📢 转载信息
原文链接：https://www.sciencedaily.com/releases/2025/11/251128050509.htm
原文作者：Princeton University
大脑的隐藏学习模块被揭示
大脑通过组合可重复使用的“认知乐高积木”即时适应新任务，表现优于人工智能。
人工智能现在可以撰写获奖论文，并以令人印象深刻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，有生命的大脑仍然占据明显的优势。
人类能够以惊人的轻松程度适应新情况和新信息。学习不熟悉的计算机软件、尝试新食谱或弄清楚新游戏的规则，对人来说通常很快就能实现，而人工智能系统在实时或“即兴”情况下则通常难以适应和有效学习。
在一项新的研究中，普林斯顿大学的神经科学家确定了造成这种差异的一个关键原因。人脑反复重用许多不同情境下的相同认知“模块”，并将它们组合和重新组合，以形成新的行为模式。
研究的资深作者、普林斯顿神经科学研究所副所长蒂姆·布施曼（Tim Buschman）博士说：“最先进的AI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许多不同任务时会遇到困难。”“我们发现，大脑之所以灵活，是因为它可以在许多不同的任务中重用认知组成部分。通过将这些‘认知乐高积木’拼凑在一起，大脑才能够构建新的任务。”
这项研究已于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如何给自行车调校，那么学习修理摩托车可能会感觉更直接。这种将新技能建立在源自相关经验的更简单、熟悉的基础之上的能力被称为组合性。
布施曼实验室的博士后研究员、新研究的首席作者西娜·塔法佐利（Sina Tafazoli）博士说：“如果你已经知道如何烤面包，你就可以利用这个能力来烤蛋糕，而无需从头开始重新学习烘焙。”“你会重新利用现有的技能——使用烤箱、测量配料、揉面团——并将它们与新技能（如打发面糊和制作糖霜）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、组合性的思维的证据非常有限，有时甚至是相互矛盾的。
为了获得更清晰的认识，塔法佐利训练了两只雄性恒河猴执行三项相关的任务，同时记录了它们大脑的活动情况。
用视觉分类任务测试灵活性
动物没有执行烘焙或修车等现实世界的工作，而是被要求执行三项视觉分类任务。在屏幕上，它们看到一系列彩色、类似气球的斑点。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”（分类形状），或者看起来更偏红还是偏绿（分类颜色）。
这个挑战比听起来要困难。斑点的清晰度各不相同。有些图像明显像兔子或鲜红色，而其他图像则很模糊，需要仔细判断才能区分类别。
为了报告它们关于形状或颜色的决定，每只猴子通过注视屏幕上的四个不同方向来指示其答案。例如，在任务的一个版本中，注视左边意味着动物判断斑点是兔子，而注视右边则表示看起来更像“T”。
实验的一个关键部分是，每个任务都有其自己特定的规则，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朝相同的方向注视以指示它们的答案，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（是偏红还是偏绿），但在发出颜色判断信号时需要朝不同的方向注视（分类颜色）。
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。
前额叶皮层是可重用认知模块的枢纽
在检查了脑部活动模式后，塔法佐利和布施曼发现，前额叶皮层——大脑前部一个参与高级思维和决策的区域——包含了几种重复出现的活动模式。当一组神经元为共同目标（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“认知乐高积木”，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：“我把认知模块想象成计算机程序中的一个函数。一组神经元可能负责区分颜色，其输出可以映射到驱动动作的另一个函数上。这种组织结构使得大脑可以通过顺序执行任务的每个组成部分来完成任务。”
例如，对于其中一项颜色任务，大脑会将一个确定图像颜色的模块与一个指导眼球朝特定方向运动的模块组合起来。当动物切换到另一项任务时，比如判断形状而不是颜色，同时仍使用相似的眼球运动，大脑只需激活形状处理模块以及用于那些相同眼球运动的模块。
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以同等程度出现。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。
打开和关闭模块以集中注意力
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，它似乎会使它们“安静”下来。这可能有助于大脑集中精力处理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，因为目标是形状识别，而不是颜色。”
通过选择性地激活和抑制不同的模块，大脑可以避免信息过载，并保持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“认知乐高积木”可能有助于解释为什么人们通常能够如此快速地掌握新任务。大脑不总是在从零开始。相反，它可以利用现有的心理组成部分，重新组合它们，避免重复工作，而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干扰。当一台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学会了烤蛋糕，但随后学习了烤饼干，它就会忘记如何烤蛋糕。”
将组合性纳入人工智能可能最终使人工系统在学习方面更像人类，使其能够随着时间的推移获取新技能而不会擦除旧技能。
同样的原则也可能影响医学。许多神经和精神疾病，包括精神分裂症、强迫症以及某些形式的脑损伤，都可能使人们难以在新的情境中运用现有技能。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，能够帮助人们恢复转换策略、学习新程序或适应变化的能力。从长远来看，了解大脑如何重用和重新组合知识可以帮助我们设计恢复这种过程的疗法。”
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