《Cortex》：Dissociations within Arithmetic Rules: different neural bases and solution processes in Zero and One Multiplications
编辑推荐：
本研究针对零和一的乘法运算是否共享相同规则处理机制这一认知神经科学问题，通过fMRI技术结合行为实验，首次系统比较了健康成人在解决N×0、N×1及其他个位数乘法时的神经激活模式与行为表现。结果发现零乘法激活右侧楔前叶更显著，且与一乘法在行为准确率和反应时上存在显著差异，表明二者依赖不同的神经认知过程，挑战了传统"规则类问题"的同质性假设，为算术认知模型提供了重要神经证据。
当我们进行简单的算术运算时，比如计算3×5，大脑会如何工作？长期以来，认知神经科学家将像N×0=0和N×1=N这样的特殊乘法归类为"规则类问题"，认为它们通过抽象规则而非记忆提取来解决。然而，这种分类是否过于简化？零和一的乘法真的共享相同的认知神经机制吗？
这些问题背后隐藏着对人类高级认知功能的深刻追问。在日常生活中，从计算购物折扣到规划旅行预算，算术能力是不可或缺的基本技能。而零和一的乘法作为算术系统的重要组成部分，其加工机制的理解对于揭示数学思维的本质具有重要意义。传统观点认为，这类问题通过规则应用快速解决，但行为学研究却发现了一个有趣现象：人们解决零乘法的速度通常慢于一乘法，且错误率更高。这种差异暗示着，或许我们的大脑在处理这两种运算时，动用了不同的认知资源。
为了解开这个谜团，来自意大利帕多瓦大学的研究团队在《Cortex》杂志上发表了一项创新性研究。他们采用功能磁共振成像(fMRI)技术，结合行为测量和多变量分析方法，首次直接比较了零乘法、一乘法及其他个位数乘法在大脑中的加工过程。
研究团队招募了21名健康年轻成人参与实验。在fMRI扫描仪中，参与者完成了一项乘法验证任务：判断屏幕上呈现的乘法等式是否正确。实验精心设计了三种问题类型：零乘法(N×0)、一乘法(N×1)和普通乘法事实(N×3到N×9)。每种类型又细分为匹配(正确答案)和非匹配(错误答案)条件，错误答案还根据与正确答案的数值距离分为近距离和远距离两类。
技术方法上，研究采用事件相关fMRI设计记录大脑活动，同时收集行为反应时和准确率数据。通过单变量分析比较不同条件间的脑区激活强度，并运用表征相似性分析(RSA)这一多变量技术，考察不同脑区的活动模式如何区分各类乘法问题。数据分析还采用了混合效应模型处理行为数据，确保统计结果的可靠性。
行为结果显示，参与者在解决一乘法时表现最佳，反应最快且错误率最低；零乘法的表现则与普通乘法事实更为相似，反应时较长且错误率较高。特别值得注意的是，在非匹配试验中，零乘法和普通乘法都显示出明显的距离效应——拒绝近距离错误答案比远距离答案更困难，而一乘法则没有表现出这种效应。这一发现提示，零乘法的解决过程可能涉及与普通乘法相似的干扰机制，而非纯粹规则应用。
神经影像学结果揭示了更加引人注目的差异。单变量分析发现，与一乘法相比，解决零乘法时右侧楔前叶(precuneus)激活显著增强。这一脑区与空间注意、心理意象和数量操作密切相关。进一步的多变量RSA分析表明，不同脑区活动模式能够有效区分三类乘法问题。特别是在右侧楔前叶区域，零和一乘法表现出明显的神经表征分离，说明这两个运算类型在大脑中具有不同的编码方式。
对于普通乘法事实与一乘法的比较，研究发现左侧额顶网络（包括下顶叶、额下回等区域）在解决普通乘法时激活更强。这些区域通常与事实提取、反应选择和语义记忆检索相关，表明普通乘法的解决可能涉及更复杂的记忆检索过程。
研究结论部分，作者指出这些发现挑战了将零和一乘法视为同质"规则类问题"的传统观点。相反，证据表明这两种运算依赖不同的神经认知机制：一乘法可能通过高度自动化的规则应用解决，过程高效且直接；而零乘法则可能涉及更复杂的认知操作，包括数量表征的访问和后续的"归零"处理，这需要额外的注意资源和空间转换能力。
讨论部分深入探讨了这些差异的潜在原因。从发展角度看，儿童掌握一的概念远早于零，这种发展时序差异可能影响成人期这两种数字的神经表征。语言因素也值得关注：在多数语言中，一与单数形式一致，而零常与复数形式连用，这种语言学特性可能增加零处理的认知负荷。更重要的是，零在数学上的特殊性——它既表示"无"，又在数轴上占据独特位置——可能要求大脑采用特殊的处理策略。
这项研究的重要意义在于，它首次提供了零和一乘法神经基础分离的直接证据，为完善算术认知模型提供了重要依据。临床应用上，这些发现有助于理解计算障碍患者的特异性缺陷模式，为针对性干预提供理论指导。未来研究可以进一步探索这些神经标记在发展群体和特殊人群中的表现，以及它们与数学教育成效的关系。
通过结合先进神经影像技术与精细实验设计，这项研究为我们理解人类数学思维的大脑基础增添了新的重要篇章，同时也展示了多变量分析方法在揭示复杂认知过程神经机制方面的强大潜力。
