基本信息
Title:The anticipation of imminent events is time-scale invariant
发表时间：2026.1.7
发表期刊:PNAS
影响因子：9.1
获取原文：
- 添加小助手:PSY-Brain-Frontier即可获取PDF版本
- 点击页面底部“”即可跳转论文原网页
研究背景
无论是短跑运动员在发令枪响前的屏息凝神，还是老司机在红绿灯倒计时结束那一刻的精准起步，人类的生存与互动都极度依赖于对“当下即将发生事件”的时间预测（Temporal Anticipation）。为了实现毫秒级的精准行动，大脑必须建立对外部世界的时间模型。
长期以来，认知神经科学领域存在一个经典的争论：大脑处理不同尺度的时间（Time Scales）是否依赖于截然不同的机制？传统观点倾向于认为，亚秒级（Sub-second，如眨眼、运动控制）的时间加工主要依赖小脑和运动皮层，属于自动加工；而秒级以上（Supra-second，如红绿灯、决策等待）则更多卷入基底神经节和前额叶，涉及复杂的认知控制。此外，经典的韦伯定律（Weber’s Law）和标量计时理论（Scalar Expectancy Theory）告诉我们，时间越长，我们预估的偏差（即“噪音”）就会线性增大，这似乎是一个不可打破的铁律。
Fig. 1. Hypotheses about temporal anticipation.
然而，我们的大脑真的需要为每一段时间尺度都配备一套单独的“时钟”吗？这种看似笨拙的机制是否符合生物进化的经济性原则？如果外部环境的时间统计规律发生缩放（比如对手的出拳速度整体变慢，或者乐曲的节奏整体变长），大脑能否用同一套算法灵活应对？为了回答这一核心问题，Grabenhorst等人通过一系列精巧的心理物理学实验，挑战了传统的“分段计时”观点，提出了一种更为统一的计算原理。
Fig. 2. Task and basic analysis of RT.
研究核心总结
本研究2026年1月7日发表于PNAS，研究团队通过视觉和听觉模态的“Set-Go”反应时任务，系统探究了人类在不同时间跨度（短、中、长）下如何构建时间预测。
Fig. 3. Anticipation is modulated by event distribution across time spans.
核心发现：时间尺度的“缩放不变性”
研究结果显示，无论预测的时间窗口是几百毫秒还是数秒，被试的行为表现（反应时 RT）都呈现出惊人的缩放不变性（Time-Scale Invariance）。具体而言，当研究者将不同时间长度的任务条件（例如0.4-1.4秒 vs 0.4-2.8秒）进行归一化处理后，反应时的动态变化曲线几乎完美重合。这表明，大脑并非简单地测量流逝的绝对时间，而是构建了一个相对的、可伸缩的时间表征。
Fig. 4. Hypotheses in temporal anticipation based on event PDF and hazard rate.
机制解释：基于概率密度函数（PDF）的计算
该研究最关键的理论贡献在于揭示了驱动这种“缩放不变性”的计算本质。
- PDF优于风险率（Hazard Rate）： 传统观点常认为，预期是由风险率（即“既然刚才没发生，下一刻发生的概率多大”）驱动的。但本研究的数据有力地反驳了这一点。模型比较显示，大脑实际上是在实时估算事件的概率密度函数（Probability Density Function, PDF）。即，大脑敏锐地捕捉了事件在时间轴上的分布形状，并据此分配注意力资源：事件发生的概率密度越高，反应时越快。
- 挑战韦伯定律（标量属性）： 研究发现了一个反直觉的现象：预测的精确度（Precision，即反应时的变异性）并不完全遵循韦伯定律（即随时间延长而变差）。相反，精确度同样表现出缩放不变性，且主要受事件概率的调节（Probabilistic Blurring），而非仅仅受时间流逝长度的调节（Temporal Blurring）。这意味着，只要大脑掌握了事件的统计分布规律，即使在较长的时间尺度下，也能保持相对稳定的预测精度。
Fig. 5. Estimation of event PDF is invariant across temporal scales.
Fig. 6. Hazard-Rate-based model does not capture anticipatory behavior across temporal scales.
研究意义
这项研究统一了看似割裂的时间知觉领域，提出了一种通用的神经计算原理：大脑是一个高效的统计学家，它学习环境中的时间统计结构（PDF），并将其存储为一种可伸缩的“相对形式”。这一发现具有重要的进化意义：它意味着神经系统无需为适应快慢不一的环境（如面对不同速度的捕食者）而重复学习或建立多套硬件，只需调整内部模型的“增益（Gain）”即可实现从毫秒到秒级的灵活迁移。这种“一法通万法”的机制，极大地降低了认知计算和记忆的负荷。
Fig. 7. Anticipation and precision of anticipation are invariant across temporal scales.
Abstract
Humans predict the timing of imminent events to generate fast and precise actions, decisions, and other behaviors. Such temporal anticipation is critical over wide timescales, and especially salient over the range from hundreds of milliseconds to a few seconds. Despite advances in our understanding of basic timing behavior and its underlying neural mechanisms, it remains an open question whether anticipation is stable across these short time scales. Recent work shows that the brain models the probability density function (PDF) of events across time, suggesting a canonical mechanism for temporal anticipation. Here, we investigate whether this computation holds when the event distribution covers different time spans. We show that, irrespective of the time span, anticipation, measured as reaction time, scales with the event distribution. This demonstrates that the key computation—the estimation of event probability density—is invariant across temporal scales. We further show that the precision of anticipation is also scale invariant which contradicts Weber’s law. The results are established in vision and audition, suggesting that the core computations in temporal anticipation are independent of sensory modality. Perceptual systems exploit probability estimation over time independently of temporal scale to anticipate imminent events.
热门跟贴