創造性問題解決的動態神經加工模式*

趙慶柏 李松清 陳 石 周治金 成 良

(青少年網絡心理與行為教育部重點實驗室(華中師范大學); 人的發展與心理健康湖北省重點實驗室;華中師范大學心理學院, 武漢430079)

創造是人類社會發展的不竭動力與源泉。在當今知識經濟時代, 一個國家或地區的知識創新能力更成為該國家或地區經濟與社會發展, 以及競爭力的關鍵因素。創造的核心是創造性思維,深入揭示創造性思維的腦機制, 可以加深人們對創造性思維的認識, 有助于尋找促進創造性思維發展的有效途徑。本文圍繞創造性思維的重要形式—創造性問題解決展開, 首先介紹創造性問題解決的各種理論以及相關神經機制的研究發現,然后進一步從新的視角分析現有研究的不足并提出問題, 最后提出構建創造性問題解決的認知神經加工模型的研究構想。

1 創造性問題解決的研究現狀

1.1 創造性問題解決的認知加工過程理論

對于創造活動的認知加工過程, Finke和Slayton (1998)提出了生成-探索模型, 認為創造活動首先會以不完全的形式建構最初的心理表征,然后針對任務的創造性要求, 對初級過程中形成的表征進行提煉加工和反復修改。在Finke的生成-探索模型基礎上, Bink和Marsh (2000)進一步提出了生成-選擇模型, 他們認為創造力的認知是產生合成和選擇這兩個綜合過程相互作用的結果。在產生合成階段, 創造者從相關領域進行廣泛的信息搜索, 這些信息的片斷臨時地組合在一起形成某些新穎的組合; 而在選擇階段, 創造者對這些組合體通過選擇, 或保留或放棄從而形成一些小的子集, 如果這些子集不能滿足任務要求,則會從長時記憶中提取更多的信息, 重新進行合成和選擇過程。Bink認為創造活動運用了與非創造活動一樣的認知加工, 二者的差別在于創造性認知選擇了新穎的信息, 而非創造性認知更多的是采用尋常的信息。因此, 信息選擇以及新穎組合的形成是創造活動的關鍵過程。

盡管生成-選擇模型是針對更廣泛意義上的創造性認知加工提出的, 但它同樣適用于對創造性問題解決過程進行解釋。頓悟問題解決是一種典型的創造性問題解決。表征變換理論(Knoblich,Ohlsson, & Raney, 2001)認為, 頓悟問題解決的關鍵在于表征的變換, 主要通過限制解除或組塊破解的方式來完成。組塊是人們在日常生活過程中逐漸形成的、由各個不同的要素所構成的緊密的統一體。在加工組塊時, 其整體信息是優先激活的, 因而是突顯的, 而隱藏在組塊內部的局部信息則是非突顯的。這樣, 組塊破解的過程就是抑制突顯信息而激活非突顯信息的過程, 而組塊破解后的元素重組則是新穎組合的形成過程。此外,原型啟發理論(張慶林, 邱江, 曹貴康, 2004)認為,在解決頓悟問題的思考過程中, 如果能夠在大腦中激活恰當的原型及其所包含的關鍵性啟發信息,那么頓悟就能夠發生。突顯信息往往是尋常易得的, 并不能體現創造性, 因此頓悟問題解決的原型及其包含的信息應該是非突顯的潛在信息。這樣, 原型啟發的過程實際上就是通過原型促進非突顯信息的激活過程。由此可見, 盡管不同的理論強調了創造性問題解決的不同策略, 但信息選擇和新穎組合形成始終是創造性問題解決的關鍵過程。

1.2 創造性問題解決的神經機制研究現狀

近年來, 隨著神經成像技術的發展, 研究者們采用了不同的實驗任務和成像手段, 從不同的角度對創造性問題解決的腦機制進行了探索, 主要包括對(復合)遠距離聯想測驗和謎題頓悟解決的腦機制研究。

對于遠距離聯想的研究, 研究者們采用了腦電(EEG)、正電子發射計算機斷層顯像(PET)和功能核磁共振成像(fMRI)等技術發現, 遠距離聯想任務的解決, 需要大腦額葉和頂枕顳葉相互協作和互補, 其中大腦左側顳中回和緣上回以及右側額葉和左側扣帶回對遠距離聯想具有關鍵作用(Bechtereva et al., 2004; Howard-Jones, Blakemore,Samuel, Summers, & Claxton, 2005; Razumnikova,2007)。Jung-Beeman等人(Bowden & Jung-Beeman,2003; Jung-Beeman et al., 2004)在遠距離聯想任務的基礎上, 開發了復合遠距離聯想任務, 并用它來研究頓悟。根據右半球的粗語義編碼理論(Beeman & Bowden, 2000; Faust & Chiarello,1998), 即大腦右半球負責非突顯和遠距離聯結的語義加工, 而左半球負責突顯的精細語義加工,因此Jung-Beeman等人(2004)認為右腦在頓悟問題解決中起關鍵作用。EEG及fMRI結果均顯示,相比于非頓悟條件, 右側顳上回前部在頓悟中有更大的激活, 它可能與在遠距離信息間的聯系建立有關。采用同樣的研究范式, Kounios等人(2006)發現前扣帶回在頓悟問題解決的準備狀態中發揮了重要作用。

我國學者多采用謎語問題來研究頓悟。Luo和Niki (2003)采用答案呈現的范式來誘發腦筋急轉彎謎題解決中頓悟過程的產生, 并且發現海馬在頓悟過程中活動增強, 認為其在思維僵局打破和新穎聯結的產生中發揮了關鍵作用。該范式對于探討頓悟問題解決中思維定勢打破的神經機制具有較高的信效度, 隨后的研究(Luo, Niki, &Phillips, 2004; Mai, Luo, Wu, & Luo, 2004)一致地揭示了思維僵局打破的關鍵腦區是前扣帶回, 在腦電活動上表現為答案呈現后中央區N380成分。沈汪兵、劉昌、張小將和陳亞林(2011)采用三字謎的答案呈現范式, 也發現了頓悟相關的N380成分, 認為它反映的是頓悟中舍棄強外顯意義而選擇弱內在隱喻意義的認知抉擇過程。

由于頓悟問題解決難度較大, 但是呈現答案的范式又更像是領悟, 因此Zhao等人(2013)采用了一種折中的方法—答案選擇范式來研究成語謎語頓悟解決的神經機制。結果發現, 與非頓悟條件相比, 頓悟激活了左右顳中回和海馬, 認為左、右側顳中回可能分別與突顯和非突顯語義信息加工有關。深入分析發現, 海馬激活滯后于前額皮層及左右顳中回, 發生在頓悟問題解決完成的時刻, 從而證實了海馬是新穎聯結產生的關鍵腦區。隨后, 腦功能連通分析結果顯示, 在頓悟問題解決條件下, 右側海馬與右側顳葉存在功能連通,表明新穎聯結建立在非突顯的新穎語義加工基礎上; 而在非頓悟條件下, 右側海馬和雙側顳葉均存在功能連通, 表明相對于頓悟條件, 非頓悟調用了更多的突顯信息, 因而未形成新穎的語義聯結(Zhao, Zhou, Xu, Fan, & Han, 2014)。在答案選擇范式中, 由于問題解決時間相對較長, 因此將新穎聯結形成過程剝離出來成為可能。

由于現實中的創造活動往往是主動的問題解決過程, 因此邱江等人采用學習-測驗的范式, 讓被試主動生成答案, 來研究漢語字謎解決中的頓悟過程。事件相關電位(ERP)結果顯示, 前扣帶回調節了準備及問題解決過程中的認知沖突(Qiu,Li, Jou, Wu, & Zhang, 2008; Qiu, Li, Yang, et al.,2008); fMRI結果顯示, 相對于非頓悟條件, 頓悟條件下激活了楔前葉、左側前額皮層, 枕下回和小腦, 這些腦區可能分別與原型事件的成功獲取,新穎聯結形成和思維僵局打破, 以及視覺刺激的重組有關(Qiu et al., 2010)。

此外, Luo等人(Luo, Niki, & Knoblich, 2006;Wu, Knoblich, & Luo, 2012)對漢字組塊破解進行研究, 發現初級視覺皮層活動的減弱和高級視覺皮層活動的增加對創造性問題解決具有重要意義。

由上述研究結果可見, 在創造性問題解決中,前扣帶回和外側前額皮層與認知沖突的監控和解決有關, 左、右顳葉皮層分別與突顯和非突顯的語義信息加工有關, 枕葉皮層與視覺信息重組有關, 而海馬則和新穎語義聯結產生有關。然而, 由于實驗材料的不同, 創造性問題解決的神經機制研究存在一些差異性的結果(Zhao, Li, Shang,Zhou, & Han, 2014)。漢字組塊破解以及字謎任務涉及視覺信息重組, 因而激活了枕葉皮層; 復合遠距離聯想測驗、腦筋急轉彎謎題、語義雙關歇后語謎題和成語謎題屬于語義類問題, 因而激活了顳葉皮層。Dietrich和Kanso (2010)在對近年來創造神經機制研究進行綜述的基礎上, 提出將創造性問題解決進一步細化分類或者分割成不同的子過程, 是今后研究其神經機制的一個可行策略。因此, 本文研究主要針對語義類問題的創造性解決。

2 問題提出

由綜述可知, 在語義類問題的創造性解決中,關鍵腦區主要包括前扣帶回、外側前額皮層、右側顳葉皮層以及海馬等。然而, 這些腦區并非創造活動所獨有的腦區, 它們也廣泛參與了各種非創造活動, 負責了錯誤監控(Bush, Luu, & Posner,2000)、執行控制(Jonides, Smith, Marshuetz, Koeppe,& Reuter-Lorenz, 1998)以及關系記憶(Luo & Niki,2002)等。這和Bink等人(2000)提出的創造與非創造運用共同的認知加工是一致的。

在理論上, 創造與非創造的差別在于是否選擇新穎信息以解決問題, 那么創造和非創造在神經機制上的差別又是什么呢？大腦是一個網絡式分布的動態信息加工系統, 其功能組織模式分為兩類：功能特化/分離和功能整合(Tononi, Sporns,& Edelman, 1994)。功能特化是指空間分隔的大腦各個區域具有各自不同的功能, 功能整合是指多個不同腦區協同工作完成某一具體任務。根據這一組織模式, 創造性與非創造性問題解決的神經機制的差異可能體現在兩個方面：一是某一特定腦區在問題解決過程中的動態神經活動變化不同,二是相關腦區間的協同工作模式不同。

目前關于創造性思維的fMRI研究主要通過與基線條件相比較, 找出創造性條件下激活更強的腦區, 已基本確定了與創造性相關的關鍵腦區。有研究表明, 這些腦區在創造活動不同階段的神經活動是不同的(Aziz-Zadeh, Kaplan, &Iacoboni, 2009; Zhao et al., 2013)。因此, 對創造性問題解決各相關腦區的神經活動變化進行研究,將有助于我們更好的理解創造活動的動態加工過程。盡管大量的ERP研究提供了創造性問題解決的神經信號變化, 但是由于該技術具有較低的空間分辨率, 因此很難提供某一具體腦區在整個創造活動中的神經信號變化, 特別是前扣帶回和海馬等大腦內部皮層。

此外, 創造性問題解決各相關腦區并非各自單獨的發揮作用, 而是協同合作完成創造活動。腦電研究的相干分析在一定程度上揭示創造性認知加工過程中確實存在腦區間的協同合作(Razoumnikova, 2000), 彌散張量成像研究從腦結構角度也證明腦區間的潛在連通性對個體的創造性水平有影響(Takeuchi et al., 2010)。最近的一項研究也發現, 頓悟問題解決存在一條額葉—顳葉—海馬的右半球神經通路, 以完成新穎信息的選擇和新穎聯結的形成(Zhao et al., 2014)。對于腦區間的相互作用, 早在上個世紀90年代, 著名的神經科學家、腦成像權威Fristion就采用功能連通性和有效連通性的概念來描述不同腦區間活動的同步和因果關系(Friston, Frith, & Frackowiak, 1993;Friston, Frith, Liddle, & Frackowiak, 1993), 并提出了動力學因果模型來研究腦區間的動態因果作用(Friston, Harrison, & Penny, 2003)。動態因果模型自提出以來, 在認知神經科學領域得到了非常廣泛的應用。Marreiros, Kiebel和Friston (2008)通過動態因果模型證實了注意對視覺運動處理的調節作用。Richardson, Seghier, Leff, Thomas和Price (2011)通過動力學因果模型研究閱讀過程中的認知通路, 實驗結果發現在閱讀過程中存在著多條認知通路, 并且認為高效的閱讀正是通過這若干條通路的信息整合而實現的。此外, 吳齊元、吳麗麗和羅勁(2010)也采用動力學因果模型研究了組塊破解中熟悉度和結構緊密性對視覺背側和腹側通路的影響。因此, 采用動力學因果模型對創造性問題解決各相關腦區間的相互作用進行研究, 有助于我們了解前額皮層對雙側顳葉活動的調制作用以及雙側顳葉活動對海馬激活的影響,從而為創造性思維的動態認知加工模型提供神經學依據。

總而言之, 對創造相關腦區在創造不同階段的活動變化及其協同作用進行探討是建立動態的系統的創造性思維神經模型的必要內容, 此研究對具有神經可塑性的創造力培養也具有一定的指導意義。

3 研究構想

根據創造性認知的生成-選擇模型, 信息選擇和新穎信息組合形成是創造性問題解決的關鍵過程, 其中信息選擇主要體現在對突顯信息的抑制和非突顯信息的激活。具體到語義類問題, 創造性解決就是進行語義信息選擇并最終形成新穎語義聯結的過程。根據生成-選擇模型, 語義類問題的創造性解決, 首先要廣泛激活問題情境相關的各種語義信息。這些信息可簡單分為兩類：突顯的和非突顯的信息, 其中非突顯信息的激活有利于新穎的問題解決方案的產生。然而, 根據喬拉的層級突顯假說(Giora, 1997), 突顯信息(往往是尋常慣用的)激活程度較強, 優先進入意識層面;而非突顯信息(往往是新穎的)激活較弱, 或者隱藏在意識層面以下。這些突顯的信息會形成一些暫時性的聯結。如果這種暫時性的聯結滿足了任務要求, 這就是尋常問題解決。一般情況下, 由突顯信息產生的聯結往往不能滿足創造性問題解決的要求, 因此突顯信息將會被抑制, 而非突顯信息將會被激活。如果突顯信息的激活依然很強,那么非突顯信息則無法進入意識層面, 思維加工將會重復上述過程, 問題將無法被創造性的解決。如果非突顯信息的激活達到了一定的程度并進入意識層面, 將會產生一些新穎的聯結, 并最終完成創造性問題解決。整個過程如圖1所示, 主要包含兩個關鍵的子過程, 即信息的選擇和新穎聯結的形成。

基于上述語義類問題創造性解決的認知加工模型, 本研究擬通過雙關歇后語謎題的答案呈現范式、答案選擇范式和主動生成范式三個研究分別對創造性問題解決中的信息選擇和新穎聯結形成以及主動的創造性問題解決的完整過程的動態神經加工模式進行探討, 并最終構建創造性問題解決的神經加工模型。

3.1 語義類問題解決中信息選擇的動態神經加工模式

信息選擇是創造性問題解決區別于非創造性問題解決的關鍵過程。根據理論模型可知, 創造性問題解決中的信息選擇包含對突顯的常規信息的抑制和非突顯的新穎信息的激活。研究一擬先通過雙關歇后語謎題的答案呈現范式對語義類問題創造性解決中信息選擇過程進行考察, 然后采用ERP和fMRI技術對其動態神經加工模式進行探討。

圖1 語義類問題創造性解決的認知加工模型

3.1.1 語義類問題的創造性解決中信息選擇的認知機制

(1) 實驗目的

采用歇后語謎底和探測詞的相關性判斷任務,驗證歇后語謎題解決中存在對突顯信息抑制和對非突顯信息激活的信息選擇過程。

(2) 實驗設計

采用兩因素被試內設計, 自變量分別為歇后語謎題與謎底的關聯類型(相關或無關)以及歇后語謎底與探測詞的關聯類型(尋常相關或新穎相關)。因變量為被試對歇后語謎底和探測詞的相關性進行判斷的反應時及正確率。

(3) 實驗材料

實驗采用雙關歇后語謎題, 每題謎題4至6個字, 謎底為雙字詞。根據謎題和謎底的關聯類型, 分為相關條件(例如：“鑿壁借光—孔明”)和無關條件(例如：“處事不冷靜—孔明”)。根據與謎底的關聯類型, 探測詞可分為尋常相關(“諸葛”, 與“孔明”的突顯尋常語義相關)和新穎相關條件(“透亮”, 與“孔明”的非突顯新穎語義相關)。兩因素交叉共形成四種條件：a歇后語謎題與謎底相關且謎底與探測詞尋常相關, “鑿壁借光—孔明—諸葛”; b歇后語謎題與謎底無關且謎底與探測詞尋常相關, “處事不冷靜—孔明—諸葛”; c歇后語謎題與謎底相關且謎底與探測詞新穎相關, “鑿壁借光—孔明—透亮”; d歇后語謎題與謎底無關且謎底與探測詞新穎相關, “處事不冷靜—孔明—透亮”。如果條件a中謎底與探測詞相關性判斷反應時長于條件b, 則說明歇后語謎題解決中謎底“孔明”的突顯意義受到了抑制, 因此在與“諸葛”的相關性判斷中反應時更長。如果條件c中謎底與探測詞相關性判斷反應時短于條件d, 則說明歇后語謎題解決中謎底“孔明”的非突顯意義得到了激活, 因此在與“透亮”的相關性判斷中反應時更短,此外由于條件d中謎底“孔明”的新穎意義未必會被激活, 因此其相關性判斷正確率會低于條件c。實驗選取上述材料30組(四種條件為一組), 所有材料組別和條件順序打亂, 隨機呈現。另選取部分謎底與探測詞無關材料30條, 作為填充材料。

(4) 實驗流程

實驗首先呈現注視點1 s, 在0.5 s的空屏之后呈現歇后語謎題的謎面3 s, 再0.5 s的空屏之后呈現謎底, 要求被試在5 s內對謎底和謎面的相關性進行判斷, 相關按1鍵, 不相關按2鍵, 不能確定按3鍵。然后在0.5 s的空屏之后, 呈現探測詞, 要求被試在2 s內又快又準確地對謎底和探測詞之間的關系進行判斷, 有關按1鍵, 無關按2鍵。正式實驗前首先讓被試進行練習, 熟悉實驗流程及任務要求。記錄被試的反應時。

(5) 結果預期

條件a中謎底和探測詞的關聯性判斷的反應時長于條件b; 條件c中謎底和探測詞的關聯性判斷的反應時短于條件d, 正確率高于條件d。

3.1.2 語義類問題的創造性解決中信息選擇的神經機制

(1) 實驗目的

選取語義雙關歇后語謎題, 采用答案呈現范式, 探索被試在完成該謎題過程中, 對突顯信息進行抑制并對非突顯信息進行激活的大腦神經活動, 從而揭示創造性問題解決中信息選擇的神經機制。

(2) 實驗設計

采用單因素實驗設計, 自變量為歇后語謎題與答案的關聯類型(新穎或尋常)。因變量為被試完成關聯性判斷任務時的ERP波幅、各腦區的激活程度、BOLD信號變化以及腦區間的相互作用強度。

(3) 實驗材料

實驗采用雙關歇后語謎題, 每題謎題4至6個字, 謎底為雙字詞。根據謎面和謎底的關聯類型將材料分為創造性解決和尋常解決。在創造性解決條件下, 謎面和謎底存在內隱的新穎的聯系,比如, “鑿壁借光—孔明”, 謎底“孔明”的突顯意義是人名, 即諸葛亮, 表面看上去與謎題“鑿壁借光”并無聯系。然而, 如果抑制掉“孔明”的整體意義, 激活其非突顯的字面意思—孔洞很明亮, 就能在謎面和謎底間建立起新穎的聯結, 那么問題就解決了。這是一個典型的信息選擇過程。而尋常解決條件下, 謎面和謎底存在直接的尋常聯系,比如“考試得頭名—拔尖”, 只要激活了謎底的突顯意義, 問題就解決了, 因此不存在上述的信息選擇過程。實驗選取創造性解決條件和尋常解決條件材料各40條。另選取謎面和謎底不相關的材料40條作為填充材料, 所有材料隨機呈現。

(4) 實驗流程

實驗中首先在屏幕中央呈現十字注視點1 s,間隔0.5 s后, 呈現歇后語謎題的謎面3 s, 再呈現2 s的空屏, 之后呈現謎底, 要求被試在5 s內對謎底與謎面之間的關聯性進行判斷, 相關按1鍵,不相關按2鍵, 按鍵在被試間進行平衡。隨后屏幕跳轉至“*”界面, 10 s后進入下一試次。正式實驗前首先讓被試進行練習, 熟悉實驗流程及任務要求。

(5) ERP和fMRI數據同步記錄

使用德國Brain Products公司的MR型腦電記錄與分析系統, 按國際10-20系統擴展的64導電極帽記錄腦電活動。采用3.0 T Siemens Trio掃描儀和配備EPI功能的頭線圈進行fMRI掃描。

(6) ERP數據分析

對EEG數據進行去偽跡等處理。按實驗條件對被試反應正確的試次的EEG分別進行疊加。由于信息選擇過程在問題解決的初期便開始發生,因此此處EEG信號的疊加采用刺激鎖定的方法。分析時程為謎底呈現前200 ms至其出現后T ms,T根據被試的行為反應時確定, 基線為前200 ms。對創造性解決條件和尋常解決條件誘發的各個ERP成分進行比較, 對其差異波進行溯源分析。

(7) fMRI數據分析

腦區定位分析：用SPM5軟件對圖像進行時間校準, 空間對齊, 標準化和平滑等處理。分析謎底呈現到被試按鍵之間的時段, 根據一般線性模型進行個體及組分析, 通過統計檢驗得到創造性解決條件相對于尋常解決條件的大腦激活區。

感興趣區的時間序列分析：根據已有文獻確定感興趣區, 并對其血氧水平依賴信號(BOLD)在條件內進行疊加, 得到創造性解決和尋常解決條件下各感興趣區的神經活動變化, 并比較其差異。與ERP分析相同, 此處BOLD信號的疊加采用刺激鎖定的方法, 將起始點定在謎底呈現的時刻, 考察BOLD信號在其之后的變化。

腦區間連通性分析：對于感興趣腦區間的相互作用, 擬采用動態因果模型進行有效連通性分析。具體的有效連通性分析可以通過SPM5軟件來實現?；谀X區定位分析的結果, 選定了若干感興趣區域。感興趣區為以該腦區個體被試激活最大值為球心, 6 mm為半徑的球體, 球體內的BOLD信號通過SPM5的VOI (Volume of Interest),提取調制后的感興趣成分, 經動態因果模型分析后得到個體連通分析結果。最后, 所有被試的不同連通分析結果通過基于貝葉斯因子的方法進行模型的比較, 選出最優的模型進行結果分析和討論。

(8) 結果預期

ERP結果：相比于尋常解決條件, 創造性解決條件在額中央區400 ms左右誘發一個更大的負成分, 在右側顳區誘發一個更大的晚期正成分;fMRI結果：相比于尋常解決條件, 創造性解決條件下外側前額皮層以及右側顳葉皮層神經活動更強, 且外側前額皮層對雙側顳葉的調節作用更強。

3.2 語義類問題的創造性解決中新穎聯結形成的動態神經加工模式

(1) 實驗目的

選取語義雙關歇后語謎題, 采用答案選擇范式, 探索被試在完成該謎題過程中, 選擇新穎答案與尋常答案條件下大腦神經活動差異, 從而揭示新穎聯結形成的神經機制。

(2) 實驗設計

采用單因素實驗設計, 根據被試選擇的答案,采用專家評定的方法, 將實驗結果分為尋常解決和創造性解決兩種條件。因變量是被試對雙關歇后語謎題進行答案選擇過程中的ERP波幅、各腦區的激活程度、BOLD信號變化以及腦區間的相互作用強度。

(3) 實驗材料

實驗采用雙關歇后語謎題, 每題謎題4至6個字, 謎底為雙字詞, 例如：“鑿壁借光—孔明”。在答案選擇任務中為每道謎題設置6個備擇選項,包括一個新穎答案、三個尋常答案和兩個無關選項。新穎答案是歇后語謎題的原有謎底, 它與謎面存在內隱而非直接的語義關聯。在預實驗中請一組被試根據謎面進行自由聯想, 生成與謎面存在語義關聯的答案, 然后從被試根據謎面所生成的答案中篩選出生成率最高的三個詞作為該謎語的尋常答案。無關選項是從被試根據其他謎面生成的答案中選擇的, 且與謎面不存在語義關聯的雙字詞。再請一組被試對答案的新穎性以及與謎面的扣合度進行評定, 選取原有謎底新穎性較高且新穎答案和尋常答案與謎面扣合度差別最小的80題, 作為fMRI實驗的材料。相對于采用文獻中成語謎題材料的答案選擇范式, 選出歇后語謎題的新穎答案比較簡單, 因此研究二增加了尋常答案數目以及備擇選項總數, 以此來增加謎題解決的難度, 進而對新穎答案和尋常答案的選擇比率進行調控。

(4) 實驗流程

通過指導語, 要求被試盡量選出新穎答案。首先在屏幕中央呈現十字注視點1 s, 間隔0.5 s后, 呈現謎面4 s, 間隔1 s后在謎面不消失的情況下呈現6個答案, 要求被試在16 s內選出新穎答案, 被試按鍵選擇后即進入下一屏。兩試次間隔10 s。對新穎答案和尋常答案的空間位置進行平衡。正式實驗前首先讓被試進行練習, 熟悉實驗流程及任務要求。練習中對被試的回答的結果給予反饋, 正式實驗不提供答案反饋。

(5) ERP和fMRI同步數據記錄

數據記錄同研究一。

(6) ERP數據分析

ERP數據分析與研究一基本相同。由于新穎聯結形成是建立在信息選擇的基礎上, 不同的信息選擇時間會導致新穎聯結形成發生在謎題呈現后的不同時刻, 因此刺激鎖定方法不能很好的提取相關腦區在新穎聯結形成過程中的神經活動變化。不過, 新穎聯結形成總是發生在問題解決的前一刻, 所以研究二采用反應鎖定方法。分析時程為被試反應前1000 ms到反應后800 ms, 其中反應后的600～800 ms為基線。對創造性解決和尋常解決誘發的ERP成分進行比較, 并對其差異波進行溯源定位。

(7) fMRI數據分析

fMRI數據分析與研究一基本相同, 不同的在于時間序列分析采用反應鎖定方法, 考察在按鍵反應之前新穎聯結相關腦區BOLD信號的變化,連通性分析在提出的模型中包含的是新穎聯結形成所有相關的腦區。

(8) 結果預期

ERP結果—相對于尋常解決條件, 創造性解決條件在按鍵前會誘發一個更正的ERP成分, 溯源定位于右側顳葉; fMRI結果—相對于尋常解決條件, 創造性解決條件下右側顳葉和海馬神經活動更強, 且右側顳葉神經活動對海馬激活的影響更大; 海馬激活滯后于其他腦區。

3.3 語義類問題的主動的創造性解決的動態神經加工模式研究

(1) 實驗目的

選取語義雙關歇后語謎題, 探索被試在主動解決該謎題過程中, 尋常解決和創造性解決條件下大腦神經活動差異, 從而揭示主動的創造性問題解決的神經機制。

(2) 實驗設計

采用單因素實驗設計, 根據被試給出的答案,采用專家評定的方法, 將實驗結果分為尋常解決和創造性解決兩種條件。因變量是被試在主動解決雙關歇后語謎題過程中的ERP波幅、各腦區的激活程度、BOLD信號變化以及腦區間的相互作用強度。

(3) 實驗材料

為了減少語音加工的干擾, 實驗材料排除了諧音歇后語, 而采用雙關歇后語謎題。如“馬跳進海里—奔波”, 其原有謎底與謎面意思不同, 這種聯結需要語義的轉換, 因此定義為創造性解決條件; 將與謎面具有簡單語義關聯, 但無雙關的答案定義為尋常解決, 如“馬跳進海里—踏浪”。選取原有謎底新穎性較高的謎題作為正式實驗的材料。實驗材料共選取100題。

(4) 被試選擇

對被試進行歇后語熟悉度進行調查, 并采用非正式實驗材料的歇后語謎語100條對其進行測試。剔除對歇后語熟悉度過高和過低的被試。由于歇后語謎題解決難度較大, 因此在正式實驗前,對被試進行訓練, 以提高其創造性問題解決的比率, 并縮短問題解決時間。剔除訓練后創造性問題解決比率過高和過低的被試。

(5) 實驗流程

通過指導語要求被試主動生成創造性答案。首先在屏幕中央呈現十字注視點1 s, 間隔0.5 s后, 呈現歇后語謎題界面30 s, 要求被試想到答案后進行按鍵反應, 按鍵反應后即進入空屏, 2 s后跳轉至“報告答案”界面, 此時要求被試口頭報告出所想答案。如果被試在30 s內沒有做出反應,自動進入“*”界面, 10 s后進入下一個試次。正式實驗前首先讓被試進行練習, 熟悉實驗流程及任務要求。練習中對被試的回答的結果給予反饋,正式實驗不提供答案反饋。在腦成像實驗中, 如何輸出被試主動生成的答案是一個需要特別關注的問題, 本實驗要求被試進行口頭報告, 并且通過在想到答案的按鍵反應與提示口頭報告的界面呈現之間設置空屏的方式將問題解決過程與輸出答案過程區分開, 以減少口頭報告所引發的一系列血氧水平活動對前一過程信號的干擾。至于口頭報告可能引發的頭動效應, 則采用事后檢測的方式, 在數據處理時, 排除頭動較大的被試數據或單個試次數據。

(6) ERP和fMRI同步數據記錄

數據記錄同研究一。

(7) ERP數據分析

ERP數據分析與研究二基本相同。不同的是,對信息選擇的探討采用刺激鎖定的方法, 對新穎聯結產生的探討采用反應鎖定的方法。

(8) fMRI數據分析

fMRI數據分析與研究一基本相同, 不同的在于時間序列分析對不同的腦區采用不同的鎖定方法：信息選擇相關的腦區采用刺激鎖定的方法,考察其BOLD信號在謎題呈現之后的變化; 新穎聯結相關的腦區采用反應鎖定方法, 考察在被試按鍵之前這些腦區BOLD信號的變化。腦區間連通性分析在提出的模型中同時包含信息選擇和新穎聯結形成所有相關的腦區。

(9) 結果預期

ERP結果—相對于尋常解決條件, 創造性解決條件在刺激鎖定分析中額中央區誘發一個更負的ERP成分, 在右側顳葉誘發一個更大的晚期正成分, 在反應鎖定分析中在右側顳葉按鍵反應前一刻誘發一個更正的ERP成分; fMRI結果—相對于尋常解決條件, 創造性解決條件下前扣帶回、外側前額皮層、右側顳葉皮層和海馬神經活動更強, 前額皮層對雙側顳葉的調節作用更強, 且右側顳葉神經活動對海馬激活的影響更大; 右側顳葉皮層激活滯后于前額皮層和左側顳葉皮層, 早于海馬的激活。

4 總結

先前的創造性思維研究結果表明, 在語義類問題的創造性解決中, 左、右側顳葉皮層分別與突顯的(常用的)和非突顯的(潛在的或遠距離的)語義信息加工有關, 前扣帶回和外側前額皮層與沖突監控和解決有關, 海馬與新穎信息聯結形成有關。盡管這些研究基于功能特化的思想, 基本完成了創造性問題解決相關的各個關鍵腦區的功能定位, 但并未揭示這些關鍵腦區在創造活動中的動態神經活動以及它們之間的相互作用關系。

本研究在語義類問題創造性解決的認知加工模型基礎上, 對創造性問題解決中信息選擇和新穎聯結形成兩個關鍵子過程中關鍵腦區的動態神經活動及其神經連通性進行研究, 試圖提出語義類問題創造性解決的神經加工模型。如圖2所示,問題的呈現將會不同程度的激活左、右顳葉以加工突顯的和潛在的語義信息, 突顯的語義加工往往并不能滿足任務需要, 前扣帶回的活動將會增強, 以監控這種認知沖突, 并進一步激活左右外側前額皮層, 以完成對左側顳葉活動的抑制和右側顳葉活動的促進。如果這種調制作用不夠強,問題則無法創造性的解決。只有當右側顳葉得到了足夠強度的激活, 才能在海馬形成新穎語義聯結, 并創造性的完成問題解決。

圖2 語義類問題創造性解決的神經加工模型

本研究對語義類創造性問題解決的動態神經加工模式進行探索, 不僅能為創造性思維的動態認知加工模型提供神經學依據, 還能推動創造性思維神經加工理論的發展, 并對具有神經可塑性的創造力培養具有一定的指導意義。

沈汪兵, 劉昌, 張小將, 陳亞林. (2011). 三字字謎頓悟的時間進程和半球效應: 一項ERP研究.心理學報, 43(3),229–240.

吳齊元, 吳麗麗, 羅勁. (2010). What和Where: 視覺背腹側通路在漢字組塊破解過程中連接的變化.中國科學,40(4), 369–381.

張慶林, 邱江, 曹貴康. (2004). 頓悟認知機制的研究述評與理論構想.心理科學, 27(6), 1435–1437.

Aziz-Zadeh, L., Kaplan, J. T., & Iacoboni, M. (2009)."Aha!": The neural correlates of verbal insight solutions.Human Brain Mapping, 30(3), 908–916.

Bechtereva, N. P., Korotkov, A. D., Pakhomov, S. V.,Roudas, M. S., Starchenko, M. G., & Medvedev, S. V.(2004). PET study of brain maintenance of verbal creative activity.International Journal of Psychophysiollogy,53(1), 11–20.

Beeman, M. J., & Bowden, E. M. (2000). The right hemisphere maintains solution-related activation for yet-to-be-solved problems.Memory & Cognition, 28(7),1231–1241.

Bink, M. L., & Marsh, R. L. (2000). Cognitive regularities in creative activity.Review of General Psychology, 4, 57–78.

Bowden, E. M., & Jung-Beeman, M. (2003). Aha! Insight experience correlates with solution activation in the right hemisphere.Psychonomic Bulletin & Review, 10(3), 730–737.

Bush, G., Luu, P., & Posner, M. I. (2000). Cognitive and emotional influences in anterior cingulate cortex.Trends in Cognitive Sciences, 4(6), 215–222.

Dietrich, A., & Kanso, R. (2010). A review of EEG, ERP,and neuroimaging studies of creativity and insight.Psychological Bulletin, 136(5), 822–848.

Faust, M., & Chiarello, C. (1998). Sentence context and lexical ambiguity resolution by the two hemispheres.Neuropsychologia, 36(9), 827–835.

Finke, R. A., & Slayton, K. (1998). Explorations of creative visual synthesis in mental imagery.Memory & Cognition,16, 252–257.

Friston, K. J., Frith, C. D., & Frackowiak, R. S. J. (1993).Time-dependent changes in effective connectivity measured with PET.Human Brain Mapping, 1, 69–80.

Friston, K. J., Frith, C. D., Liddle, P. F., & Frackowiak, R. S.(1993). Functional connectivity: The principal-component analysis of large (PET) data sets.Journal of Cerebral Blood Flow and Metablism, 13(1), 5–14.

Friston, K. J., Harrison, L., & Penny, W. (2003). Dynamic causal modelling.Neuroimage, 19(4), 1273-1302.

Giora, R. (1997). Understanding figurative and literal language:The graded salience hypothesis.Cognitive Linguistics, 8,183–206.

Howard-Jones, P. A., Blakemore, S. J., Samuel, E. A.,Summers, I. R., & Claxton, G. (2005). Semantic divergence and creative story generation: An fMRI investigation.Cognitive Brain Research, 25(1), 240–250.

Jonides, J., Smith, E. E., Marshuetz, C., Koeppe, R. A., &Reuter-Lorenz, P. A. (1998). Inhibition in verbal working memory revealed by brain activation.Proceedings of the National Academy of Sciences of the United States of America, 95(14), 8410–8413.

Jung-Beeman, M., Bowden, E. M., Haberman, J., Frymiare, J.L., Arambel-Liu, S., Greenblatt, R.,... Kounios, J. (2004).Neural activity when people solve verbal problems with insight.PLoS Biology, 2(4), E97.

Knoblich, G., Ohlsson, S., & Raney, G. E. (2001). An eye movement study of insight problem solving.Memory &Cognition, 29(7), 1000–1009.

Kounios, J., Frymiare, J. L., Bowden, E. M., Fleck, J. I.,Subramaniam, K., Parrish, T. B., & Jung-Beeman, M.(2006). The prepared mind: Neural activity prior to problem presentation predicts subsequent solution by sudden insight.Psychological Science, 17(10), 882–890.

Luo, J., & Niki, K. (2002). Role of medial temporal lobe in extensive retrieval of task-related knowledge.Hippocampus,12(4), 487–494.

Luo, J., & Niki, K. (2003). Function of hippocampus in"insight" of problem solving.Hippocampus, 13(3),316–323.

Luo, J., Niki, K., & Knoblich, G. (2006). Perceptual contributions to problem solving: Chunk decomposition of Chinese characters.Brain Research Bulletin, 70(4-6),430–443.

Luo, J., Niki, K., & Phillips, S. (2004). Neural correlates of the 'Aha! reaction'.Neuroreport, 15(13), 2013–2017.

Mai, X. Q., Luo, J., Wu, J. H., & Luo, Y. J. (2004). "Aha!"effects in a guessing riddle task: An event-related potential study.Human Brain Mapping, 22(4), 261–270.

Marreiros, A. C., Kiebel, S. J., & Friston, K. J. (2008).Dynamic causal modelling for fMRI: A two-state model.Neuroimage, 39(1), 269–278.

Qiu, J., Li, H., Jou, J., Liu, J., Luo, Y., Feng, T.,... Zhang, Q.(2010). Neural correlates of the "Aha" experiences:Evidence from an fMRI study of insight problem solving.Cortex, 46(3), 397–403.

Qiu, J., Li, H., Jou, J., Wu, Z. Z., & Zhang, Q. L. (2008).Spatiotemporal cortical activation underlies mental preparation for successful riddle solving: An event-related potential study.Experimental Brain Research, 186(4), 629–634.

Qiu, J., Li, H., Yang, D., Luo, Y., Li, Y., Wu, Z. Z., & Zhang,Q. L. (2008). The neural basis of insight problem solving:An event-related potential study.Brain and Cognition,68(1), 100–106.

Razoumnikova, O. M. (2000). Functional organization of different brain areas during convergent and divergent thinking: An EEG investigation.Cognitive Brain Research,10(1-2), 11–18.

Razumnikova, O. M. (2007). Creativity related cortex activity in the remote associates task.Brain Research Bulletin, 73(1-3), 96–102.

Richardson, F. M., Seghier, M. L., Leff, A. P., Thomas, M. S.C., & Price, C. J. (2011). Multiple routes from occipital to temporal cortices during reading.Journal of Neuroscience,31(22), 8239–8247.

Takeuchi, H., Taki, Y., Sassa, Y., Hashizume, H., Sekiguchi,A., Fukushima, A., & Kawashima, R. (2010). White matter structures associated with creativity: Evidence from diffusion tensor imaging.Neuroimage, 51(1), 11–18.

Tononi, G., Sporns, O., & Edelman, G. M. (1994). A measure for brain complexity: Relating functional segregation and integration in the nervous system.Proceedings of the National Academy of Sciences of the United States of America, 91(11), 5033–5037.

Wu, L., Knoblich, G., & Luo, J. (2012). The role of chunk tightness and chunk familiarity in problem solving:Evidence from ERPs and fMRI.Human Brain Mapping,34(5), 1173–1186.

Zhao, Q., Zhou, Z., Xu, H., Fan, W., & Han, L. (2014).Neural pathway in the right hemisphere underlies verbal insight problem solving.Neuroscience, 256, 334–341.

Zhao, Q. B., Li, Y., Shang, X. L., Zhou, Z. J., & Han, L.(2014). Uniformity and nonuniformity of neural activities correlated to different insight problems solving.Neuroscience,270, 203–211.

Zhao, Q. B., Zhou, Z. J., Xu, H. B., Chen, S., Xu, F., Fan, W.L., & Han, L. (2013). Dynamic neural network of insight:A functional magnetic resonance imaging study on solving Chinese ‘chengyu’ riddles.PLoS One, 8(3), e59351