为什么人类大脑的听觉神经通常会把基音理解成声音的音高，把泛音理解成声音的音色？ 第1页

谢邀。

很遗憾这个问题目前还没有一个百分百确定的答案。因为我们的大脑与外界没有直接的物理连接，所有的认知都只是一种“最大可能性的猜测”。

一说是声波在传入耳蜗时耳蜗就做了类似傅立叶变换的转换，从时间域的一维振动被转换为频率域的频谱。这个说法也对也错。对的部分，在于声波的机械能确实在这里被转换为电能，而且确实有影像证据表明基底膜上的毛细胞在不同声波频率呈现不同的图样，这本身就是硬件傅立叶变换的证据；这个说法不完善的部分在于，通过自上而下调整耳蜗的接受模式的方式来聆听更感兴趣的波段的top-down process也被观察到了，这说明听觉通路auditory pathway上的神经元网络同样也参与了类似的傅立叶变换。

婴儿和成人对复杂声音的认知也是不同的。如果认为婴儿的耳蜗已经发育完善，那么就可以认为神经元网络显著地参与了声音内容的解读。

所以说这其实是一个学习的过程，是一种依赖于类似贝叶斯定理（Bayesian Rule）的统计学模型。这个模型的特点是引入了先验经验，将以往单感官（听觉）或者多感官（视觉、听觉、触觉等）线索整合所得到的认知结果进行了学习和存储，在未来的线索刺激中依照以往学习的经验和当前线索的可信度综合评判，得到一个可能性最大的答案作为认知。

举例：小孩子学习和声学。对于第一次听到一个和声的人来说，它的音色就是一个“嗡~”，是无法理解，更无法描述的。但是此刻老师通过分解和弦的方式，一个音一个音地弹，并且告诉小朋友这是哪个音，于是这些音及其组合方式在小朋友的神经元网络里就建立了连接，有了经验，下次听到同样的和弦就不是“嗡~”而是“大三和弦”了。音乐是如此，其实生活中的语音、周遭环境的事件都是一样，在不断的将某种声音与触发它的事件联系在一起，给神经网络的统计模型增添数据。最基本的关于音色认知的学习发生在我们很小的时候，所以我们很难回忆起这个过程。

这样一来也可以解释虽然我们大多数情况下对于一些复杂声音的认知是类似的，但这仅仅是因为我们相关共享经验是类似的。遇到一些比较极端的情况，这些情况落在我们经验的交集之外，我们的神经元网络就会作出截然不同的计算，比如yanny和laural的故事。