P., Gore, J. C., & Constable, R. T. (2006). Brain connectivity related to working memory performance. Journal of Neuroscience, 26(51), 13338-13343.
12. ^ Parks, E. L., & Madden, D. J. (2013). Brain connectivity and visual attention. Brain connectivity, 3(4), 317-338.
13. ^ Cocchi, L., Bramati, I. E., Zalesky, A., Furukawa, E., Fontenelle, L. F., Moll, J., ... & Mattos, P. (2012). Altered functional brain connectivity in a non-clinical sample of young adults with attention-deficit/hyperactivity disorder. Journal of Neuroscience, 32(49), 17753-17761.
14. ^ Braver, T. S., & Barch, D. M. (2006). Extracting core components of cognitive control. Trends in cognitive sciences, 10(12), 529-532.
15. ^ Collins, A. G., & Frank, M. J. (2013). Cognitive control over learning: creating, clustering, and generalizing task-set structure. Psychological review, 120(1), 190.