我们都知道，有人比我们笨，也有人比我们聪明；我们还知道，在某些特定领域执行某些特定任务——比如记忆人脸或快速进行数学心算时，有人比我们出色，也有人不如我们。据推测，这种能力和资质的不同或许源于大脑结构的差异。而且有许多研究已经证实，某些特定任务与一些特定脑区的活性有关。不过，大脑是如何将整个脑区的活性整合在一起的，这个问题还有待进一步探讨。那么“聪明”的脑袋究竟长什么样呢？
现在，研究智力的科学家首次就这一问题展开全面的研究。脑成像研究正在揭示神经结构和神经功能如何导致个体的智力差异。现有的结果证实了众多科学家几十年来坚持的观点：并非所有人的大脑都以相同模式运行。智商相同的人在解决同一问题时，或许用时和准确度都相同，但是他们的脑区组合可能不同。男性和女性在影像测试中会出现组间差异，老年人和年轻人之间也会出现这种差异，哪怕他们智力水平相当。
不过，新研究证实，当与智力相关时，人们大脑结构和大脑功能的差异是这些组间差异的关键，然而这也只揭开了冰山一角而已。这些研究暗示，智力可以根据特定脑区的大小及它们之间信息传递的效率来重新定义。更诱人的是，或许在不久的将来，脑部扫描就能够揭示出一个人在某些科目或者某些工种更具有天赋，这可以大大提高教育和职业咨询的有效性和准确性。对智力了解越多，越有助于人们挖掘潜在的智能并取得成功。
一个世纪以来，人们对智力的研究主要依赖于智商测试这样的笔头测验。心理学家利用统计学方法划分出智力的不同组成，以及这些组成在人们的一生中如何变化。这就决定了基本上所有的心智能力测验，不管它们的内容是什么，相互之间都存在必然的联系。也就是说，在一项测验中得分高的人，在其他测验中也很有可能会取得高分。
这一事实提示我们，所有的测试都有一个共同的影响因素，即一般智力因素（general factor of intelligence），简称g。g因素对个人成功具有很强的预示作用，因而也是许多研究的焦点。
除了ｇ因素，心理学家还确认了智力组成的其他基本因素，包括空间因素、数字因素、语言因素、推理能力［又称为流体智力（fluid intelligence）］、事实信息储备［又称为晶体智力（crystallized intelligence）］等。然而，决定着g因素和其他这些因素的大脑机能和结构都无法从简单的智商得分或者损伤的大脑中推测出，因此它仍然是个谜。
20多年前出现的神经科学技术最终为这个难题提供了可能的解决方案。新的方法，特别是影像技术，可以基于大脑的物理特质重新定义智力，这与我们以前的方法截然不同。
1998年，我在美国加利福尼亚大学欧文分校和同事共同完成的课题，正是世界上首批利用这些新技术所做的研究之一：通过测量神经元放电时消耗的低水平放射性葡萄糖（low-level radioactive glucose）的数量，正电子发射断层扫描 （positron-emission tomography，PET）可以生成脑部新陈代谢影像。
利用这一技术，我们测量了一小部分自愿者在解决非语言抽象推理问题时脑部的能量代谢情况。这项研究采用了雷文高级推理测验（Raven’s Advanced Progressive Matrices）。
这项测验被认为能够很好地体现g因素的情况，所以在自愿者解决测试问题时，我们希望通过判断哪些脑区活性增强寻找到一般智力产生的位置。令我们深感意外的是，测验中表现并不好的人却消耗了更多的能量（即葡萄糖代谢增加）。在解决这些问题时，越聪明的人消耗的能量越少，也就是说他们的大脑效率更高。接下来的问题是，大脑的能量效率能否通过训练提升。
1992年，我们要求自愿者学习一款名叫俄罗斯方块（Tetris）的电脑游戏，并在学习前后分别用PET扫描他们的大脑。结果发现，经过50天的练习和技能提升之后，自愿者部分脑区的能量代谢显著降低。这些数据表明，经过一段时期的训练，大脑能够分辨哪些脑区对提升表现并非必要，因而就会降低这些脑区的活性，从而提高能量利用效率。而且，g因素数值较高的自愿者在训练之后，大脑能量效率也提高得更多。
直到20世纪90年代中期，我们一直认为效率是理解智力的关键。然而到了1995年，我们发现男性和女性大脑的运作方式并不相同。从这第一条线索出发，我们逐渐得出了今天已经熟知的事实：效率取决于所执行任务的类型和难度；解决问题时，由于思考的人不同，大脑功能还会出现个人差异和组间差异。在1995年的这项研究中，我们测验了一项特殊的心智能力——数学推理能力。
我们选取了SAT（美国大学入学考试）数学考试中获得高分和成绩平平的大学生，并在他们解决数学推理问题时，用PET检测他们的大脑功能。与g因素研究不同，这项研究显示，数学能力较高的学生某个特定脑区（额叶）消耗的能量也较高。不过这种情况只有在男性大脑中才会出现，即使男性和女性在测试中水平相当，也只有男性的这些脑区显示高耗能。
性别差异
同样的现象如今已经被我们和其他一些研究人员的观察所证实，特别是在使用先进的脑电图扫描技术时，这些实验都显示出了大脑功能的性别差异。此外，大脑结构似乎也在两性差异中起到了重要的作用：有研究暗示，两性在认知上的差异，例如男性往往具备更强的视觉空间能力，或许就源于大脑结构的不同。2004年以来，我们在 《神经影像》 （Neuro Image）杂志上发表了一系列相关论文。
在这些研究中，我们利用结构性核磁共振扫描技术观察了灰质和白质的数量与智商测试得分之间的关系。灰质由神经元的胞体构成，执行大脑的运算功能。白质由神经轴突（axon, 神经元胞体上长长的线状结构）构成，不同灰质区域之间正是通过这些轴突相互联络。我们的研究指出，整个大脑分布着一个由不同区域构成的网络，这些区域中的灰质和白质越多，IQ得分往往也越高。
不过，这个网络中的特定脑区对于男性和女性来说并不相同，这说明，至少存在两种大脑结构能在智商测试中产生同等表现。大体来说，我们发现，在女性的额叶脑区，尤其是和语言相关的区域，灰质和白质越多IQ得分就越高；而对于男性来说，与IQ得分相关的脑区主要是额叶区域的灰质，尤其是负责整合感觉信息的后域（posterior area）。对于男孩和女孩来说，与IQ相关的大脑发育模式也有不同。
2006—2008年发表的一系列成像研究中，美国辛辛那提儿童医院医学中心的神经生物学家文森特·J·施米特霍斯特（Vincent J. Schmithorst）与同事收集了大量的样本资料。他们发现，随着女孩年龄增加，她们的右脑越来越有组织性，也就是说在右脑半球不同脑区之间呈现越来越清晰的联络路径。而男孩则在左脑半球呈现这种发育趋势。
我们还不清楚这些发现与男孩和女孩的行为或学习差异有何关联，不过这项研究为将来进一步研究男孩和女孩的大脑发育与认知能力和学业表现之间的关系指明了方向。
新的定义并非所有大脑都以相同模式运转，性别差异只是其中原因之一。在2003年的一项研究中，我们未给自愿者设定执行任务，以此研究在他们处于被动心理状态下是否能够观察到大脑功能差异。
通过雷文测验，我们把自愿者分为高分组和普通组，要求他们观看同一个视频片段，不用解决问题，也不用执行其他任务，并用PET观察他们的大脑。结果显示，两组自愿者大脑后部视觉处理区域的活性显著不同。这些数据表明，高智商的人更注重信息处理的早期阶段。这或许暗示，聪明的人不是“被动地”观看视频，而是在主动地处理看到的信息。
尽管越来越多的证据显示，每个人的大脑在解决问题甚至在被动感觉的处理过程中都不尽相同，但我们大体上还是能够确定一个与智力有关的大脑区域网络。实际上，定义这些重要的脑区以及它们和智力之间的联系，有助于我们确切地描绘每一个人的大脑是如何工作的——每个个体都是以其独特的组合方式运用其中某些脑区。
2007年，我和美国新墨西哥大学的神经心理学家雷克斯·E·荣格（Rex E. Jung）回顾了当时所有的37项关于智力的神经影像学研究。我们在 《行为与脑科学》 （Behavioral and Brain Science）杂志上发表文章指出，结构研究和功能研究中发现的、与智力相关的重要脑区具有一致性。这14个脑区分散于整个大脑，颠覆了“只有额叶才是与智力相关的主要脑区”这种我们长久以来持有的观点。
确切地说，位于毛涡（crown of the head）下面、被认为与感觉整合（sensory integration）有关的部分顶叶（parietal lobes），实际上对智力的形成也有重要作用。
由于在我们回顾的这些研究中，描述最多的是顶叶和额叶，所以我们把自己这套基于区域网络的智力理论称为“顶叶－额叶整合理论”（parieto-frontal integration theory，P-FIT）。14个P-FIT脑区与注意力、记忆力、语言及感觉处理有关。确定了P-FIT网络就意味着我们可以根据大脑可测量的特征来重新定义一般智力。
在某些P-FIT脑区，灰质的数量以及脑区间的信息流（information flow）速率都可能对智力的高低起着关键作用。2009年初，荷兰乌得勒支大学医学中心和中国科学院北京研究院在研究中都使用了功能性核磁共振扫描技术来确定全脑的信息传递效率，并精确地指出了P-FIT脑区中与IQ得分联系尤其紧密的区域。
这些发现佐证了一个观点：一般智力不仅与灰质的数量有关，很大程度上还取决于联系这些关键灰质区域的白质。联系得越紧密，信息流的传递速度就越快——较快的处理速度似乎就意味着较高的智商。
独一无二IQ分数并不能说明一切，甚至可以说它根本就不能说明什么问题。不同人的智力似乎源于不同的P-FIT脑区组合，这或许可以解释为什么每个人都有各自的长处和弱点。极端罕见的自闭症天才是证实这些模式的绝佳案例。
丹尼尔·塔米特（Daniel Tammet）就是一位拥有极高智商的年轻自闭症患者。他赋予数字不同的颜色和形状，使得他可以记住圆周率π小数点后22,514位数字。他仅用了7天时间就学会了冰岛语，并可以流利地与人交谈。他独立生活，写了一本描述自己非凡数学能力和语言能力的自传，畅销全球。他的脑袋会是什么样呢 （关于丹尼尔·塔米特的更多内容，参见2009年第7期《学习“雨人”的记忆方式》）？
尽管目前我们还不能从塔米特的脑部扫描图中推断出他的智力从何而来，不过神经影像学研究的最新发展动向显示，或许将来有一天我们可以做到这一点。新的研究发现，某些脑区的灰质与特定的智力因素存在一定联系。2009年3月，西班牙马德里自治大学的心理学家罗伯托·科洛姆（Roberto Colom）和合作者（也包括我）通过对100名年轻人进行研究，报道了灰质数量和不同智力因素之间的关系。
每位受试者完成了一套测试，每套测试包含9组认知测试题，分别针对不同的智力因素，包括g因素、流体智力、晶体智力、空间因素等。我们发现g因素得分与P-FIT预测的一些区域的灰质数量正相关。正当我们想解释相同的g因素产生的原因时，却发现一些脑区的灰质数量还与其他特定的智力因素相关。这项研究孕育着一个诱人的想法：或许可以将一个人的灰质和白质分布模式与他的g因素以及其他智力因素相匹配。
换句话说，根据P-FIT区域的脑组织或许就可以预测一个人的认知能力在一系列心理能力中强弱的独特模式。这些不同的脑部模式也许可以解释为什么IQ分数相同的两个人认知能力会有很大不同。来自马德里的数据很好地说明了这一点（见上面图文说明）。实验中，g因素得分最高的自愿者几个P-FIT脑区中的灰质数量远远多于所有自愿者的平均数量——这也许并不奇怪。
但有趣的是，g因素得分都是100（自愿者在这项研究中的平均值）的两个人却表现出不同的认知模式，这也意味着他们拥有不同的认知优势和弱点。
2009年3月，一项针对241名脑损伤患者进行的结构性核磁共振扫描研究强有力地证实，每个人都拥有独特的脑区模式。美国加州理工学院的心理学家简·格拉斯切尔（Jan Glascher）和同事的研究显示，每一处脑损伤都与特定的智力因素得分有关。例如，右侧顶叶受损的患者知觉组织出现障碍，不能有意识地理解感知中的原始信息。
更聪明的未来
这些研究暗示，将来的神经影像学技术可以辅助甚至替代传统的智力测验。了解一个人的大脑模式具有重要意义。以教育为例，根据一个学生（无论多大年龄）的大脑特征，可以为他“量身定做”学习计划。还可以成功预测职业生涯：这些灰质区域的分布模式是否能造就出最好的教师、战斗机飞行员、工程师、网球运动员？人们在寻求更好的职业咨询时，如果大脑评估数据真的有用，他们当然愿意尝试一下。
需要强调的是，大脑并非一成不变，它具有可塑性——它一直在变化。根据脑区模式详细解析个人优势，只是一种指导——为人们增强实践技能、提高教育水平提供建设性的建议，使人们可以在自己钟爱的活动或事业上更加得心应手。新近的研究显示，练习杂耍能够增加运动脑区的灰质数量，但如果停止练习，这部分增加的灰质又会消失。既然智力与局部灰质有关，假如突破传统的教育模式，针对特定脑区进行专门训练，能否提高智力？
目前我们还不能回答这一问题，但前景是令人激动的。
神经智力探索的下一阶段或许需要进行这些研究：通过教育实验来确定是否不同的教育策略能够引起特定的脑部变化；基于脑部特征挑选出来的学生，针对他们采用不同的教育策略是否能使他们在某一学科中有最出色的表现。这些研究的目的，就是想通过参考每个学生的脑部信息，来提高当前的教育决策水平。特定的脑部特征如何出现？它们会受到怎样的影响？这些问题对于未来的科学研究来说都是至关重要而又相互独立的。
不管是否每个人都会完全认可同一个智力定义，神经科学都会坚定不移地向前发展。我们也会继续探索大脑如何完成复杂信息的处理过程，毫无疑问这是关于智力的所有概念的基础所在。考虑到疾病对大脑的危害、衰老、现代社会对科技的需求、教育面临的挑战，以及通过智力体验世界的快乐，理解聪明的大脑如何运作迫在眉睫——是时候开始讨论神经智力研究的应用，以及这些研究数据引领我们发展的新方向了。