在這個繁忙的世界裏，我們每個人都是一位旅行者，帶著自己的故事和情感，在時間的長河中尋找著歸宿。音樂，這個人類共通的語言，以其獨特的魅力，橫跨文化和地域的界限，撫慰著我們每個人的心靈。在衆多音樂元素中，旋律無疑是最能觸動人心的。但這些旋律是如何穿過我們心靈的山谷，被我們大腦編碼和理解的呢？
最新發表在Science Advances的論文，繪制出一張複雜而精細的神經編碼圖譜，顯示了人們聽到旋律時大腦皮層發生的情況。（本論文曾以預約本的形式發布在bioRxiv，Edward Chang在“音樂與治療：科學探索與臨床實踐”科學研討會在做了報告，追問團隊曾做過相關報導。）
▷論文：Sankaran, Narayan, et al. "Encoding of melody in the human auditory cortex." Science Advances 10.7 (2024): eadk0010. DOI: 10.1126/sciadv.adk0010
大腦對音樂旋律維度的精細編碼
爲了探索大腦是如何編碼音樂旋律中不同維度的，加利福尼亞大學舊金山分校知名神經外科專家Edward Chang教授領導的團隊，設計了一套由208個不同器樂編排的短音樂短語組成的自然音樂刺激集。這些短語在三個基本的音高相關維度上有所變化：音符的絕對音高、相鄰音符間的音高變化，以及基于之前音符的音樂期望。
通過高密度電皮層圖（ECoG），研究人員直接從8名參與者大腦的聽覺皮層記錄下了神經生理活動。通過分析ECoG記錄的高頻活動（HFA），研究人員在雙側颞上回（STG）發現了主要的活動。
對比音高（高與低）、音高變化（上升與下降）和期望（高與低）值不同的音符所引發的反應，研究者在三個示例電極處觀察到了不同的反應模式。其中一個電極對不同音高範圍的音符有區分，但對音高變化或期望值不同的音符則沒有區分。另一個電極區分了下降和上升的音高變化，而第三個電極則區分了音符的期望值。這些反應模式表明，不同音樂特征被大腦中不同的神經群體獨立編碼，並呈現在聽覺皮層的不同區域。
▷圖1.聽音樂期間，旋律音高、音高變化和期望會調節 STG 活動。( A ) 示例旋律的三個旋律特征可視化；( B ) 所有參與者的電極繪制在共同的大腦上。顔色表示所有音樂短語的平均誘發高頻活動峰值。( C ) 三個示例電極的響應表現出對音調（左列）、音調變化（中列）和期望（右列）的不同調諧。圖源：論文
爲量化每個電極對這些旋律維度的編碼，研究者使用了時間感受野（TRF）建模，該模型從一組刺激特征中預測連續的神經活動。研究發現，在所有電極中，旋律和聲學特征解釋了神經活動中的相當一部分變異，與每個電極的噪聲上限相比，模型平均預測了可解釋變異的70%。研究進一步發現，特定旋律特征在STG的不同亞群體中被獨立編碼，並且這些亞群體在STG的後前軸上高度重疊，沒有強烈分化成解剖學上不同的亞區。
通過分析特定電極對旋律特征的敏感性，研究揭示了不同神經群體以特定格式編碼音高、音高變化和期望信息的證據。例如，某些電極對低音高具有明顯的調諧，而其他電極則對上升的音高變化或更意外的音符顯示出明顯的反應。
旋律期望對音樂選擇性活動的影響
爲探索旋律期望對音樂選擇性活動的影響，研究人員向八名參與者呈現了自然的英語句子，以及之前的音樂刺激，並記錄了他們的腦電圖活動。通過比較音樂和語言反應的相對強度，他們定義了一個從-1（偏好語言）到+1（偏好音樂）的選擇性指數（SI），並發現相當數量的電極在對音樂短語相對于口語表達時顯示出一致且強烈的選擇性反應。
這些音樂選擇性的電極分布廣泛，與STG中的其他聲音響應性群體相互交錯，這意味著音樂選擇性並不是集中在大腦的一個專門的聽覺亞區域中。更進一步的分析顯示，那些對音樂比對語言有更強反應的電極，幾乎專門地編碼了旋律期望。特別是，對旋律期望的編碼程度預測了電極對音樂的選擇性程度，而對音高或音高變化的編碼與選擇性之間沒有系統的關系。這也就是說，參與者的大腦使用相同的神經元來評估語音和音樂的音調質量，但每種模式都有專門用于預測的特定神經元。
此外，通過對自然語言的統計結構的編碼研究，發現與旋律期望相似的，基于音素的期望也被編碼在STG中對語言選擇性反應的電極上，這表明音樂和語言的相關統計信息是通過兩個獨立的大腦基質編碼的。
爲了深入測試音樂選擇性是否僅由旋律期望的編碼驅動，而非低級聲學差異，研究人員創建了一種新的刺激——旋律性語言。這種刺激在保持語言的其他聲學特征不變的情況下，將語言的連續音調變爲與旋律相一致的離散音樂音調。結果表明，即使在聲學特征與普通語言高度相似的情況下，旋律性語言也能引起音樂選擇性電極的強烈反應，這種反應的強度與被試對旋律感知的程度正相關。
這些發現共同支持了這樣一個觀點：當聽到音樂和旋律性語言時，音樂選擇性的活動特別反映了對旋律期望的編碼，而不是基于低級聲學屬性的處理。
旋律音高和音高變化的編碼在音樂和語音中共享
接下來，研究人員定義了音樂和語言中與旋律音高和音高變化相等效的聲學維度。通過提取每個句子的音高輪廓，並計算相鄰音節之間的音高超級變化，研究人員發現音高和音高變化在這兩個領域中的分布雖然不完全相同，但高度重疊，揭示了音樂和語言在這些基本聲學屬性上的共性。
通過在語言誘發活動的時間感受野模型中計算每個特征解釋的獨特方差，然後將這些值跨兩個領域進行直接比較，研究發現，無論是音高還是音高變化，電極編碼的程度在兩個刺激領域之間都顯示出強烈的相關性。這表明，對旋律的給定維度高度敏感的神經群體，通常也會對語言中等效維度進行編碼。
爲了進一步探索這些神經群體是如何使用一個跨領域的、通用的神經代碼來表示信息的，研究人員計算了音樂和語言中音高和音高變化重疊範圍的調諧曲線。結果發現，無論是音高還是音高變化，調諧曲線在音樂和語言領域之間都高度相關，表明了一個在這兩個領域之間高度保守的神經編碼。
最後，研究通過線性分類器，以從參與者彙總的電極活動中解碼音高或音高變化的方向。分類器在音樂和語言活動中被分別訓練和測試。研究結果進一步證明了，與對音樂旋律中期望的編碼相比，音樂中的低級屬性如音高和音高變化，是通過一個通用的、可廣泛應用于語言的神經編碼來表征的。
總結 : 站在音樂與語言交彙處，我們望向這條由神經科學鋪就的橋梁——它不僅連接了兩個看似迥異的領域，更昭示了人類大腦處理聲音信息的一種深層統一性。
在傾聽音樂時，大腦會跟隨音符的音調，使用兩組跟隨語音音調律動的神經元，並嘗試使用一組特定的神經元來預測接下來會出現什麽音符。其中，STG不僅僅是音樂的港灣，它更是一個高級信息處理中心，能夠分辨音高的細微差別，捕捉音符之間跳躍或滑落的軌迹，甚至預測下一個音符的出現。
而音高與音高變化，這兩個音樂旋律的基石，在我們的大腦中並沒有被作爲專屬于音樂或語言的信息而區別對待。它們以一種共通的神經代碼存在，無論是在欣賞一段悠揚的旋律，還是在聆聽日常的對話中，這些基本的聲音屬性都以相同的方式被我們的大腦編碼與理解。可謂，音樂與語言，一如江湖之水，流淌不息，終歸于海。---來源: 钛媒體-
