美國普林斯頓大學神經科學家在一項新研究中,揭示了大腦在人工智能(AI)面前保持優(yōu)勢的一個關鍵機制:大腦會在不同任務中重復使用相同的認知“模塊”,通過組合和重組這些模塊,如同“拼積木”一般,大腦能夠迅速構建新的行為模式。這項研究發(fā)表在最新一期《自然》雜志上。

目前最先進的AI模型在單一任務上可以達到甚至超越人類水平,但在學習并執(zhí)行多種不同任務時卻表現不佳。這是因為人腦在一個關鍵方面仍保持著優(yōu)勢:認知靈活性。例如,人類可相對輕松地適應新信息或陌生挑戰(zhàn),比如學習新軟件、照著食譜做菜或快速上手一款新游戲,而AI卻難以實現這樣的“即時”學習。

研究發(fā)現,大腦之所以靈活,是因為它能夠重復利用認知組件,就像搭積木一樣,將這些“認知積木”拼接起來。比如,會修理自行車的人,在學習修理摩托車時會調用相關技能,更加得心應手。但大腦究竟如何實現這種認知靈活性,目前科學界仍缺乏一致且充分的證據。

團隊此次訓練了兩只雄性恒河猴完成三項相關的分類任務,并在過程中記錄了它們的大腦活動。這些任務類似于判斷屏幕上模糊的圖像更像兔子還是字母“T”,或是更接近紅色還是綠色。圖像模糊程度不一,有時差異明顯,有時則十分細微。猴子通過朝不同方向看來表達它們的判斷。實驗設計的關鍵在于,每項任務雖各有不同,但共享某些認知要素,從而可以檢驗大腦如何重復使用相同的神經活動模式。

通過多腦區(qū)分析后團隊發(fā)現,前額葉皮層(負責高級認知功能的腦區(qū))包含若干可重復使用的活動模式,它們對應不同的“認知積木”,大腦通過靈活拼接這些“積木”來構建新行為。

此外,前額葉皮層還會在不需要某些認知模塊時抑制其活動,從而幫助大腦集中處理當前任務。這是因為認知資源是有限的,大腦會確保主要目標任務不被干擾。

團隊稱,這種基于組合的學習方式,或許正是人類能夠高效學習新技能而不遺忘舊技能的關鍵。相比之下,當前AI系統常遭遇“災難性干擾”問題——學會新任務后,往往會覆蓋掉之前的記憶。如果將人腦這種模塊化、可重組的機制引入AI,或許能開發(fā)出可以持續(xù)學習而不遺忘的智能系統。同時,這項發(fā)現對理解某些精神疾病和腦損傷也具有臨床意義。