喜欢或不喜欢一件艺术品的行为似乎是与生俱来的，并且在我们的大脑中即刻发生，以至于我们中很少有人花时间想知道它为什么或如何发生。但数百年来，审美偏好一直是哲学讨论的主题。使用计算方法与功能影像学相结合，展示了如何使用机器学习和功能磁共振成像结合的方式来揭示人类审美偏好的神经基础。

2023年1月24日, 加州理工学院弗莱彻琼斯决策神经科学教授John O’Doherty的实验室在Nature Communications（IF=17.694）上发表了题为“Neural mechanisms underlying the hierarchical construction of perceived aesthetic value”的研究，表明视觉刺激的美学价值是通过对视觉皮层延伸到顶叶和外侧前额叶皮质中包含的低水平和高级刺激特征的加权整合以分层方式计算的。

在之前的研究中，科学家们训练了一台计算机，通过向被试提供被试喜欢哪些画和不喜欢哪些画的数据来预测被试对艺术的品味。例如，经过足够的训练，计算机变得擅长正确猜测一个人是更喜欢莫奈还是罗斯科的作品。基于以上研究，研究者要求被试在四天内对多达一千幅绘画进行评分，同时用功能性磁共振成像（fMRI）机器扫描他们的大脑。

这些脑影像数据和被试对画作的评分被输入到机器学习算法以及经过训练的神经网络的输出中，以检查画作（包括抽象画作和现实画作）的对比度、色调、动态和具体性。

图注：深度卷积神经网络（DCNN）模型自然编码低级和高级特征与预测参与者的选择行为。

研究小组收集的数据显示，视觉皮层（大脑中处理视觉输入的部分）负责分析这些画作质量，而大脑内侧前额叶皮层（mPFC）则负责为它们分配主观值。

图注：主观价值（即被试对艺术作品的评级）

简单来说，在面对一幅艺术品时，大脑将会根据主观价值对其品质进行分解，然后决定这些品质是否令人愉悦。研究发现预测视觉审美偏好的低级特征在早期视觉皮层区域中表现得更强烈，而预测偏好的高级特征越来越多地在高阶视觉区域中表现出来，特征表现在大脑区域网络中映射到单一主观价值维度的过程涉及包括后顶叶皮层，外侧和内侧前额叶皮质等在内的多个脑区。

研究认为：大脑中存在从早期视觉皮层延伸到内侧前额叶皮层的大规模处理层次结构是一致的，其中视觉输入通过视觉流转化为各种特征。然后将这些特征投射到后顶叶皮层和外侧前额叶皮质，然后整合到内侧前额叶皮质进行主观价值判断。至关重要的是，这种基于特征的价值构建机制的灵活性确保了价值判断。也就是说，即使是以前从未见过的刺激，或者在估值目标不同的情况下（例如，选择一件艺术品作为礼物），也可以形成价值判断。因此，本研究提出了一种全脑计算机制，该机制不仅限于美学，也可以推广到各种视觉和其他感官刺激的价值研究之中。

参考文献：

Iigaya, K., Yi, S., Wahle, I. A., Tanwisuth, S., Cross, L., & O'Doherty, J. P. (2023). Neural mechanisms underlying the hierarchical construction of perceived aesthetic value.Nature communications, 14(1), 127. https://doi.org/10.1038/s41467-022-35654-y

资讯来源：

https://neurosciencenews.com/art-appreciation-brain-22569/

往期回顾：

Nature: 如何更好地利用神经影像学获得个体诊断信息？

PLoS Biol：强迫症和有赌博问题的被试学习行为的差异