我們普遍認為，同時處理多項任務極為低效，大腦常在一心二用時“當機”或手忙腳亂。由香港城市大學（港城大）神經科學系講座教授容永豪教授聯同香港中文大學學者共同領導的一項研究，成功破解箇中原因，揭示大腦如何透過動態自我重組，打破認知瓶頸，實現高效的同步多工處理。

這項研究從細胞層面證實大腦適應與優化神經資源的卓越能力，從根本上顛覆了大眾對大腦平行處理能力的認知，對人類如何在日常生活中平衡靈活性與專業分工的神經機制，提供深入見解。相關研究成果已發表於頂尖神經科學期刊《神經元》，題為“高階皮層在平行任務處理中的動態協調與分離機制”。

為了探討大腦如何同時處理兩項任務，研究團隊運用創新的小鼠模型，觀察雙重任務執行期間大腦的次級運動皮層（M2）。小鼠須一方面維持連續推杆動作，另一方面聆聽不同的聽覺提示並決定是否作出反應，即“執行／不執行”的感覺決策任務。在長達數週的訓練期間，研究人員以縱向雙光子鈣成像技術，追蹤 M2 內大量神經元羣體中同一組單神經元的活動，從而觀察小鼠學習同時處理多項任務時如何重組神經活動。

研究顯示，多工處理的干擾可追溯至單神經元層面：同時參與兩項任務的神經元成為競爭熱點，構成大腦處理相互競爭需求時容量有限的細胞層面基礎。團隊更發現，競爭並不限於兩項任務共用的神經元，即使主要負責單一任務的神經元，亦會在另一項任務進行時調整活性，協助大腦協調兩項相互競爭的需求，令多工處理在學習早期已能取得成功。

隨着訓練持續，大腦轉用另一套策略：招募更多任務特定的專用神經元，同時逐漸區分兩項任務的神經特性，以更獨立的神經元梯隊完成每項任務，從而減少共享資源所帶來的干擾，提升整體多工表現。

團隊進一步證實，M2 在這個學習過程中扮演因果性角色。訓練期間適度抑制 M2 活性，小鼠即使持續練習，一心二用的能力亦沒有進步；一旦解除抑制，其多工處理表現便迅速提升。

除了生物學觀察，研究團隊亦利用循環神經網絡進行模擬，發現純粹將兩項任務的表徵分隔開來並非最有效的方案；保留早期的協調機制，同時逐步分隔其他任務的表徵，學習速度反而更快。這項發現與生物大腦運作策略不謀而合，對人工智能領域發展極具啓發意義。

容教授表示：“我們的研究結果顯示，能夠有效率地同時處理多個任務的關鍵不是完全共享或完全分隔神經資源，而是要在協調與表徵分離之間取得平衡。這項發現不僅有助理解與神經系統疾病相關的能力缺陷，亦有助更有效訓練和管理人工智能系統，提升其同時處理多項任務的能力。”

理解這些動態的大腦過程，為提升認知功能與人類潛能開闢了全新途徑。研究團隊未來將善用這些研究成果，優化教育領域的學習策略、為神經系統疾病開發更有效的復康計劃，並持續探討在其他領域的潛在應用。

研究團隊的發現從根本上改變了大眾對大腦平行處理能力的理解，對人類如何在日常生活中平衡靈活性與專業分工的神經機制，提供了前所未有的深入見解。