统计学习是指个体能够在被动暴露中自动提取环境刺激的频率模式、分布特性和结构规律，从而习得抽象知识。研究表明，统计学习广泛存在于从基本到高级的多种认知功能中，并且贯穿于个体的终生技能习得过程，揭示了统计学习在人类学习中的重要作用。该综述系统论述了统计学习的认知机制。针对统计学习的意识性，文章提出了基于意识参与程度的内隐—外显统计学习双系统框架(图 1)。该框架认为，统计学习并非单一的内隐加工过程，而是依据意识参与程度可将其分为内隐统计学习(无意识、自动化的规律提取)与外显统计学习(有意识、策略性的规律提取)两个系统。现有研究表明，这两种系统在学习过程中既相互促进又彼此竞争，共同构成动态交互的协同系统。未来研究可通过操纵指导语来区分内隐与外显统计学习，并结合主客观测量方法与EEG/MEG等技术，进一步揭示双系统框架的认知神经机制。
图1 统计学习的双系统框架。依据是否有意识参与，可以将统计学习分为内隐统计学习和外显统计学习。内隐统计学习是在无意识和无意图的情况下，从环境刺激中自动化提取频率模式和分布特性以获取环境模式的学习过程。外显统计学习则是在环境刺激中策略性搜索提取频率模式和分布特性以获取环境模式的学习过程，有意识或有意图的参与。并且，内隐与外显统计学习并非彼此孤立的加工过程，而是构成一个存在复杂动态交互的协同系统。
针对统计学习的表征内容，文章指出，统计学习的核心在于个体能够从连续的环境输入中提取刺激之间的统计关系，并形成具有一定抽象性的知识表征。并且，无论在内隐还是外显统计学习中，所形成的知识表征通常具有概率性、依赖分布特性以及迁移性等特征。这些特点不仅有助于揭示其独特的认知加工方式，也为深化理解其在语言、知觉和社会认知等多领域的广泛作用提供了理论基础。此外，文章还强调，尽管统计学习在不同任务和个体中表现出一定的稳健性，但实验范式、刺激结构特性以及个体差异等因素，均会显著影响统计规律的学习效果及其意识性水平。这表明，统计学习并非完全自动化或独立于环境条件，而是一个包含动态调节的认知过程。
文章从动态电生理指标和相关脑区两个方面，系统探讨了统计学习的神经机制。在电生理指标方面，文章系统总结了使用EEG/ERP技术的统计学习研究中的重要发现，指出反映结构敏感性的N400效应以及体现神经活动与统计规律同步化的神经夹带现象，可被认为是统计学习的重要潜在神经指标。在相关脑区方面，文章深入探讨了fMRI等神经成像技术的研究发现，指出统计学习涉及多个脑区组成的、广泛分布的神经网络，而非由某一特定脑区或神经回路独立主导，并且其功能表现也会随任务类型和个体特征发生动态变化。
文章还论述了统计学习在跨领域、跨通道、跨年龄和跨物种层面的普遍性。这一特征凸显了其作为强大学习机制的核心地位，对于理解生物体如何高效适应复杂环境具有重要意义。在此基础上，文章展望了统计学习的未来研究方向与应用前景，指出未来研究需进一步优化实验范式与测量方法，以更有效区分内隐与外显统计学习，提升测量的敏感性与信度，并增强任务的生态效度。同时，文章还指出，统计学习在语言习得、阅读与能力发展、智力测量以及特殊人群评估等领域展现出广阔应用潜力，有望为教育实践、公共政策制定及智能化学习系统设计提供科学依据。
综上，文章系统论述了统计学习的认知神经机制，提出了基于意识维度的内隐—外显统计学习双系统框架，指出N400效应与神经夹带现象可作为统计学习的潜在神经指标，揭示统计学习涉及多个脑区组成的、广泛分布的神经网络，并论证了统计学习在跨领域、跨通道、跨年龄及跨物种层面所具有的普遍性。在此基础上，文章还展望了统计学习的未来研究方向与应用前景，以期为认知科学的发展提供新思路，并推动相关成果的转化应用。
中国科学院心理研究所在读博士研究生梁飞为本文的第一作者，付秋芳研究员为本文的通讯作者。研究得到了国家重点研发计划(2024YFE0202900)和国家自然科学基金(32471112)的资助。
论文信息：梁飞, 付秋芳*. (2026). 统计学习的认知神经机制. 科学通报, 71(1), 1-13.
附件下载：