大脑为何总让你变美？可能是“节能程序”在作祟
你是否曾在滑动屏幕的间隙，对某些图片多看两眼，心里默念“这张好看”？一项12月2日发表于《PNAS Nexus》的研究，Less is more: Aesthetic liking is inversely related to metabolic expense by the visual system，找到了这背后一个让人意想不到的生物学原因。
来自多伦多大学的研究团队，利用AI模型和人脑成像技术，发现了这背后一条简洁有力的规律：视觉系统处理图像时消耗的能量越少，我们感受到的愉悦感就越高，为“美从何来”这个古老问题提供了一个全新的、基于能量效率的解释框架。
实验一：让AI看，数数它用了多少“脑细胞”
首先，研究人员请出了一个名叫 VGG19的人工智能模型。这个模型的结构和工作方式，被认为与人类的视觉处理系统有相似之处。它就像一个经过大量图片训练的“虚拟大脑”，擅长识别物体和场景。
研究团队给VGG19看了4914张来自真实世界的图片（内容涵盖物体、场景等）。他们测量了模型处理每张图片时需要激活的虚拟神经元数量。激活的神经元越多，代表处理过程越复杂，消耗的计算能量越大——这被视作代谢成本的代理指标。
随后，他们将这个能耗指标与之前另一项研究中1118名参与者对同一批图片的愉悦度评分进行对比。结果非常清晰：图片让人工智能模型激活的神经元总数越少（即能耗越低），人类对其的喜爱评分就越高。两者呈现出显著的负相关。
研究采用AI模型与人脑成像双路径验证的策略
更有趣的是，这种关系只在经过物体识别训练的VGG19模型中出现，未经训练的随机模型则没有这种稳定的关联。这说明，这种“节能即美”的效应，可能与视觉系统为了高效理解世界而学到的组织方式有关。
实验二：直接窥探人脑，看看真实耗能
AI的发现如一支序曲，真正的主角还是人脑。为了直接验证假设，研究团队动用了功能性磁共振成像（fMRI）技术。
fMRI可以测量大脑活动时血氧水平的变化（BOLD信号）。神经元活动会消耗氧气，导致局部血流增加，带来更强的BOLD信号。因此，BOLD的强度可以间接反映大脑某个区域在处理信息时的能量消耗。
研究人员分析了另一项大型研究（BOLD5000）的数据。在该研究中，参与者一边在fMRI扫描仪内观看图像，一边评价自己对图像的喜爱程度。团队计算了大脑各视觉区域在观看每张图片时的平均 BOLD 信号强度（即代谢成本），并与该图片的大众审美评分进行关联分析。
人脑的数据支持了AI模型的发现：从处理基础视觉信息（如线条、颜色）的初级视觉皮层（V1, V2, V4），到负责识别场景、人脸等复杂信息的高级区域（如海马旁回位置区PPA、梭状回面孔区FFA、枕叶位置区OPA），它们的BOLD信号强度与图片的愉悦度评分普遍呈负相关。并且，相关性在高级视觉处理区更强。这意味着，对图像内容的有效、节能编码，可能对审美愉悦的贡献更大。
此外，当研究人员用多个视觉区域的能耗数据来综合预测一张图片的受欢迎程度时，也得到了显著的成功。全脑分析还发现，除了视觉区，前额叶皮层等与高级认知、情绪评价相关的区域也参与了这一过程。
审美愉悦感与大脑代谢成本（由fMRI的BOLD信号测量）之间的关系。（A）在多个视觉及高级脑区中，神经活动强度与图片愉悦度评分呈显著的负相关。（B）一名受试者的脑区视图：角回、前扣带皮层和额上回等区域尤为明显
神经美学：美的生物学原理
长期以来，美学是哲学和艺术批评的领域。直到上世纪末，随着脑成像技术的成熟，科学家才开始用实证方法研究美感的生物学基础。
21世纪初，塞米尔·泽基等神经科学家正式创立神经美学。他们利用fMRI发现，当人们欣赏绘画与音乐时，大脑的奖赏系统（如伏隔核、眶额叶皮层）会被强烈激活。这意味着美能像美食、金钱一样，直接带来神经层面的愉悦。同时，内侧前额叶皮层等与自我参照、内省思考相关的区域也参与其中，提示高级认知在审美中的作用。
洛夫·雷伯等心理学家提出另一种“加工流畅性理论”：越容易加工的刺激，人们越喜欢。这种加工流畅性本身就能引发积极情感。例如，清晰度高、对称、容易辨认的图像，其审美评分更高。这暗示了知觉过程的效率与情感之间存在直接联系。
海尔德·莱德等人整合了以上发现，提出了一个分阶段的审美处理模型：美感是自下而上的知觉流畅（如刺激的清晰度、对称性带来的易加工体验）与自上而下的认知阐释（如个人经验、内省思考）共同作用的产物。
少即是多：美感背后的节能逻辑
审美体验在科学上似乎有了大致的轮廓：它既有本能般的愉悦反应，也离不开精密的认知阐释。但驱动其运转的引擎是什么？大脑为何会奖赏流畅，愉悦于效率？这仅仅是认知上的便利，还是源于某种更为原始和基础的生理法则？
这项研究用一个具有生物学基础的“能耗”概念，串联起了许多分散的美学发现，提供了一个统一的视角：
流畅性偏好：越容易辨认、处理的图像，我们越喜欢。
原型效应：“平均脸”之所以常被视为最美，或因“平均”正是大脑编码效率最高、最节能的模板。
视觉不适：某些高对比度条纹或密集图案会引起不适，正是因为它们迫使视觉神经元过度同步激活，导致能耗激增。
当然，审美是复杂的。当人们进行深思熟虑的、有意识的艺术鉴赏时，涉及自我参照、认知评价的脑网络活动会增强，并与愉悦感呈正相关。“节能愉悦”可能更多是第一印象、直觉性审美的基础机制，而更深层次的美学体验则融合了更多认知与情感的加工。
在亿万年的演化中，节能是生存的硬道理。而这份对高效的偏爱，或许正悄然塑造着我们眼中所见的世界之美——美，是效率的诗意体现。
编辑：郭郭
论文信息
发布期刊 PNAS Nexus
发布时间 2025年12月2日
论文标题 Less is more: Aesthetic liking is inversely related to metabolic expense by the visual system
(DOI： https://doi.org/10.1093/pnasnexus/pgaf347）
相关攻略
在图像分类、目标检测和语义分割等核心计算机视觉任务中，Transformer凭借其强大的全局特征建模能力，已成为主流技术架构。然而，其自注意力机制存在的二次计算复杂度问题，严重阻碍了其在手机、平板等移动设备上的高效部署。如何在资源受限的端侧设备上实现视觉Transformer的轻量化，同时保持其关键
通用视觉推理的强化学习框架开源版本正式发布，为AI社区带来突破性进展。 这项名为Vero的研究项目由普林斯顿大学刘壮团队主导，陈丹琦教授参与协作。项目基于创新的方法论构建，其视觉推理模型在图表解析、科学问答、空间关系判断及多样化开放视觉任务中均展现出卓越性能。尤为突出的是，该模型在超过30项权威基准
新加坡国立大学团队提出TGO方法，无需依赖成对偏好数据，可直接利用单个样本的标量评分优化视觉生成模型。该方法通过估计分数阈值划分伪正负例，并依分数距离加权训练，在图像与视频生成任务中有效提升性能，为利用真实场景标量反馈提供了新途径。
寻找上海的城市视觉素材，既要新、又要多、还得可靠，有没有一个地方能同时满足这些要求？ 最近有个平台做了件挺实在的事。IP SHANGHAI，这个上海的城市形象资源共享平台，为了庆祝上线五周年，对其视觉版权交易系统进行了一次重要升级。核心变化在于，创作者现在可以自主为上传的原创图片和视频设定价格，而使
续集魔咒是 Hollywood 铁律——《Beef》第二季却打破了它 说来有趣，这部口碑不降反升的亚裔复仇剧续作，让观众印象最深的，往往不是那些戏剧性的剧情转折，而是每一集里一闪而过的怪诞画作。这本身，就挺反常的。 正方：视觉符号才是续作的灵魂 通常来说，续集为了维持热度，要么堆砌新角色，要么制造更
热门专题
热门推荐
近日，国家能源局联合发改委、工信部、国家数据局正式印发《关于促进人工智能与能源双向赋能的行动方案》。这份重磅文件的核心思路非常清晰：一方面，以坚实的能源基础支撑人工智能（AI）的快速发展；另一方面，利用AI技术赋能能源行业转型升级。其核心目标是推动能源、算力、应用场景、数据与算法模型五大关键要素深度
在挑选文生视频工具时，若您正在智谱清影与Runway Gen-3之间权衡，那么了解两者在生成效果上的具体差异，将有助于您做出更明智的选择。本文将从画质清晰度、细节纹理、运动自然度与视频连贯性等核心维度，通过实测对比为您详细解析。 一、画质与分辨率表现 首先对比硬性指标。智谱清影基于CogVideoX
想用通义万相生成一张科技感十足的数据可视化背景，但出来的画面总觉得少了点“内味儿”？数字界面、粒子流、电路纹理这些关键元素一个不见，画面平平无奇？这通常不是工具的问题，而是提示词没有精准锚定科技可视化的核心要素，或者模型参数没调到最佳状态。别急，下面这几种方法，能帮你把想法精准地“翻译”成画面。 一
想要在Vidu生成的视频中实现流畅的慢动作或快进效果？虽然模型界面没有提供直接调整播放速度的滑块，但通过巧妙的提示词设计、利用内置功能，或结合后期处理工具，你完全可以精准掌控视频的节奏与时间感。本文将为你详细解析四种实用方法，从生成前到生成后，全方位满足你的创作需求。 一、通过精准提示词引导运动节奏
当您使用海螺AI生成的英文论文在提交查重时遭遇高重复率或AIGC检测异常，请不要急于归咎于工具本身。核心原因在于，尽管AI生成的文本格式标准、语法地道，但其语言模式和常见短语组合，并未针对知网、维普、万方等中文查重数据库的语义比对逻辑进行专门优化。换言之，机器认为流畅自然的表达，在查重系统的算法看来