📢 转载信息
原文链接：https://www.sciencedaily.com/releases/2025/11/251128050509.htm
原文作者：Princeton University
大脑在学习方面超越人工智能
大脑通过拼接可重复使用的“认知乐高积木”来即时适应新任务，表现优于人工智能。
人工智能现在可以撰写获奖文章，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度来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确定了这种差异的一个关键原因。人脑会在许多不同的情境中反复重用相同的认知“积木”，将它们组合和重组，以形成新的行为模式。
“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许多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，是因为它能够在许多不同的任务中重用认知组件。通过拼接这些‘认知乐高积木’，大脑就能够构建新的任务。”
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修理自行车，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、更熟悉的技能之上的能力被称为组合性。
“如果你已经知道如何烤面包，你可以利用这种能力去烤蛋糕，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、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、测量配料、揉面团——并将它们与新技能结合起来，比如搅打面糊和制作糖霜，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是有限的，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任务，同时记录了它们大脑的活动。
使用视觉分类任务测试灵活性
这些动物没有被要求执行烘焙或修理自行车等现实世界的工作，而是被要求执行三项视觉分类任务。它们在屏幕上看到一系列彩色的、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”（对形状进行分类），或者它看起来更红还是更绿（对颜色进行分类）。
这个挑战比听起来要困难。斑点的差异程度各不相同。有些图像明显像兔子或鲜红色，而另一些则很模糊，需要仔细判断才能区分类别。
为了报告它们关于形状或颜色的决定，每只猴子通过向屏幕上的四个不同方向看来表明答案。例如，在任务的一个版本中，向左看意味着动物判断斑点是兔子，而向右看则表示它看起来更像“T”。
实验的一个关键部分是，每项任务都有自己特定的规则，但仍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看以指示它们的选择，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（是更红还是更绿），但在发出颜色判断时需要朝不同的方向看（分类颜色）。
这种设计使研究人员能够观察大脑是否在任务共享某些特征时重用了相同的神经模式，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——大脑前部一个涉及高级思维和决策的区域——包含一些重复出现的活动模式。当神经元群为共同目标（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块。
布施曼说：“我将认知模块视为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。这种组织结构使得大脑能够通过按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，大脑会将一个决定图像颜色的模块与另一个指导特定方向眼睛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动，大脑只需激活形状处理模块以及用于那些相同眼动的模块。
这种模块共享主要出现在前额叶皮层，而在其他脑区没有发现相同程度的共享。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再需要时，它似乎会使它们“安静”下来。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，因为目标是形状识别，而不是颜色。”
通过有选择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。
认知乐高积木、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。大脑并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通常缺乏的一种策略。
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知道如何烤蛋糕，但随后学会了烤饼干，它就会忘记如何烤蛋糕。”
将组合性融入人工智能可能最终使人工系统在学习上更像人类，使它们能够随着时间的推移获取新技能而不会抹去旧技能。
同样的原理也可能影响医学。许多神经和精神疾病，包括精神分裂症、强迫症和某些类型的脑损伤，可能会使人们难以将现有技能应用于新情境。当大脑无法再平稳地重组其认知构建模块时，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组知识可以帮助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