📢 转载信息
原文链接：https://www.sciencedaily.com/releases/2025/11/251128050509.htm
原文作者：Princeton University
科学家发现大脑隐藏的学习模块
大脑通过组合可重复使用的“认知乐高”来瞬间适应新任务，表现优于人工智能。
人工智能现在可以创作获奖散文，并以惊人的准确性帮助医生检测疾病。然而，在真正的思维灵活性方面，生物大脑仍然占据明显的优势。
人类可以非常轻松地适应新情况和新信息。学习不熟悉的电脑软件、尝试新食谱或弄清新游戏的规则，对人来说通常很快就能完成，而人工智能系统通常难以实时适应并有效“即时”学习。
在一项新的研究中，普林斯顿大学的神经科学家们确定了这种差异的一个关键原因。人脑在许多不同的情况下反复重用相同的认知“模块”，将它们组合和重新组合，形成新的行为模式。
“最先进的人工智能模型可以在单个任务上达到人类甚至超人类的性能。但它们在学习和执行多项不同任务时会遇到困难，”该研究的资深作者、普林斯顿神经科学研究所的副所长蒂姆·布施曼（Tim Buschman）博士说。“我们发现，大脑之所以具有灵活性，是因为它可以在许多不同的任务中重用认知组件。通过将这些‘认知乐高积木’拼接在一起，大脑就能够构建新的任务。”
这项研究于11月26日发表在《Nature》杂志上。
组合性：在新的情境中重用技能
如果一个人已经学会了修理自行车，那么学习修理摩托车可能会感觉更直接。这种利用源自相关经验的更简单、熟悉技能来构建新技能的能力被称为组合性（compositionality）。
“如果你已经学会了烤面包，你就可以利用这项能力来烤蛋糕，而无需从头开始重新学习烘焙，”普林斯顿布施曼实验室的博士后研究员、这项新研究的首席作者西娜·塔法佐利（Sina Tafazoli）博士说。“你重新利用现有技能——使用烤箱、称量配料、揉面团——并将它们与新技能（如搅打面糊和制作糖霜）结合起来，以创造出完全不同的东西。”
直到现在，关于大脑如何支持这种灵活的组合性思维的证据一直很有限，有时甚至相互矛盾。
为了更清楚地了解这一点，塔法佐利训练了两只雄性恒河猴执行三项相关任务，同时记录它们大脑的活动。
用视觉分类任务测试灵活性
与烘焙或修自行车等现实世界的工作不同，这些动物被要求执行三项视觉分类任务。在屏幕上，它们会看到一系列彩色、气球状的斑点。它们的工作是判断每个斑点看起来更像一只兔子还是字母“T”（对形状进行分类），或者看起来更偏红还是偏绿（对颜色进行分类）。
这个挑战比听起来要困难。这些斑点在差异的明显程度上各不相同。有些图像明显像兔子或鲜艳的红色，而另一些则很模糊，需要仔细判断才能区分类别。
为了报告它们对形状或颜色的决定，每只猴子通过向屏幕上的四个不同方向看，来指示其答案。例如，在任务的一个版本中，向左看意味着动物判断该斑点是兔子，而向右看则表示它看起来更像“T”。
实验的一个关键部分是，每个任务都有自己特定的规则，但仍然与其他任务共享关键组成部分。
其中一项颜色任务和形状任务要求动物向同一方向看以指示其选择，而两项颜色任务都要求猴子以相同的方式对颜色进行分类（要么是更红还是更绿），但在发出颜色判断时需要向不同的方向看（对颜色进行分类）。
这种设计使研究人员能够观察到，当任务共享某些特征时，大脑是否会重用相同的神经模式，即认知构建模块。
前额叶皮层作为可重用认知模块的中心
在检查了大脑活动模式后，塔法佐利和布施曼发现，前额叶皮层——大脑前部一个涉及高级思维和决策的区域——包含几种重复出现的活动模式。当一组神经元为共同目标（例如区分颜色）协同工作时，就会出现这些模式。
布施曼将这些模式称为大脑的“认知乐高”，这是一套可以灵活组合以产生不同行为的构建模块。
布施曼说：“我将认知模块想象成计算机程序中的一个函数。一个神经元集合可能会区分颜色，其输出可以映射到驱动动作的另一个函数。这种组织结构允许大脑通过顺序执行任务的每个组成部分来执行任务。”
例如，对于其中一项颜色任务，大脑会组合一个确定图像颜色的模块与另一个引导眼睛以特定方向移动的模块。当动物切换到另一项任务时，比如判断形状而不是颜色，同时仍然使用相似的眼球运动，大脑只需激活形状处理模块以及那些相同的眼球运动模块。
这种模块共享主要出现在前额叶皮层，而在其他脑区则没有同等程度的出现。这一发现表明，这种组合性可能是前额叶皮层的一个独特特征。
开启和关闭模块以提高注意力
塔法佐利和布施曼还观察到，当前额叶皮层认为某些认知模块不需要时，它似乎会使其静默。这可能有助于大脑专注于任何给定时刻最相关的任务。
塔法佐利说：“大脑的认知控制能力是有限的。你必须压缩你的一些能力，以便能够专注于当前重要的能力。例如，专注于形状分类会暂时削弱编码颜色的能力，因为目标是形状辨别，而不是颜色。”
通过选择性地激活和抑制不同的模块，大脑可以避免超载，并能将性能集中在当前目标上。
认知乐高、人工智能与心理健康
这些认知乐高可能有助于解释为什么人们通常能够如此迅速地掌握新任务。大脑不总是需要从头开始。相反，它可以利用现有的心理组成部分，重新组合它们，并避免重复工作——这是当前人工智能系统普遍缺乏的策略。
塔法佐利说：“机器学习的一个主要问题是灾难性遗忘（catastrophic interference）。当机器或神经网络学习新东西时，它们会忘记并覆盖以前的记忆。如果一个人工神经网络知道如何烤蛋糕，但后来学会了烤饼干，它就会忘记如何烤蛋糕。”
将组合性融入人工智能最终可能使人工系统在学习上更像人类，允许它们随着时间的推移获取新技能而不抹去旧技能。
同样的原理也可能影响医学。许多神经系统和精神疾病，包括精神分裂症、强迫症和某些形式的脑损伤，都可能使人们难以将现有技能应用于新情境。当大脑无法再顺利地重新组合其认知构建模块时，可能会出现这些问题。
塔法佐利说：“想象一下能够帮助人们恢复改变策略、学习新例程或适应变化的能力。从长远来看，了解大脑如何重用和重新组合知识可能有助于我们设计恢复这一过程的疗法。”
这项研究的资金由美国国立卫生研究院（R01MH129492, 5T32MH065214）提供。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区