编辑推荐：
本研究针对多感官知觉中的因果推断问题，探讨了大脑在判断视听刺激是否来自同一源时，是否需要外显的认知加工。研究人员通过设计新颖的听觉距离判断任务，结合表征相似性分析和计算建模，发现当因果结构不直接相关于任务时，观察者倾向于采用简单的随机融合策略而非最优的贝叶斯因果推断模型。该研究揭示了因果推断过程的“条件性自动化”特征，为理解多感官整合的认知机制提供了重要证据。
当我们同时看到一辆汽车驶来并听到它的鸣笛声时，大脑会自然而然地认为这些视觉和听觉信息来自同一个源——那辆汽车。这种将不同感官信息绑定在一起的能力，被称为多感官整合，它帮助我们更准确地感知环境。然而，大脑面临一个根本性挑战：如何判断这些同时出现的视听刺激究竟是来自同一物体，还是巧合发生的不同事件？这个“因果推断”问题一直是多感官研究领域的核心议题。
传统观点认为，大脑会像最优的统计学家一样，根据视听刺激之间的空间和时间差异，自动推断它们是否同源，这一过程被形式化为贝叶斯因果推断模型。但近年来，科学家们开始质疑这种推断过程是否真的如此“自动化”——它是否需要我们的主动注意和意识参与，还是可以在无意识层面自动完成？为了回答这个问题，德国埃尔兰根-纽伦堡大学的研究团队设计了一项巧妙的实验，成果发表在《Cognition》上。
研究人员招募了47名健康参与者，让他们完成一项新颖的“听觉距离判断任务”：连续呈现两个视听刺激对，参与者只需判断两个听觉刺激之间的空间距离，而完全忽略同时出现的视觉刺激。通过这种设计，因果推断对于完成任务而言只是“隐含相关”而非“直接相关”。研究人员还设置了三个对照任务进行比较：联合定位与因果判断任务（明确要求判断因果结构）、双定位任务和单定位任务。
为了揭示参与者隐含的空间表征，研究团队采用了表征相似性分析和多维尺度分析技术。他们发现，在因果结构不直接相关的任务中，参与者的行为模式更符合“随机融合模型”——一种简单的决策策略，即大脑以固定概率选择融合或分离视听信息，而不考虑空间差异。相反，只有当任务明确要求判断因果结构时，参与者的行为才符合贝叶斯因果推断模型的预测。
主要技术方法
研究采用空间腹语术范式，通过四个扬声器呈现听觉刺激（白噪声），视觉刺激为点云。主要技术包括：① 多感官空间定位任务设计；② 表征相似性分析和多维尺度分析用于提取空间表征；③ 计算建模比较（贝叶斯因果推断模型、随机融合模型、固定准则模型和强制融合模型）；④ 跨模态偏倚量化视觉对听觉定位的影响。实验包含25名参与者（18-29岁），采用反应盒记录行为数据。
研究结果
视觉可靠性调节整合程度
无论任务如何，高可靠性的视觉刺激总是产生更强的视觉偏倚，表明视觉信息的可靠性是影响整合强度的关键因素。
空间差异的作用取决于任务需求
在需要外显因果判断的任务中，小空间差异导致更强的视觉偏倚，符合因果推断预测；但在距离判断任务中，这种依赖关系减弱，表明空间差异的利用需要外显任务需求。
计算模型揭示决策策略差异
贝叶斯模型比较显示，随机融合模型在距离判断任务中表现最佳，而贝叶斯因果推断模型仅在联合定位与因果判断任务中胜出，证明策略选择高度依赖任务要求。
响应分布揭示策略机制
通过模拟响应分布发现，随机融合模型预测双峰分布，而贝叶斯模型预测重尾分布，行为数据在不同任务中分别支持这两种模式，进一步证实策略的差异性。
结论与意义
本研究通过巧妙的实验设计证明，因果推断并非完全自动化的过程，而是高度依赖于任务背景。当因果结构直接相关时，大脑会投入认知资源进行复杂的贝叶斯推断；但当其仅隐含相关时，大脑则“节约资源”地采用简单的随机融合策略。这一发现挑战了多感官整合完全自动化的传统观点，揭示了认知控制在多感官加工中的重要作用。
从理论层面，研究提出了“条件性自动化”新视角，为理解多感官整合的认知机制提供了重要证据。方法论上，结合表征相似性分析和计算建模的方法为研究内隐表征提供了新范式。这些发现对发展更符合人脑加工特点的人工智能系统具有启发意义，提示最优算法可能需要考虑认知资源的限制。
