一个人为何难以同时处理两件事？过去数十年，科学家们一直探究个中原因。有学者认为，大脑的“中央瓶颈”机制（Central Bottleneck）限制多任务处理的能力；亦有人指出，不同任务需要竞争有限的神经资源。然而，两种观点均未能完全解释大脑如何协调不同任务之间对神经资源的竞争，以及练习如何令原本容易受到相互干扰的系统，逐步提升同时处理多任务的效率。

由香港城市大学（城大）生物医学院神经科学系讲座教授容永豪教授及香港中文大学（中大）医学院生物医学学院柯亚教授共同领导的一项研究，揭示了大脑如何透过动态调整及重组神经资源，学习提升同时处理多个任务的能力。研究团队透过实验小鼠双重任务训练，并在过程中追踪同一组单神经元，发现当小鼠同时处理两项任务时，并非单纯受制于大脑的中央瓶颈机制，而是当大脑初期察觉不同的任务需要竞争脑神经资源，会进行协调工作，随着学习逐步动员更多具任务专用的神经元，并使不同任务的神经表征逐渐分离，以提升多任务处理效率。团队指出相关生物神经机制有助于训练人工智能系统同步处理多个事项的能力。研究成果已发表于顶尖神经科学期刊《神经元》（Neuron），题为“高阶皮层在平行任务处理中的动态协调与分离机制”。

为了探讨大脑如何同时处理两项任务，研究团队设计了一套实验模式，实验小鼠需要一方面维持连续推杆动作，另一方面聆听不同的听觉提示并决定是否做出反应，亦被称为“执行/不执行”的感觉决策任务。在长达数周的训练期间，研究人员利用纵向双光子钙成像技术追踪小鼠次级运动皮层（简称M2）中大量神经元群体内特定的单神经元活动，借此观察动物在学习同时处理多个任务时如何重组神经活动。

研究显示，大脑因应同时处理多个任务所作出的干扰反应，可以追溯至单神经元层面。当两个任务需要运用同一个神经元，该神经元就成为了竞争热点，大脑则需要在有限的神经资源下处理任务。团队更发现受影响的不只是需要共享的神经元，即使是主要负责单一项任务的神经元，在另一项任务进行处理时，亦会调整其活性以协调大脑应付两个任务的需要，提高整体处理效率。

随著训练持续进行，实验小鼠的大脑采取了不同策略应对。大脑招募了更多任务特定的专用神经元，同时渐渐区分两项任务的神经特性，以更独立的神经元梯队完成每项任务，从而减少共享资源所带来的干扰。研究团队进一步证实，M2在大脑学习同时处理多个任务方面扮演重要角色，他们发现当M2活性受到抑制，即使实验小鼠有进行练习，牠们的一心二用能力都没有进步。但当M2活性再次激活，小鼠的相关能力便会迅速提升。

柯教授表示：“我们在此研究发现了大脑学习同时处理多个任务的神经活动机制。在早期学习阶段，主要支援单一任务的神经元降低活性，实际上能够帮助处理另一个任务，并在大脑学会更有效率的解决方案之前，协助两项任务顺利完成。”

研究除了解释大脑如何学习同时处理多个任务，团队进一步探究相关发现是否可以应用于电脑科学及认知科学上的运算思维。团队利用“循环神经网络” 深度学习模型测试同步处理两项任务，结果发现，单纯分离两项任务的特征，并非最有效的方案。但当网络保留了早期的协调机制，同时逐步将其他任务的特征分离时，网络的学习速度会更快，与在生物大脑中观察到的策略极为相似。

容教授表示：“我们的研究结果显示，能够有效率地同时处理多个任务的关键不是完全共享或完全分隔神经资源，而是要在协调与表征分离之间取得平衡。这项发现不仅有助理解与神经系统疾病相关的能力缺陷，亦有助更有效训练和管理人工智能系统，提升其同时处理多项任务的能力。”

容教授及柯教授均为此项研究的通讯作者，其他研究团队成员包括第一作者王书婷博士、朱韵博士及李春月博士。