简单来说，大脑解决数理和复杂问题的"操作系统"，就是演化用来处理物理空间的同一套系统。 当你在脑海中解一道复杂的几何题、想象一个分子结构，或者推演一个多步骤的逻辑难题时，你实际上正在无意识地调用和处理物理空间时所用的同一套神经回路。

数理知识的根基是"空间化的"

数学和物理，在本质上是一门关于结构、关系和变换的学科。而大脑最擅长表征"结构、关系和变换"的系统，恰恰是空间导航系统。

  • 数字本身就是空间的：大量实验证明，我们在思考数字时，会不由自主地将其映射到一条水平的"心理数字线"上（小数字在左，大数字在右）。这就是著名的SNARC效应（空间-数字反应编码联合效应）。当你进行算术运算时，大脑中处理空间信息的后顶叶皮层会高度活跃。

  • 几何和函数是直观的：理解勾股定理、想象一个函数图像的起伏、判断两个三角形是否相似，这些任务本质上就是空间想象。你需要在大脑中旋转、平移、缩放这些图形。

  • 抽象概念被"锚定"在空间隐喻中：我们说一个数轴上的点"离零点很远"（距离），说一个方程有"高次项"（上下），说两个集合"相交"（空间重叠）。这些语言并非偶然，它们反映了大脑用空间关系来理解抽象关系的底层机制。

解决复杂问题需要构建"认知地图"

当你面对一个复杂的、多变量的数理问题时（比如一道复杂的物理题或一个多步骤的证明），你实际上是在一个抽象的"问题空间"中导航。

  • 物理空间 vs. 问题空间：在森林中，你需要构建一个"认知地图"来记住哪里有食物、哪里有危险、哪条路是捷径。在解决一个数学难题时，你需要构建一个类似的"认知地图"：已知条件在哪里（起点），目标在哪里（终点），有哪些定理和公式可以作为"路径"，哪些错误的尝试是"死胡同"。

  • 网格细胞提供了坐标系：我们之前讨论的网格细胞，其核心功能就是为这个"地图"提供一个抽象的、度量的坐标系。它让你能估算从当前思路到最终答案的"距离"，并规划出最优的"路径"。研究表明，当人们在脑海中导航一个抽象的概念空间（比如比较动物的体型大小、智力高低）时，内嗅皮层中的网格细胞同样会被激活。

逻辑与集合论：空间关系的抽象化

逻辑学和集合论是数理科学的基础，而它们的基本概念与空间关系有着惊人的同构性。

  • 包含与排除：逻辑中的"包含"关系（如：所有的A都是B），可以被大脑映射为空间上的"容器"关系（集合A在集合B的内部）。而"互斥"关系，则可以被映射为空间上的"分离"。

  • 层级与树状结构：复杂的知识体系（如生物分类学、数学分支）通常被组织成树状结构。而大脑处理这种层级关系，很可能借用了处理物理空间中"路径分叉"、"河流分支"的古老神经回路。

空间工作记忆的"画板"在顶叶

解决复杂问题需要强大的工作记忆，即暂时存储和操作信息的能力。神经科学发现，空间工作记忆（比如记住一个物体的位置并想象它旋转）和数理工作记忆（比如在脑海中进行多位数的乘法）依赖的是高度重叠的脑区，主要是后顶叶皮层。

这意味着，如果你的"空间工作记忆"这块画板足够大、足够清晰，你在上面推演数理公式、构建逻辑链条的能力自然也就更强。

  • 演化基础：大脑最初为了在三维空间中生存（觅食、躲避、导航），演化出了一套极其精密的空间操作系统（顶叶、内嗅皮层、海马体等）。

  • 功能复用：当人类开始发展抽象思维和数理逻辑时，大脑并没有发明一套全新的系统，而是将这套成熟、高效的空间操作系统"征用"过来，用于处理抽象的符号和关系。

  • 底层共享：因此，解决数理问题的过程，在神经层面上，与在物理空间中导航、构建心理地图、进行心理旋转的过程共享着同一套底层神经回路。

  • 强者恒强：一个"空间智能"发达的人，意味着他的这套底层操作系统性能更优（网格更精密、地图更清晰、旋转更流畅）。当他用这套系统去处理数理问题时，自然会显得得心应手，能力更强。

所以这并非巧合，而是大脑演化"节俭原则"和"功能复用"策略的必然结果。空间智能，正是人类这座宏伟思维大厦最坚实的地基。