前沿 I · 计算与神经科学前沿
⚠️ 保质期声明：本线三页核对于 2026-07，具体项目与结论以年为单位变动。判断框架长期有效。
心理学正在被三样东西改造：计算模型（把理论写成方程而不是隐喻）、大规模数据（从 30 个大学生到几十万人）、新工具（脑成像、可穿戴、脑机接口）。本页讲这三条线的现状与它们各自的天花板。
1. 计算心理学：把理论写成方程
问题背景：心理学理论长期以语言隐喻表述（"自我损耗像肌肉""注意像聚光灯"）——隐喻不可证伪、不可累积。这被认为是复现危机的深层原因之一（Muthukrishna & Henrich 的"理论危机"论证：没有形式理论，一个失败的复现无法告诉你哪里错了）。
计算建模的三层价值：强迫把假设讲清楚（写成方程就无处含糊）；给出参数化的个体差异（不是"他冲动"，而是"他的折扣率 \(k\) 是 0.03"）；可与神经数据联合拟合。
当前主力模型族：
| 模型 | 解释什么 | 状态 |
|---|---|---|
| 漂移扩散模型（DDM） | 二选一决策的反应时与正确率同时拟合（证据以噪声速率积累到阈限） | 【稳】 认知建模最成功的模型之一（🔗 数学站 sde 线：它字面上就是一个带漂移的布朗运动首达时问题） |
| 强化学习模型（TD、Q） | 学习率、探索、折扣率的个体差异 | 【稳】 且与多巴胺信号对应（第 04 页） |
| 贝叶斯/预测加工 | 知觉、错觉、精神病理的统一框架 | 【摇→争】 解释力强、可证伪性受质疑（"总能事后调先验"） |
| 证据累积 + 神经拟合 | 把行为参数与脑活动绑定 | 活跃 |
【摇】计算精神病学：用模型参数（如学习率异常、先验权重过高）刻画障碍，目标是从症状分类走向机制分层（第 16 页 RDoC 的技术手段）。现实状态：概念优美、论文众多，尚无进入常规临床的诊断或治疗决策工具——这是本页最重要的一句诚实说明。
2. 大数据与新方法
样本革命：从"30 个大学生"到在线大样本（Prolific/MTurk）、跨国协作（Many Labs、Psychological Science Accelerator）、国家级队列（UK Biobank、ABCD 儿童脑发育研究：万人级纵向 + 影像 + 基因）。
【重要】大样本带来的一个反直觉教训：脑-行为关联（BWAS）在小样本中被严重高估——2022 年 Marek 等在 Nature 用上万人数据显示，典型的"脑活动与行为特质"相关只有 \(r \approx 0.1\) 量级，需要数千人样本才能稳定复现，而文献里绝大多数研究是 \(n < 100\)。这一发现回溯性地质疑了十几年的小样本脑成像文献（第 05 页 fMRI 纪律的定量版）。
新数据形态：经验取样法/生态瞬时评估（手机随机弹窗记录当下情绪 —— 摆脱回顾偏差）、被动传感（步数、睡眠、屏幕使用、语音）、数字表型；代价是隐私与知情同意的新难题。
3. 神经技术
脑机接口：运动皮层解码已实现瘫痪者控制光标与机械臂；【显著进展】语音解码——2023–2025 年多项研究实现从皮层活动实时合成语音/文本，词错误率大幅下降，让失语者恢复交流通道（🔗 生命的逻辑站前沿线也记录了这条）。边界：仍是侵入式、少数患者、实验室环境；"读心"式解码在自然思维层面远未实现（现有系统需要使用者主动配合、且训练于特定任务）。
神经调控：TMS 已获批用于难治性抑郁（【稳】 中等效应）；加速方案（如 SAINT/SNT，短周期高频靶向刺激）报告了较高缓解率但需更多独立复现；DBS 用于难治性强迫症与抑郁【摇】（个案与小样本有效，随机对照结果不一）。tDCS 家用设备的证据远弱于宣传【摇→倒】。
【争】意识研究：第 06 页提到的 Cogitate 对抗性协作对 GWT 与 IIT 都不完全有利；2023 年还发生了一场公开信争论（一批学者称 IIT 为"伪科学"，另一批反对这种指控方式）——这场争论本身值得关注：它暴露了"什么算可检验理论"在心理学/神经科学中仍无共识。
4. 判断框架（读神经科学新闻的五问）
- 样本多大？ 脑成像的个体差异研究 \(n < 100\) 基本不可信（Marek 2022）；
- 相关还是因果？ fMRI 是相关；TMS/病灶/光遗传才有因果杠杆（第 05 页）；
- 动物还是人？ 小鼠的机制不自动迁移；
- 实验室还是现实？ BCI 的"实时解码"通常在高度受控条件下；
- 有没有独立复现与预注册？
元判断：神经科学解释的诱惑力高于其信息量——一个心理学结论加上脑图并不会更真（第 05 页的"神经科学诱惑效应"）。问"这个脑机制解释增加了什么可检验的预测"，若答案是"没有，只是换个说法"，那它就是修辞而非科学。
下一页：心理学与 AI 的双向关系——认知科学如何塑造了 AI、AI 又如何反过来成为心理学的对象与工具。