新闻资讯, 赢富人类实验室

fNIRS超扫描：群体间的大脑耦合构成了群体创造力的基础

导语

创造力是人类文明进步的驱动力，它不仅体现在个体的创新能力，更是社会互动中不可或缺的一部分。最近，一项发表在NATURE 子刊《Communications Biology》（通讯生物学）上的研究，使用功能性近红外光谱（fNIRS）技术为我们揭开了群体创造力的神秘面纱。

人类天生就喜欢创造新东西。从古时候在洞穴里画画和制作工具，到现在的艺术作品和高科技发明，我们总是能把一些原本不相关的东西组合起来，想出新奇的点子和制作出新产品。这种创造力是我们人类智慧的一部分，也帮助我们取得了很多了不起的成就。

虽然我们常常认为创造力是个人的能力，但越来越多的专家认为，创造力也是一种社会现象，不同的社会和文化对创造力的影响很大。比如，不同国家和文化背景下的人，在创造力的表现上会有所不同。很多需要创造力的活动，比如跳舞、唱歌、团队一起想点子、科学家们一起做研究，都是在一群人的互动中进行的。就算是一个人单独工作，他的想法和成果也常常会被别人评价，或者他自己会根据一些社会规则来评估自己的工作。

但是，虽然我们知道社会因素对创造力很重要，过去很多研究都只是关注个人的创造力，而没有考虑到群体创造力。即使有些研究开始关注两个人一起创造的情况，但当很多人在一起创造时，他们的大脑是怎么想的，这个问题还没有答案。最近，一项发表在NATURE子刊《Communications Biology》（通讯生物学）上的研究，用功能性近红外光谱（fNIRS）为我们揭开了群体创造力的神秘面纱。

实验背景

鉴于“团队精神”（群体思维）对群体内个体的影响，研究者采取了一种将群体作为主要分析单位的方法，提出了两种在群体互动中有助于发挥创造力的群体动力学模型：（1）个体固有的“从众”倾向（2）个体独立行动的倾向。

从众行为涉及多个层面的一致性，包括运动、情感和认知方面。虽然从众行为可以增强群体合作能力，但它也可能导致个体更倾向于模仿他人而不是提出自己的观点。因此，从众思维的以群体成员中相似或模仿反应的数量高和创造性成果低为特征。另一方面，独立思考需要灵活性、探索不同想法以及考虑多种可能性的能力。灵活性以对不同想法持开放态度以及愿意探索新方法为特征，是支撑创造力的根基。关于群体创造力的研究表明，在群体环境中产生创造性想法需要成员公开分享他们的观点。

基于上述方法，该研究假设存在两个不同的神经网络——一个支持从众思维，另一个支持灵活的群体思维，并进一步假设这些网络对群体创造力有不同的贡献（假设1）。灵活的群体思维方式使群体成员能够接受不同的想法并表达他们个人的观点，而从众的思维方式使他们能够调整自己的信念、态度和行为以与他人保持一致。因此，该研究假设，相比于从众思维，群体思维的灵活性更强代表群体创造力的水平更高（假设2）。

实验方法

本研究旨在探讨与灵活的群体思维和从众思维相关的脑区间耦合（interbrain coupling），以及探索这些耦合是如何促进群体创造力的。研究者采用了两项群体发散性思维任务，随机将88名参与者分成四人一组，每组的任务是进行讨论，为预定义的挑战任务提出创新的想法和解决方案（图1）。

图1：参与者在群体发散性思维任务中接受了功能性近红外光谱成像（fNIRS）扫描。该范式涉及协作讨论，其中四名参与者对一个常见物体（如罐子）的其他用途进行头脑风暴。N = 22个小组。

研究者关注了氧合血红蛋白（O2Hb），并假设参与以创造力为重点的讨论将引发与从众和灵活性处理相关的神经结构中的脑间耦合。他们预测，当创造性输出更大时，背外侧前额叶皮层(DLPFC)中的耦合将高于额下回（IFG）中的耦合。研究者预测IFG中的脑间耦合将与群体成员之间高度模仿的从众心态相关联。此外，DLPFC中的脑间耦合与群体创造力正相关，而IFG中的脑间耦合与群体创造力负相关。此外，DLPFC与IFG之间的比例将反映群体创造力的水平。

群体创造力

1. AUT任务：实验者向各小组列出六种常见物体（铅笔、钥匙、按钮、轮胎、罐头和鞋子），并给出每个物体的最常见用途和一个替代用途的例子（在水瓶上打孔，将其变成洒水器）。然后给小组90秒的时间，集体为每个物体提出替代用途。明确指示参与者需要提出之前未提及过的替代用途。

2. EGG任务：给小组两分钟的时间集体思考如何防止鸡蛋从十米高的建筑掉落后破碎。为了确保参与者理解任务，他们被给出了一个例子，即驯服一只鹰在鸡蛋坠落时接住它。

在两项创意任务中，参与者被告知没有正确或错误的答案，并鼓励他们尽可能提出多的答案。此外，为确保所有参与者积极参与任务，每开始一轮，每个人都需要提供一个大难。随后开始头脑风暴，小组成员自由合作。

图2：创意任务，两项创意任务进行了平衡。在AUT中，对象在小组间进行了平衡。N = 22个小组。

评分：通过录音记录小组成员的口头回答，然后逐字记录以便分析。评分者根据灵活性和独创性两个维度对创造力进行评分。每项任务的独创性和灵活性得分计算为平均值，并将两项任务的创造力总分相加得出小组的最终创造力得分。

表1：各组的原创性、灵活性和总创造力得分的平均值（和标准差）。

个体创造力

为了评估个体创造力，我们使用了托伦斯创造力思维测试（TTCT）的一个子测试，其中要求个体使用三十六圈作为他们绘画的主要部分，尽可能多地画出物体或图片。参与者被要求在每幅画旁边写下一个名称。他们有十分钟的时间完成这项任务。由专家评分员根据评分指南对响应进行灵活性和原创性的评分。灵活性代表可以将参与者的响应分类到的不同类别的数量。

例如，眼镜、小丑和向日葵被分为三个不同的类别（服装、人类和花朵），而玫瑰、向日葵和花朵被分配到同一类别（花朵）。手册中得出了68个类别，我们又增加了两个额外的类别（虚构角色；计算机和智能手机），总共70个类别。如手册所示，原创性是通过统计上不频繁的想法来衡量的：超过10%的参与者给出的响应不给予分数，5-9.99%的参与者提供的响应给予一分，2-4.99%的参与者提供的响应给予两分，少于2%的参与者提供的响应给予三分。原创性得分是所有响应的分数总和。总创造力得分是原创性和灵活性得分的平均值。

从众行为的评估

为了评估群体中的从众行为水平，该研究计算了小组讨论中每个AUT项目重复回答的次数。从众行为得分由一位训练有素的评分员量化，他计算了同一小组成员间具有相同或概念上相似的答案次数。完全重复的答案，例如多个参与者独立提出相同的项目（例如“椅子”），被分配1分。相反，主旨相似但在表达上有所不同的，例如一个参与者提出“椅子”，另一个描述椅子用于坐和滑，被分配0.5分。小组的总从众行为得分计算为所有回答的平均分值。

群体间大脑耦合计算

对于每位参与者，我们测量了四个区域的O2Hb（氧合血红蛋白）时间序列。我们使用了频率范围为0.015至0.15 Hz的Morlet小波函数作为母小波。这个范围是因为它低于fNIRS数据中的心率（大约1-2 Hz）和呼吸（大约0.2-0.3 Hz）相关的典型频率，这些是fNIRS数据中常见的噪声来源。对于小组中每对参与者，研究者计算了每对同源区域的大脑间耦合度量。然后平均了两项创造力任务（AUT、鸡蛋任务）期间的群体大脑耦合值，以提取群体级别的大脑耦合值。

功能性近红外光谱（fNIRS）数据采集

研究者使用artinis功能性近红外光谱（fNIRS）系统Brite 24测量了每个小组四名成员之间的大脑耦合。该系统用于同时测量大脑皮层中氧合血红蛋白（O2Hb）和脱氧血红蛋白（HHb）浓度的变化。O2Hb和HHb信号都可以用来测量脑血流量的变化。这里主要关注O2Hb信号，因为研究表明它对脑血流量的变化更敏感。该系统使用两个波长的近红外光传输——760nm和850nm。

图3-4：artinis功能性近红外光谱成像系统Brite

采样率为50Hz。系统由一个帽子和18个光电传感器组成：10个发射器和8个接收器。每对发射器和接收器形成一个通道，每个半球有12个通道。光极的位置根据国际EEG 10-20系统选择的，部分覆盖了双侧前额叶皮层（见图5a）。然后通道根据每个发射器及其所有接收器的布置，基于它们所覆盖的Brodmann区域归入感兴趣区域（ROI），双侧ROIs包括运动皮质（PMC）、额下回岛盖部（IFG的pars opercularis；BA44）、额下回三角部（pars triangularis；BA45）、背外侧前额叶皮层（DLPFC）的Brodmann区域46，以及背外侧前额叶皮层（DLPFC）的Brodmann区域9（见图5b）。

图5：fNIRS通道配置。a 相对于EEG0/20系统的光极蒙太奇。T代表发射器，R代表接收器。T2和3被认为是左侧IFG；T9和8被认为是右侧IFG。T 6被认为是左侧DLPFC；T1被认为是右侧DLPFC。b Brite24 fNIRS系统通道蒙太奇的示意图。红色代表源，蓝色代表检测器；它们一起形成24个通道。黑色线条是通道，从头皮到皮层的光极投影。N = 22个小组。

神经数据处理

使用HOMER进行了视觉扫描。此外，研究者还实施了以下五步数据处理流程：1）将光强度数据转换为光密度，稍后需要以获得氧合血红蛋白（O2Hb）和脱氧血红蛋白（HHb）浓度的准确测量。2）识别运动伪影，并使用针对性的主成分分析（PCA）方法进行校正。3）对数据应用带通滤波器（截止频率为0至1 Hz），以帮助去除与大脑活动无关的信号中的高频成分。4）使用修正的Beer-Lambert定律将光密度数据转换为O2Hb和HHb浓度值，以捕获脑血流量（神经活动的代理）。5）移除O2Hb和HHb之间正相关性高于0.5的通道，基于氧（O2Hb）和脱氧（HHb）血红蛋白通常表现出强负相关的假设。这个预处理流程确保了适合进一步分析的更高质量的数据。

统计分析

为了检查真实组和伪组在创意任务期间平均大脑间耦合的差异，研究者最初采用了重复测量方差分析（ANOVA），其中组（真实、伪）作为被试间因素，大脑区域（IFG、DLPFC）和半球（左、右）作为被试内因素。然后计算了小组间大脑间耦合与创造力结果之间的Pearson相关系数。为了预测从众行为和创造力表现，我们进行了两个逐步线性回归分析，以从众和创造力得分为因变量，以所有区域的大脑间耦合为预测变量。

实验结果

研究发现，当小组的创造力水平较高时，左侧背外侧前额叶皮层（DLPFC）的脑间耦合也较高，而右额下回（IFG）的脑间耦合则较低。这表明，DLPFC的高脑间耦合与群体创造力的提高正相关，而IFG的高脑间耦合则可能抑制创造力。此外，研究还发现，群体创造力与个体创造力并无直接关联，而是更多地受到群体心态的影响。

脑间耦合分析

为了评估每个群体中个体之间的脑间耦合，研究者对两个区域生成的两个神经信号时间序列应用了小波变换相干性（WTC），使用MATLAB中的小波相干包实现。这些值的范围从0（无相干）到1（完全相干）。对于一个由四人组（A、B、C、D）组成的群体中的每个感兴趣区域（ROI），有六对组合（AB、AC、AD、BC、BD、CD），并计算了每对的WTC。为了得出每个ROI的组间脑间耦合指标，研究者平均了所有组的WTC值。为了测试样本中的脑间耦合是否高于随机水平，该研究通过随机配对来自不同组的四名参与者的fNIRS数据创建了22个伪组，以类似于分析真实组的方式计算了每个伪组的脑间耦合。

真实组与伪组之间的脑间耦合的方差分析（ANOVA）比较揭示了组间的显著效应（F（1,42）=23.22，p<0.001，η2=0.36）。真实组（M=0.32，SD=0.01）的脑间耦合显著高于伪组（M=0.30，SD=0.01）。还有一个显著的大脑区域效应（F（1,42）=16.55，p<0.001，η2=0.28）。DLPFC中的脑间耦合（M=0.32，SD=0.02）显著高于IFG中的脑间耦合（M=0.31，SD=0.01）。最后，分析揭示了一个显著的三因素交互作用：群体类型（真实、伪）×大脑区域（IFG、DLPFC）×半球（左、右）交互作用（F（1,42）=4.27，p<0.05，η2=0.09）。

为了检查交互作用的来源，首先使用方差分析（MANOVA），以小组作为被试间自变量，以R.IFG、L.IFG、R.DLPFC和L.DLPFC中的脑间耦合为因变量，探索了不同大脑区域之间的群体差异。结果揭示了真实组与伪组在R.IFG（F（1,42）=7.65，p<0.01，η2=0.15）、L.IFG（F（1,42）=15.90，p<0.001，η2=0.24）、R.DLPFC（F（1,42）=6.95，p<0.05，η2=0.14）和L.DLPFC（F（1,42）=18.20，p<0.001，η2=0.30）中的显著差异。真实组在所有区域的脑间耦合显著高于伪组（见图2）。

图6：不同区域中真实组与伪组的脑间耦合差异。真实组的脑间耦合显著高于伪组。星号表示显著差异。N=22个小组。

接下来，研究者使用双因素重复测量方差分析（ANOVA），分别针对每个小组的不同大脑区域，以四个大脑区域作为被试间自变量，脑间耦合作为因变量，探索了每个小组之间的差异。结果仅对真实组显示了显著效应（F（3,19）=5.77，p<0.01，η2=0.48），而对伪组没有显著效应（F（3,19）=2.86，p=0.064，η2=.31）。Bonferroni校正后的事后比较显示，仅在真实组中，L.DLPFC与L.IFG（p<0.05）和L.DLPFC与R.IFG（p<0.01）之间存在显著差异。L.DLPFC中的脑间耦合显著高于L.IFG和R.IFG中的脑间耦合（见图3）。

图7：真实组中右和左IFG以及DLPFC的脑间耦合。颜色强度与脑间耦合成正比。红色代表较低的脑间耦合。图例颜色显示脑间耦合值和相应的颜色。L.DLPFC中的脑间耦合显著高于L.IFG和R.IFG。N=22个小组。

大脑与行为相关性

我们首先检查了IFG中的脑间耦合是否预测了从众心态。我们计算了模仿反应的数量，并使用逐步线性回归来识别最能解释从众差异的具体大脑区域，以从众作为因变量，脑区的脑间耦合作为自变量。分析涉及基于它们的统计显著性和对模型拟合优度的贡献，迭代地将变量添加到回归方程中。结果揭示只有R.IFG（β=0.55，t=2.93，p<0.01）对模型的拟合优度有显著贡献。包括R.IFG的最终回归模型是显著的（F（1,20）=8.61，p<0.01），调整后的R2=0.27。这些结果表明，R.IFG中更高水平的脑间耦合（正相关）预测了更高水平的从众（见图4）。

图8：从众心态由R.IFG中的脑间耦合预测。R.IFG中更高水平的脑间耦合预测更高水平的从众。N=22个小组。

为了进一步识别最能解释创造力差异的大脑区域集合，我们采用了逐步线性回归，以创造力作为因变量，脑区的脑间耦合作为自变量。分析涉及基于它们的统计显著性和对模型拟合优度的贡献，逐步地将变量添加到回归方程中。结果揭示L.DLPFC（β=0.73，t=3.84，p<0.01）、R.IFG（β=−0.42，t=−2.64，p<0.05）和L.IFG（β=−0.43，t=−2.24，p<0.05）对模型的拟合度有显著贡献。包括L.DLPFC、R.IFG和L.IFG的最终回归模型是显著的（F（3,18）=7.34，p<0.01），调整后的R2=0.48。这些结果表明，L.DLPFC中更高水平的脑间耦合（正相关）和R.IFG和L.IFG中更低水平的脑间耦合（负相关）预示了更高水平的创造力（见图5）。

图9：预测创造力差异的大脑区域。L.DLPFC中更高水平的脑间耦合和R.IFG中更低水平的脑间耦合预测更高水平的创造力。N=22个小组。

实验结论

这项研究揭示了群体创造力的神经基础，指出了DLPFC和IFG在群体创新中的重要作用。在群体创造力的讨论中，左侧背外侧前额叶皮层（DLPFC）和右额下回（IFG）之间的脑耦合显著影响了创造力的表现。具体而言，左侧DLPFC的脑耦合与群体创造力呈正相关，而右IFG的脑耦合则与创造力呈负相关。这表明，群体创造力的提升与DLPFC的灵活性和开放性相关，而IFG的高耦合度可能反映了群体成员之间的模仿行为，从而抑制了创新。

此外，研究还发现，群体的创造力并不受个体创造力水平的影响，而是与群体内部的动态关系密切相关。通过分析不同脑区之间的耦合比例，发现左侧DLPFC与右IFG之间的平衡是影响群体创造力的重要因素。较高的DLPFC耦合水平与较低的IFG耦合水平相结合，有助于促进群体的创造性思维。

总的来说，这些发现为理解群体互动如何影响创造力提供了神经科学的依据，不仅为理解群体创造力提供了新的视角，也为未来的社会互动和团队创新提供了重要的启示。