河北
伊利诺伊大学厄巴纳-香槟分校格兰杰工程学院的最新研究发现，我们对大脑决策路径有了新认识，这可能会改变工程师对人工智能的看法。这项由电气与计算机工程教授尤里·弗拉索夫领导、发表在《美国国家科学院院刊》上的研究结果，强调了早期大脑区域在决策中的作用，挑战了关于大脑层级的长期以来的老观念。
订阅我们的新闻通讯，获取最新科技新闻更新。
人脑一直被看作宇宙里最复杂的东西；到现在还是个未解之谜，所以美国国家工程院2008年把解析人脑列为21世纪工程学的14大挑战之一。几十年来，关于人脑的假设构成了卷积神经网络和其他类型人工智能的基础：也就是决策是通过一个自下而上、分层的信号流完成的，信号从早期大脑区域出发，最后传到额叶皮层。但近年来，像弗拉索夫这样的科学家开始怀疑这一普遍看法。
另一种观点则基于自然智能——这是由进化而非机器塑造的过程。从这种角度来看大脑，决策不仅通过顺序阶段发生，还通过双向运作的嵌套反馈回路进行。自然智能在计算能力上比现有的人工智能更强大，且能耗显著更低，使之成为未来人工智能的理想模板。为了加深对这一过程的理解，弗拉索夫及其跨学科研究团队试图从系统层面剖析理解大脑架构。
"我们想从十亿年的进化中学习，"弗拉索夫说。"生物智能在架构上是如何组织的？我们能否从大脑的架构中学习并加以模仿，使人工智能比现在更高效、能耗更低、更智能？在决策层面，这正是当前AI的短板。"
为了应对研究大脑的复杂性，弗拉索夫先从大脑感知世界的早期阶段入手。在记录了小鼠在虚拟现实走廊中导航并做出知觉判断时的神经活动后，伊利诺伊大学的研究人员惊讶地发现，决策信号竟出现在大脑层级中如此早的初级体感皮层（S1）。S1似乎受到自上而下的调节动态调制，由更高级脑区通过反馈回路激活，这表明决策过程并非像以前认为的那样仅仅依赖于单向的前馈处理。
"大脑的神经代码在很大程度上仍是一种未知的语言，"弗拉索夫说道。"但这种系统层面的理解可以看作是对如何构建更高效人工神经网络的潜在启示——即如何构思下一代人工智能。也许利用我们从真实大脑中学到的这些类比，我们就能进一步改进AI了。"
虽然这并不能直接教我们怎么造出更厉害的人工智能，但弗拉索夫认为这些结果是可以从大脑里学到的新东西。接下来，弗拉索夫及其团队将结合时间动态，更深入地研究他们发现的复杂之处，同时开发新的工具来探查和采集大脑信号。
弗拉索夫表示："看看神经活动的快速时间动态，说不定我们能更明白这些反馈回路是怎么在决策中起作用的。也许这方法能挖出那些目前还不知道的机制——这些反馈回路是怎么动态组织、怎么形成和影响不同层级处理的。搞不好可以把它用到新的人工智能架构里去。"
更多信息：关于初级体感皮层中感知决策的神经关联研究，发表于《美国国家科学院院刊》（2026年）。DOI: 10.1073/pnas.2514107123
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
