追問快讀：總有那么一些曲子，能夠跨越文化在全世界病毒式傳播。從古典音樂到洗腦神曲，再到如今由AI制作的音樂（例如音樂原創工具Suno），為何總有一些旋律，能夠跨越文化和時間引起人們的共鳴？對于這個問題，曾經的解釋是預測編碼，而新提出的神經共振理論將音樂認知重新定義為“神經振蕩與音樂結構的共舞”，為理解音樂的魔力提供了全新的透鏡。

從古人的“余音繞梁三日不絕于耳”，到音樂電影《歌劇魅影》中的攝人歌喉，音樂無疑具備跨越文化與時間的傳播力。從川普競選時用到的《MEGA》，再到甲亢哥來華時被反復提到的《陽光彩虹小白馬》，洗腦神曲所具備的影響力也可見一斑。關于“音樂是如何被大腦感知的”，曾有過眾多理論，其中最流行的是“音樂預測編碼”（Predictive Coding of Music，PCM）理論。

根據預測編碼理論，大腦并不是被動地接收外部刺激，而是主動地根據以往經驗和當前上下文進行預測。大腦將對音樂的預測與實際聽到的感覺輸入進行比較，如果預測與實際輸入匹配，則神經活動相對較少；如果預測與實際輸入不匹配，則高層次的大腦區域向低層次的區域傳遞預測信息。預測編碼理論認為，音樂引發的情感反應，源于大腦預測與實際輸入之間的匹配程度——當音樂與我們的預期匹配時，會產生積極的情感體驗；當音樂與我們的預期不匹配時，會產生緊張或驚訝的情感體驗。

預測編碼理論將欣賞音樂簡化為大腦的運算過程，把音樂本身僅視為一種統計模式。然而，音樂對人的影響遠不止于此——我們在聆聽動人旋律時，會不自覺地翩翩起舞或潸然淚下，這些都是真實的生理反應。相比之下，神經共振理論（Neural Resonance Theory，NRT）提供了另一種解釋視角，它將音樂解釋為神經振蕩（如皮層Delta/Theta節律、腦干Gamma振蕩）對音樂刺激的涌現現象。本文將首先詳述神經共振理論對音樂的解釋，繼而對比神經共振與預測編碼這兩種理論在解釋音樂現象時的異同。

節奏節拍中的穩定性與預期

神經振蕩是中樞神經系統中普遍存在的節律性重復的神經元活動，包含單個神經元的膜電位振蕩和動作電位的節律性放電，也涉及神經元之間的相互作用。根據振動頻率，從低到高分為Delta、Theta及Gemma波。具體的，頻率最慢的Delta波頻率0.5-4Hz，而最快的Gemma波在30-100Hz。不同物種間略微存在差異。

?圖1：興奮性及抑制性神經元相互作用引發的神經震蕩。

神經共振理論的核心觀點是，當神經振蕩的頻率與音樂節奏或音調頻率接近整數比時（如2:1、3:2），神經系統會進入穩定的“鎖定模式”。這種現象在不同時間尺度的音樂中普遍存在：從人類舞蹈中每拍幾秒的緩慢節奏，到鼓樂每秒數十拍的快速節奏，再到弦樂每秒數百次的高頻振動，都能觀察到這種模式。大腦通過不同的腦電波，能夠同時處理多個時間尺度上的音樂信息，從慢速的節奏到快速的音高變化。

?圖2： 神經振蕩與音樂的時間尺度。

神經共振理論為簡單整數比節奏和音程的跨文化普遍性提供了有力解釋：當節奏呈現2:1的節拍關系或音程呈現3:2的五度關系時，其內在機制在于這些簡單整數比對應著更高的神經動力學穩定性。

這一理論可以解釋當代流行音樂中的普遍現象，如曾經火遍youtube的《江南style》采用4/4拍節奏結構，而新一代神曲《陽光彩虹小白馬》的副歌部分則以3/2拍為主。預測編碼理論認為這類節奏模式產生較少的預測誤差，但這一推論與音樂審美體驗中對新穎性的需求存在理論矛盾；相比之下，神經共振假說給出的解釋似乎更為普世，也闡明了為什么我們能夠學習和適應不同的音樂風格和結構。

?圖3：不同時間尺度下的穩定性預測，簡單節奏（1:1、1:2、2:3等）比復雜節奏（7:4）在神經動力學上更為穩定，因此人們認為這樣的節奏更為協調

當然，音樂中也有部分不那么符合旋律。例如 Coldplay《Viva La Vida》中，前奏和副歌段落的弦樂通過連續的不和諧音簇制造緊張感，隨后以大三和弦（C-E-G）的穩定音程釋放張力。

在神經共振理論中，這種音樂效果可以通過神經狀態的動態吸引過程來理解：聽眾對音樂事件的感知體驗，本質上反映了神經系統從低穩定性向高穩定性的轉換過程。具體而言，不和諧音程（如7:4的小七度）因穩定性低，會引發向和諧音程（如3:2的五度）的“解決”傾向。

這樣的解釋，與預測編碼對音樂帶來的情感反應有所不同。預測編碼理論無法解釋為何整數節拍被認為更為協調，且更易習得并有潛力成為神曲。而神經共振假說，則通過赫布調諧與振蕩耦合的自然偏好，解釋了這一現象。

這也闡明了音樂是如何通過穩定性變化喚起情感：從不協調到協調的轉變過程，對應著緊張情緒的釋放與愉悅感的產生。因此，神經共振假說還可用于解釋，“在西方音樂中，為何更穩定的大調模式被體驗為‘快樂’，而較不穩定的小調模式被體驗為‘悲傷’”——由于相比可能來自更加不協調、更復雜的整數比所經歷的緊張感，大調更能提供一種“解決”或“獎勵”的感覺。

文化間的節奏適配

接下來要考慮的問題是：西方音樂采用七音體系，而中國古樂使用五聲音階，為何不同的音樂體系的人們能夠適應如此差異。

神經共振假說的解釋是，當神經振蕩受到外界音樂刺激時，其非線性動力學特性會發生變化。

響應頻率，不僅包含輸入信號原本的頻率，還包括輸入頻率的整數倍。而根據神經元的赫布可塑性，通過神經振蕩間的同步強化，大腦可無監督學習音樂模式。例如，嬰兒通過前庭運動與聽覺輸入的耦合，逐漸形成文化特定的節拍感知。

這也就意味著，特定調式對應的情感反應是發展性的。只有在充分接觸特定音樂文化后，兒童才能形成相應的情感反應，而年齡較小的兒童則不會出現這種反應。

?圖4：非線性共振和神經可塑性及強預期

自由意識相關的研究發現，研究人員可以通過腦電活動預測被試的決策。類似地，在即興演奏或舞蹈時，身體的動作也會先于音樂出現，這已在多項研究中被證實。

而按照預測編碼理論，動作應該出現在大腦計算“該邁哪只腳”之后，即稍晚于節拍。但根據神經共振理論，就如同雙人跳探戈舞，舞伴之間的互動并非基于對“對方下一步動作”的刻意計算，而是通過身體自然調整重心形成的流暢配合。這種預見性的協調，并非源于計算性預測，而是動力學系統的固有屬性。

因此，神經共振理論不僅解釋了音樂跨文化理解為何發生（這源于大腦的可塑性），還揭示了音樂風格差異為何產生。

例如，比較來自熱帶的非洲音樂與北歐等寒冷地區的音樂，就可以看出音樂特征存在的差異。熱辣如火的氣候下，人們舞動身體的節奏要比北方更慢，因此音樂的節奏也更低。

這一規律似乎也在影視劇配樂中有所體現。在奇幻美劇《權力的游戲》的配樂中，北方臨冬城的主題曲與南方大草原的音樂，其節奏似乎也無意間暗合神經共振假說的解釋。

脈搏與節奏：

預測編碼假說和神經共振假說

人體靜息時的脈搏頻率約為1.5Hz（對應每分鐘60-100次心跳），這一生理節律在運動時會加快。對比音樂的周期節律，當音樂節律簡單且規律時，如圖5a所示，如經常變化每個節拍都對應一次心跳；然而，當節奏變得復雜多變時，則如圖5b所示，心跳與音符之間的對應關系就難以建立。

根據預測編碼假說，當節奏的同步程度從低變到高時，預測誤差逐漸升高，預測精度下降，而兩者的乘積“加權預測誤差”，會在節奏復雜度中等時達到最高，這時對音樂的感知難度也最大。也就是說，能夠廣泛流播的神曲，要么采用極簡的節奏模式，要么使用炫技式的復雜編排。

?圖5：節奏和時間結構的對比

而根據神經共振假說，在音樂節奏比心跳速度慢的時候，即使人體的脈搏節律保持不變，但我們感知音樂節奏的能力，會隨著同步性的降低而減弱。而當音樂節拍的同步性/復雜度位于中間水平時，聽眾產生身體律動反應（如舞蹈或隨節奏搖擺）的傾向最強。

這就如同小孩蕩秋千，如果父母以完全固定的節奏推動秋千時，孩子會感覺單調無趣；若是完全沒有規律或推得太多，孩子多半會被嚇到。而若是適應本身心跳的節奏，又不是完全重復，孩子會玩得很開心。

對簡單節奏的適應，是從嬰兒時期開始的，如圖5e所展示；相比3:1的旋律，嬰兒學習2:1的旋律學得更快。而對于受過專業訓練的職業音樂人，則能夠在即興演奏時讓不同樂器的節奏協調。例如，手鼓、提琴、銅管樂器在獨奏時頻率不同（圖5f），但在即興合奏過程中，這三種樂器卻能自然收斂到相同頻段（圖5g）。除此之外，脈搏與音樂節奏的關系，還能解釋為何運動時大多數人聽的音樂，多是比正常稍快一些節奏的。

展望

音樂不止是人人可及的大眾娛樂形式，更是一種強大的神經調節工具，在情緒調控和精神疾病治療領域展現出獨特價值。隨著對音樂神經機制的深入解析，未來研究將進一步釋放其神經調控效應的治療潛力——從節律夾帶效應（腦電波與音樂節奏的同步化）調節腦電活動，到和聲張力消解（不協和音程向協和音程的轉化）緩解心理緊張，深入研究這些機制，將幫助我們設計更適合每個人的音樂治療方案。

從考察尺度來看，對全球各地區特色音樂的統計規律研究或許會是未來最廣泛的研究方向。通過神經共振理論，我們能驗證是否存在支配音樂創作的基本規律，以及文化與歷史如何塑造了地區差異。在更小的尺度上，廣告和影視配樂這類功能性音樂，其創作空間比純藝術音樂要小得多，這讓我們更容易找出影響音樂效果的關鍵因素。

借助AI變聲技術，我們能讓同一首歌有不同的演唱風格。通過觀察聽眾的腦電及fMRI數據，可以預測他們更喜歡哪個版本（比如AI孫燕姿vs.AI王心凌）。這不僅幫助我們基于人工神經網絡找出大腦處理音色的關鍵區域，還能解釋為什么有人偏愛甜美聲線，探索遺傳因素與環境因素如何共同塑造個體的聽覺偏好。

AI創作正在改變影視配樂的制作方式。神經共振理論比預測編碼更適合指導AI音樂創作，因為它更接近人類創作和即興演奏的本質。通過建立神經共振參數空間，可以自上而下地將用戶提供的文本、圖像或視頻等多模態輸入，轉換為相應場景的共振頻率與節奏復雜度參數，為AI音樂生成提供符合用戶需求的全局約束框架。

從進化視角來看，音樂并非人類獨有。鯨魚的歌聲、鳥類的啼叫，甚至是昆蟲發出的蟲鳴，都可能是各物種特有的音樂形式，只是有些超出了人耳能聽到的范圍。這些聲音都包含著節奏的重復與變化、音高和音色的變化，都是廣義上的音樂。神經共振理論為跨物種的音樂認知提供了統一的理論框架，幫助我們理解不同生物的音樂系統是如何演化的。

參考文獻：

Harding, E.E., Kim, J.C., Demos, A.P.

et al

Nat. Rev. Neurosci.

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、等。