编辑推荐：
默认模式网络（DMN）通过内容特化和记忆特异性两个维度组织功能，支持复杂叙事构建与主观体验。物体、空间和社会信息在DMN亚系统中分工表征，详细事件与概念框架分别对应不同区域，主观体验与多维度表征的形成依赖于DMN路径的协同作用。
莫琳·里奇（Maureen Ritchey）
美国加利福尼亚大学洛杉矶分校心理学系，弗朗茨大厅1285号，洛杉矶，加利福尼亚州90095
情景记忆展现了内部思维的复杂性：它们将人物、地点和事件结合成连贯的叙述，并具有主观性，这使它们与其他心理表征区分开来。在本文中，我认为情景记忆为我们理解默认模式网络（DMN）的功能组织提供了一个有力的视角。最近的研究表明，DMN的记忆相关功能至少沿着两个关键维度进行组织——内容和特异性。不同的区域支持不同类型内容的记忆（例如物体、空间和社会信息），并且具有不同程度的特异性（例如详细的事件与一般的框架）。总体而言，DMN通路能够支持情景思维的多样性，为多维表征赋予主观体验。通过阐明这些通路与记忆特征之间的对应关系，我们可以深入了解DMN如何在不同的认知领域中构建和更新内部叙述。
引言
自从人们开始研究静息状态下的大脑以来，记忆就一直是讨论的重点。在“默认模式”这一术语被提出之前，南希·安德烈亚森（Nancy Andreasen）及其同事将这种状态称为“随机情景性默想”[2]，强调了记忆过程在静息大脑中的核心作用。在他们看来，这种状态“既活跃又有趣”，其特征是自发的记忆和自由联想。三十年后，人们已经清楚地认识到，默认模式网络（DMN）在情景记忆任务中表现出强烈且可靠的活跃性，尤其是在个体回忆或想象特定事件的具体细节时[3, 4, 5]。
虽然过去的研究主要集中在探讨DMN对情景记忆的贡献上，但考虑情景记忆如何帮助我们理解DMN也可能很有意义。情景记忆展示了我们内部表征的复杂性：它们将关于人物、地点和事物的细节整合成一个连贯的叙述。作为实验者，我们对其内容和结构有着内在的了解。此外，它们还具有现象学上的特性，这使情景记忆成为研究DMN所提供的内在表征丰富性的一个吸引人的领域。
在本文中，我将讨论通过情景记忆视角来研究DMN的最新发现。通过这种方式，我将试图确定系统地连接DMN反应与记忆表征（即被记住的内容）的组织原则[6]。
默认模式网络的功能组织
最近关于DMN的研究侧重于描述其功能多样性，而不是将其视为一个单一的整体网络。DMN由多个系统组成，这些系统可以根据功能连接性和它们参与的不同类型的认知任务而区分开来[8, 7]。图1总结了定义这些网络的不同方法。在一种解释中，情景过程被归因于内侧颞叶子系统，其中包括
默认模式网络中的内容特异性
DMN区域对内部生成的内容（如思想和记忆）的反应更为敏感，而对外部刺激的反应较弱。尽管关于皮层类别选择性的研究主要集中在映射感觉皮层区域上，但越来越多的证据表明DMN内部也存在内容上的差异[18]。一个显著的例子是涉及物体记忆的DMN区域与涉及空间记忆的DMN区域之间的区别（之前由Ranganath & Ritchey [3] 和 Reagh & Ranganath [19] 进行过研究）。
记忆表征的特异性
除了内容特异性之外，DMN区域在记忆表征的特异性上也存在差异。在AT网络中，外嗅皮层支持高度具体的物体表征，这些表征结合了物体的个体特征和语义特征[34]，而前颞叶则支持更一般的概念[35]。外侧顶叶也与语义概念有关，但有趣的是，它似乎对复杂事件概念的语义更为敏感。
记忆的主观体验
情景记忆的特点是具有自动意识，即主观上能够穿越时空去重现某个特定时刻[60]。虽然海马体协调了情境关联的重建，但DMN区域可能会影响最终体验的质量[61]。先前的研究支持记忆的主观生动性与外侧顶叶和后内侧皮层活动之间的关系[62]。外侧顶叶
多维度视角
综上所述，这些结果表明，DMN的记忆相关功能至少沿着两个关键维度进行组织：内容和特异性（图2）。AT网络中的区域倾向于对有关物体和人物的信息敏感，而PM网络中的区域则倾向于表征场景和其他情境关联。同时，与感觉处理流更紧密连接的区域倾向于携带关于具体物品实例的信息（例如外嗅皮层）
关于写作过程中生成式AI和AI辅助技术的声明
在准备这篇论文的过程中，作者使用了ChatGPT来编辑文本的长度和清晰度。使用该工具后，作者仔细审查并编辑了内容，并对发表文章的内容负全责。
致谢
本文得到了美国国立卫生研究院（National Institutes of Health）的资助（项目编号：R01MH125990）。作者感谢魏芳（Weifang Huang）、妮娜·库尔科（Nina Curko）、瓦伦蒂娜·克伦兹（Valentina Krenz）、桑德里·加西亚（Sandra Garcia）和两位匿名审稿人对手稿提供的有益反馈，以及阿德里安·吉尔摩（Adrian Gilmore）分享图1c中的地图。
