1700677491
坎维舍在1995年第一次看到了fMRI扫描成像的结果（接受扫描的是她自己的脑），她在回忆当时的激动心情时说：
1700677492
1700677493
你可以看到每个体素［成像的最小单位］fMRI反应的原始时间进程。最令人激动的是，当我看到面孔的时候，信号比我看物体的时候要强。
1700677494
1700677495
就像赖希勒几年前宣称的那样，认知过程似乎确实可以定位到脑的特定区域。fMRI革命就此开始了。
1700677496
1700677497
最后一步是让持怀疑态度的科学家相信，通过在测量fMRI反应的同时记录单个神经元的活动，可以证明fMRI确实能直接反映脑的神经元活动。这是一项巨大的技术挑战，一个重要原因是将电极放置在成像仪的磁场中会引起电流活动，从而很难识别电极所记录的神经元的反应。最终，尼克斯·罗格塞提斯（Nikos Logothetis）和同事在2001年——BOLD测量的突破面世10年后——发表了一篇论文，证明fMRI确实与神经活动紧密相关。[7]
1700677498
1700677499
fMRI产生了非同寻常的影响力。在不到30年的时间里，研究人员已经发表了超过10万篇关于这个主题的科学论文，目前的论文年平均发表数量是大约8000篇。这些研究非常受媒体喜爱，因为它们有抓人眼球的图像，而且讲述的关于脑如何工作的故事也相对简单易懂。例如，记者告诉我们，fMRI可以解释个体差异（“赌博成瘾者的脑构造不同”），甚至可以“读心”（“fMRI知道你的秘密”）。怪异的是，这些图像有时被用来证实我们的主观体验，仿佛图像中的那些彩色斑点能让我们的感受更真实（“脑成像提供了针灸减轻疼痛的视觉证据”或者“摄入脂肪确实令人愉悦”）。[8] 还有一些虚假的说法称，脑扫描可以用来判断你是否在说谎，而事实上还没有法庭批准把这种技术应用到司法过程中。另有研究小组表示，杀人犯的脑表现出一种独特的组织方式。[9] 很明显，这些新技术某些可能的应用颇具反乌托邦色彩，因此正日益成为社会学家和伦理学家关注的焦点。[10]
1700677500
1700677501
1700677502
1700677503
1700677504
当某种特定的心理活动正在进行时，fMRI能准确地识别出脑中被激活的区域。无论是对研究人员还是普通大众，fMRI的诱人之处正是这一点。但这些直观的图像远没有它们看起来那么简单。脑是一个活的器官，一直在执行各种各样的活动，因此研究人员必须在它高水平的活动背景中找出他们感兴趣的那点变化。脑区之间BOLD水平的差异通常非常微小，而fMRI是用明亮的颜色来反映这些差异的，这意味着颜色体现的准确性和强度差异未必能真实地反映数据。对这些通常非常微小的BOLD信号差异进行计算，需要用到复杂的软件包，而这可能会产生错误。2016年，一个fMRI研究团队调查了超过300万份来自已发表论文的成像结果，他们发现“最常见的fMRI分析软件包……假阳性率高达70%，这样的结果足以对大约4万项fMRI研究的有效性提出质疑，可能会对神经成像结果的解读产生很大影响”。[11] 针对这一令人担忧的结论，一些研究者认为存在争议（4万这个数字最终被降到了几千），但许多研究者欢迎这种质疑，他们认为对于一种30年来被广泛使用的成像方法来说，这是厘清其科学基础的一个机遇。[12]
1700677505
1700677506
这已经不是第一次有人对fMRI数据的解读提出质疑了。2008年，尼克斯·罗格塞提斯警告学界，许多fMRI研究中使用的方法存在重大问题。他特别强调的一点是，fMRI提供的是一种测量脑活动的替代方法，它测量的是大片脑区的血流量，尽管血流量和真正的细胞活动存在明显的相关性，但血流量不是细胞活动。罗格塞提斯指出，研究者必须牢记这一点：
1700677507
1700677508
fMRI的局限性不是成像仪的物理学原理或者工程设计欠佳导致的，因此不太可能通过提高成像仪的复杂性和功率来解决。相反，导致这种局限性的是脑环路和脑功能的组织形式，以及忽视这种组织形式的不当实验方案。[13]
1700677509
1700677510
这种批评在某些情境下显得尤其恰当。比如，有fMRI研究称，在感受到某种情绪时，脑的某个部位会“亮起来”。但fMRI研究者拉塞尔·波德拉克（Russell Poldrack）指出：“这样的一一对应关系很少，多数脑区在很多情境下都能被激活。”[14] 即使两者有这种紧密的关联，那也仅仅是一种相关性。想要证明某个脑区确实是特定思想或经历的唯一所在部位，需要研究这个脑区发生了病变的病人，或者以某种方式刺激这个脑区。这样的研究目前很少，而且在已经开展的研究中，有的未能证明两者存在预测的因果关系。[15]
1700677511
1700677512
2009年，一家不知名的心理学杂志发表了一篇题为《社会神经科学中的巫毒相关性》（Voodoo Correlations in Social Neuroscience）的文章，引发了全球对fMRI数据解读的关注。这篇文章指出，在使用fMRI研究特定脑区与特定行为或感觉的相关性的论文中，两者的相关性都“高得令人困惑”。作者甚至说，其中一些研究的结果“高得不可思议”，并要求作者重新分析他们的数据。[16]
1700677513
1700677514
出乎所有人意料的是，这个以关注统计学细节为基础的观点竟然被各界疯传。[17] （遗憾的是，就在这时，杂志的编辑们失去了勇气，坚持要求作者给文章换一个不那么张扬的标题。）混乱平息后，学界在研究的原则上达成了一项共识——fMRI研究需要改进统计检验方式并更严格地规范实验。当成像软件的问题在5年后暴露出来时，这一共识再次被重申，这似乎说明研究人员们在一段时间内会记住教训，但很快就会遗忘。
1700677515
1700677516
从一些fMRI研究者日常的言语中就能看出，他们其实已经认识到这些问题了。“巫毒争端”爆发几个月后，在国际人脑图谱学会（the Organization for Human Brain Mapping）的年会上，学会主席做了发言，并描述了他认为特别有趣的一场会议报告。报告介绍的是克雷格·班尼特（Craig Bennett）和同事在一条死鲑鱼上开展的研究。班尼特对实验过程的描述值得一读：
1700677517
1700677518
一条成年大西洋鲑参与了fMRI研究。这条鲑鱼长约18英寸[18] ，重3.8磅[19] ，在扫描时已经死亡。给鲑鱼的任务包括完成一个开放式的心智任务。研究人员向这条鲑鱼展示了一系列照片，这些照片描绘了在社会环境中具有特定情绪效价的鲑鱼个体。研究人员要求鲑鱼判断照片中的鲑鱼当时正在经历什么样的情绪。[20]
1700677519
1700677520
当这条死鱼被询问有关这一系列照片的问题时，fMRI扫描在它脑中一个27立方毫米的小区域内发现了几个显著的反应（用专业术语来说就是p值小于0.001）。按照fMRI结果的传统解读方式，照片信息的处理发生在死鱼脑中一个非常特定的区域。这项讽刺味十足的研究还明确指出，fMRI研究需要更严格和更完善的统计方法，因为在死鱼的脑中存在BOLD信号的随机变化，足以被错误地解读为有意义的结果。论文未言明的暗示是，同样的问题也可能出现在对活的受试者的研究中。论文的更完整版本很快被发表在《偶然发现和意外结果杂志》（Journal of Serendipitous and Unexpected Results ）上，这项研究还在2012年被授予了搞笑诺贝尔奖。
1700677521
1700677522
针对这个问题，更严谨的应对方法出现于2017年。由拉塞尔·波德拉克（他的一些工作也位居“巫毒论文”批评的研究中）领导的一群研究人员给出了一系列关于如何改进fMRI研究有效性的建议。[21] 他们特别建议研究应该增加实验受试者的数量，并在实验开始前明确说明要对哪些脑区开展研究（太多的研究都是在数据中挑挑拣拣地寻找某些效应，这会增加对结果产生误读的可能性）。想要消除fMRI批评者对实验设计方法论的怀疑，科学界还有很长的路要走。
1700677523
1700677524
1700677525
1700677526
1700677527
但即使实验设计得更加严格，fMRI究竟能告诉我们什么这个更根本的问题仍然存在。在影像学论文中，很少有研究能为理解脑具体是如何工作的提供深刻的见解，因为这需要描述不同的脑区中在发生何种表征和计算过程，而这些研究的数据在这个问题上无能为力。在这方面，公众认为这些研究能得出什么样的结论与参与研究的科学家如何解读他们的数据之间存在一个鸿沟。许多fMRI研究者都清楚，他们的研究结果需要被整合到一个全面的脑功能框架中，但目前他们还做不到——既没有合适的数据，也欠缺可用的理论框架。
1700677528
1700677529
尽管面临着这些事关领域根基的难题，fMRI研究人员仍然对他们的实验感到自豪，这是可以理解的，有些研究人员还会坚定地捍卫他们的实验结果提示的有关功能定位的结论。例如，南希·坎维舍在1997年使用fMRI确定了脑中一个与处理面孔信息有关的区域——梭状回面孔区（fusiform face area）。尽管她与吉姆·哈克斯比（Jim Haxby）等研究者展开了长时间的争论（哈克斯比曾提出面孔信息是以一种更加分散的方式处理的）[22] ，而且她最初用于发现这个脑区的方法也遭到了批评，但坎维舍还是声称她的结果为功能高度定位化的理论提供了明确的证据。情况似乎确实如此：曹颖的电生理学研究表明，猕猴脑的同一脑区也负责处理面孔的信息。
1700677530
1700677531
有人把坎维舍称为现代的颅相学家，她坚决否认这一点并解释说：“没有什么复杂的认知过程是在某个单一脑区完成的，对某些脑区特异性的强调绝不意味着其他脑区不发挥作用。”[23] 她还指出，有些刺激没有特定的处理脑区，例如鲜花、蜘蛛和蛇。尽管如此，她仍然坚称脑中有在解剖学上边界清晰的功能模块。她甚至声称，“脑功能成像已经开始以一种非常可靠的方式揭示人类心智的功能性组织”。她还说，这种功能性组织是模块化的——脑的不同部分负责不同的事情。2017年，在她发现梭状回面孔区参与处理面孔信息20年后，坎维舍发表了一篇回顾相关领域进展的文章。她在文章中写道：“我认为，在理解人类心智这个问题上，那些根据实验结果划分出的各个负责特定功能的脑区之间的边界确实与自然的‘纹理’相一致，捕捉到了认知和神经数据中固有的结构。”[24][25] 许多神经科学家都不会同意她的这一观点。
1700677532
1700677533
不时冒出来的对fMRI数据的轻率解释让一些神经科学家感到恼火，再加上公认的方法学上存在的问题，这导致使用这项技术的人与许多其他神经科学家之间产生了隔阂。例如，阿尔伯特·卡多纳正在尝试建立果蝇幼虫脑的连接组，他在推特上评论fMRI的相关问题时说道：“在我参加过的以fMRI为主题的神经科学讲座中，只有一个让我觉得不是在忽悠人。”几个月后，著名人类遗传学家丹尼尔·麦克阿瑟（Daniel MacArthur）在他的推特中表示，他已经“形成条件反射了，看到带‘fMRI’这个词的东西就不信”。而在2019年，都柏林三一学院的神经遗传学家凯文·米切尔强调，fMRI研究脑结构时分辨率根本不够，并直言不讳地指出这是“神经成像的普遍问题——这东西没啥用”。[26]
1700677534
1700677535
fMRI之所以不能打动这些批评者，是因为他们习惯于探索单个细胞或者特定基因所产生的非常精确的作用，而fMRI却无法测量对脑真正重要的东西——动作电位，那才是神经元中的实际信号。[27] 脑的组织方式是相当致密的，尼克斯·罗格塞提斯在2008年曾估计，在一张脑图像的每一个像素（对应于fMRI术语中的“体素”）中，神经元的数量达到了惊人的550万个，这些神经元间形成了2.2×1010 ~5.5×1010 个突触，树突和轴突的总长分别为22千米和220千米。[28] 脑功能真正的活动发生在突触、单个细胞以及细胞网络中，粗糙的fMRI成像是无法精细呈现这种尺度的。此外，fMRI的时间分辨率在秒的数量级上，而神经元发送信息的时间是以毫秒计的。更值得注意的是，fMRI无法揭示脑工作过程中的一个关键方面——激活和抑制之间的区别。fMRI不能告诉我们单细胞或细胞网络想要做什么。即使在神经束的层面上，它也不能告诉我们具体发生了什么，而仅仅是告诉我们在一个非常粗糙的层面上，某个脑区中的某些活动比其他脑区发生得更多或者更少。甚至只是也许发生得更多或者更少。
1700677536
1700677537
2015年，曹颖和同事发现，fMRI粗糙的本质意味着，即使是阴性结果也不能信以为真——当fMRI研究表明某个脑区没有“亮起来”时，我们不能得出任何可靠的结论。通过对比猕猴视觉皮层面部处理区的fMRI结果和单细胞记录结果，曹颖的团队发现fMRI研究表明该脑区不处理人脸识别信息，但更为精确的单细胞记录显示，这些信息确实存在于该脑区的细胞活动中。粗糙的fMRI无法检测到这些信息，因为参与人脸识别的细胞太少、太分散，无法通过成像来识别。[29]
1700677538
1700677539
针对这些批评，一些fMRI研究者进行了反击。2017年，伦敦大学学院艾伦·图灵研究所的奥利维亚·盖斯特（Olivia Guest）和布拉德利·洛夫（Bradley Love）使用神经网络分析了一些fMRI研究的数据，以观察物体视觉信息之间的相似性和差异性是如何在数据中表现出来的。[30] 深度学习网络从初级视觉处理通路的fMRI数据中识别出信号，但在脑功能的更高层级上，它不太能识别出对精确物体的明确反应。盖斯特和洛夫认为，这种表征在更高的层级上趋向于更分散化和更具有象征性。令人惊讶的是，对于感知的物质基础，盖斯特和洛夫推出的解释似乎避开了任何对细胞层面的关注：
1700677540