撰文丨王聪
编辑丨王多鱼
排版丨水成文
从儿童到成人，随着年龄的增长，我们对世界的理解也在不断加深。
起初，我们可能只是将事实当作孤立的信息片段来记忆（例如，儿童时期我们知道苹果是一种水果，知道红色是一种颜色，但可能还无法在二者之间建立联系）。随着逐渐成熟，我们开始了解概念本身，还能够知道它们之间的联系，从而形成一个更广泛的知识地图，这种逐渐形成的认知结构帮助我们拥有了强大的预测和推理能力，甚至能对从未见过的东西做出合理的推断，此时，新知识将不再是被孤立记忆，而是被整合到已有的知识框架中，学习也从此变得高效。
这种结构化的知识被称为“认知地图”（Cognitive Map）或图式（Schema），它在我们从童年到成年的成长过程中经历了“智力进化”，这是人类认知的一个重要基础，它不仅仅是知识量的积累，更是知识组织结构的质变，代表了从具体思维到抽象思维，从机械记忆到逻辑推理的飞跃。然而，其发展的神经机制在很大程度上仍未被探索，这也是当前认知神经科学的前沿和挑战。
这项覆盖 8-25 岁人群的研究，首次从神经生物学层面揭示了人类所具有的“举一反三”能力的发育机制，系统揭示了大脑内嗅皮层中的“类网格编码”（Grid-cell-like code）随着年龄增长逐渐发展成熟，支撑抽象知识结构的形成，并促进推理能力与知识同化能力的提升。
心理学家让·皮亚杰曾提出，儿童认知发展的关键不在于积累了多少知识，而在于能否将零散经验组织成可迁移的“图式”。但这一理论长期缺乏直接的神经生物学证据。
大脑内嗅皮层（Entorhinal Cortex，EC）中的网格细胞（Grid Cell）是大脑中的“内置 GPS”，当动物在空间中移动时，这些细胞会形成规则的六边形放电模式，为空间定位提供坐标系，从而实现空间导航。2014 年诺贝尔生理学或医学奖就授予了发现网格细胞并揭示其功能的三位科学家。
更神奇的是，网格细胞的这一空间导航机制似乎并不局限于物理空间——它可能同样适用于概念空间，参与了抽象概念知识的组织。
实验设计
在这项新研究中，研究团队设计了一套精巧的“知识地图”任务。参与者需要学习 25 个虚构角色在“攻击力”和“防御力”两个维度上的相邻关系，但他们并不知道这些角色实际上构成了一张 5×5 的二维结构图。
在随后的 fMRI 脑成像扫描中，参与者需要回答数百道从未直接见过的推理题。每道题都要求同时整合两个维度的信息，这无法靠死记硬背完成——只有在大脑中自发建立起“知识地图”的人才能正确推断。
任务完成后，研究团队又引入四个新角色，测试参与者将其快速整合进已有知识框架的能力。
核心发现
内嗅皮层的“类网格编码”随年龄增强。研究团队显示，年龄越大的参与者，推理正确率越高，同时其大脑内嗅皮层的神经活动也呈现更强的六边形周期性模式。这种“类网格编码”（Grid-cell-like code）就像为抽象知识提供了地图坐标系，将零散的知识点定位在二维网格上。
内侧前额叶皮层（mPFC）编码“关系距离”。如果说内嗅皮层提供了坐标系，那么 mPFC 则像一名“高级信息编织工”，负责计算知识点之间的几何距离，将孤立信息织入网络。当推理轨迹方向与内嗅皮层估计的网格朝向“对齐”时，mPFC 的距离编码显著更强；未对齐时则减弱。
新旧知识无缝整合。当新知识被引入时，内嗅皮层的类网格编码保持稳定对齐，使新旧知识得以无缝整合。mPFC 则专门负责构建新旧知识的连接，成为同化新知识能力持续发展的核心基础。
与智力水平紧密相关。研究进一步发现，内嗅皮层的类网格编码与 mPFC 距离编码可显著预测标准智力测验成绩。这表明认知地图神经表征的发育轨迹与一般智力水平密切相关。
发育轨迹
研究揭示了清晰的神经发育轨迹：8 岁儿童已具备基本推理能力，但需要整合两个维度冲突信息的题目对他们来说仍具挑战。
随着年龄增长，内嗅皮层的类网格编码逐渐增强，为抽象知识提供越来越稳定的结构框架。同时，mPFC 的距离编码也越来越精确，能够更有效地组织知识网络。
最重要的是，在控制了记忆能力差异之后，年龄与推理能力的正相关关系依然显著。这意味着，认知能力的提升不仅源于知识积累，更源于知识组织方式的优化。
未来展望
这项研究不仅从神经生物学层面为让·皮亚杰的认知发展理论提供了直接证据，还开辟了多个新的研究方向。理解大脑如何构建认知地图，不仅有助于开发更有效的学习方法，还可能为认知障碍疾病的诊断和治疗提供新思路。随着脑成像技术的进步，未来或许能够更精准地评估个体的认知结构发育水平，实现个性化教育方案的定制。
此外，这项研究为教育实践提供了重要的神经科学依据。传统的“填鸭式”教学注重知识点的机械记忆，而这项研究表明，培养儿童构建知识结构的能力可能更为关键。
据悉，柳昀哲团队目前正持续推进两条交叉研究线路：一是结合 AI 技术，对儿童高级认知能力的发展轨迹开展纵向追踪，推动脑科学与 AI 赋能教育。二是以人类探索、归因与规划等高级认知能力的发展规律为基础，为具备真正主动探索与泛化能力的 AI 智能体研究提供认知计算基础。
https://www.cell.com/cell/fulltext/S0092-8674(26)00266-7
点在看，传递你的品味