Dehaene–Changeux模型是神经科学中的一个理论框架，旨在解释意识访问的神经基础。该模型由Stanislas Dehaene和Jean-Pierre Changeux提出，整合了神经生物学和计算建模的概念，以描述大脑如何选择并放大相关信息，使其可用于意识处理。该模型强调全局神经工作空间的作用，这是一个分布式的神经元网络，能够在大脑范围内广播信号，从而实现灵活且刻意的行为。
该模型的核心观点是，意识状态源于具有长程连接的神经元网络的点燃，特别是在前额叶和 parietal 皮层中。这种点燃由自下而上的感官输入触发，并受到自上而下注意的调节，从而产生一种持续且广泛的激活，将意识处理与无意识处理区分开来。该模型在认知神经科学中具有影响力，为解释神经影像数据提供了框架，并指导了关于意识、注意和决策的研究。
全局神经工作空间
Dehaene–Changeux模型建立在Bernard Baars早期提出的全局工作空间理论之上，但将其植根于神经机制。工作空间由分布在大脑多个区域的神经元组成，包括前额叶皮层、前扣带回和 parietal 叶。这些神经元通过长程兴奋性投射相互连接，使它们能够形成一个功能枢纽，整合来自各种感官和认知模块的信息。
当刺激足够强或足够相关时，它会触发该工作空间的突然且广泛的激活，这种现象称为点燃。这种点燃以非线性、全或无的反应为特征，模型通过计算模拟来捕捉这一点。模型预测，意识访问发生在工作空间点燃时，而无意识处理则保持局部性，不涉及整个网络。
自发活动与突触可塑性
该模型的一个关键特征是其对工作空间在发展和学习过程中如何出现的解释。Dehaene和Changeux提出，自发神经活动与突触可塑性相结合，塑造了工作空间的连接性。在发育过程中，大脑产生内在的活动模式，通过选择和强化的过程，加强了那些对信息处理有用的连接。
这一过程在计算模型中通过使用具有Hebbian学习规则的神经网络被形式化。模型展示了神经元群体如何自组织成一个能够维持全局广播的工作空间。它还解释了注意和工作记忆如何通过维持工作空间中的活动来运作，从而允许信息随时间被保持和操作。
在神经影像和 disorders 中的应用
Dehaene–Changeux模型已被用于解释功能磁共振成像（fMRI）和脑电图（EEG）数据。研究表明，有意识感知与晚期、广泛的激活波相关，而无意识刺激仅产生早期、局部的反应。模型为这些发现提供了定量解释，将神经激活的时间和范围与意识报告联系起来。
该模型也已应用于意识障碍，如 coma 和 vegetative state。它预测，意识丧失源于工作空间长程连接的破坏，而恢复则与这种连接的修复相关。这推动了使用大脑刺激和神经影像来评估无响应患者残余意识的临床研究。
计算实现
Dehaene–Changeux模型已在各种计算模拟中实现，通常使用简化的神经网络。这些模型包含 spiking 神经元、突触可塑性和神经调节系统，如多巴胺和乙酰胆碱。它们模拟了诸如 Stroop 效应、注意瞬脱和威斯康星卡片分类测试等任务，重现了行为和神经数据。
这些实现影响了人工智能领域，特别是在结合自下而上和自上而下处理的架构开发方面。该模型对全局工作空间的强调启发了机器学习和深度学习的研究，其中transformer中的注意机制与工作空间的选择性放大具有概念上的相似性。然而，该模型主要仍是一个神经科学理论，与神经网络和大型语言模型中的工程方法不同。
批评与持续争论
尽管具有影响力，Dehaene–Changeux模型也面临批评。一些研究者认为，全或无的点燃是一种过度简化，因为意识状态在强度和内容上可能有所不同。其他人质疑工作空间的因果作用，认为它可能只是意识的相关物而非机制。该模型也未完全解决经验的主观性质，即 qualia，这仍然是意识研究中的核心挑战。
尽管存在这些争论，该模型已激发了大量实证工作，并持续发展。最近的扩展结合了预测处理与层级组织，旨在弥合神经机制与更高层次认知功能之间的差距。截至2020年代初期，它仍然是意识理论中最突出且可检验的理论之一，在MIT CSAIL和斯坦福AI实验室等机构正在进行的研究正在探索其对神经科学和AI的启示。