伊利诺伊大学厄巴纳-香槟分校的科学家发现了一项可能重塑神经科学与人工智能研究方向的重要证据。研究结果表明大脑的决策过程远比传统理论所描述的更早启动这一发现为设计更高效、更节能的未来AI系统提供了新的思路。该研究由格兰杰工程学院电气与计算机工程教授尤里·弗拉索夫主导成果发表于《美国国家科学院院刊》。研究指出大脑早期感觉区域在决策过程中扮演着出人意料的角色挑战了决策只在信息逐级传递至额叶皮层后才产生这一长期主流观点。重新认识大脑的决策方式人类大脑被普遍认为是已知宇宙中最复杂的结构科学家至今仍未完全理解其运作机制。正因如此美国国家工程院早在2008年就将逆向解析大脑列为21世纪工程领域的14项重大挑战之一。几十年来包括卷积神经网络在内的众多人工智能系统都建立在大脑以单向序列方式处理信息这一理念之上。传统模型认为感觉信息从低级脑区逐步向上传递经过越来越复杂的处理区域最终到达额叶皮层完成决策。然而弗拉索夫等研究人员越来越质疑这幅图景是否完整。他们正在探索一种基于自然智能的模型——这种智能经过数亿年的进化不断完善。在这一框架下大脑并非单纯依赖逐步传递的信息流决策同样依赖于各脑区之间相互连接的反馈回路使信息能够在不同脑区之间双向流动。由于生物智能在完成极其复杂任务的同时所消耗的能量远低于当今的AI系统理解这种架构有望为未来人工智能的发展提供重要指引。我们希望从数十亿年的进化中汲取经验弗拉索夫表示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拟使AI变得更高效、更节能、更智能在决策层面这正是当前AI所欠缺的。早期脑区呈现决策相关活动为深入探究这些机制研究团队将目光聚焦于大脑感知与感觉处理的最早阶段。科学家记录了小鼠在虚拟现实通道中导航并做出感知判断时的神经活动发现在初级躯体感觉皮层S1——大脑最早期感觉处理区域之一——中存在与决策相关的神经活动迹象。S1并非只是简单地向前传递信息而是会受到更高级脑区通过反馈回路施加的影响。这种自上而下的调控表明决策涉及多个脑区之间的持续沟通而非简单的单向信息流动。大脑的神经编码在很大程度上仍是一门未知的语言弗拉索夫说但这种系统层面的理解可以视为构建更高效人工神经网络的潜在启示——为思考下一代AI提供新的方向。也许借助这些从真实大脑中获得的类比我们能够进一步改进AI。研究发现对未来AI的潜在意义研究人员强调这项研究并非为构建更优秀人工智能提供直接蓝图而是提供了关于大脑如何组织决策的全新见解未来有望启发新的AI架构设计。接下来弗拉索夫团队计划更深入地研究这些脑信号的时序特征并开发用于测量神经活动的新技术以期更好地理解反馈回路的形成方式及其在不同层次大脑处理过程中的协调机制。通过观察神经活动的快速时间动态我们或许能更好地理解反馈回路在决策中的参与方式弗拉索夫表示这种方法或许正是揭示目前未知机制的切入点——这些反馈回路是如何动态组织的又是如何形成并塑造不同层次处理过程的。也许这些都可以被应用到新的AI架构之中。QAQ1大脑的传统决策模型是什么这项研究有何不同A传统模型认为感觉信息从低级脑区单向传递至额叶皮层后才产生决策。而伊利诺伊大学的这项研究发现大脑早期感觉区域如初级躯体感觉皮层S1也参与决策过程并受到高级脑区通过反馈回路的调控说明决策是多脑区持续双向沟通的结果并非简单的单向信息流。Q2这项大脑决策研究对AI发展有什么实际意义A研究表明生物大脑通过双向反馈回路完成复杂决策且能耗远低于现有AI系统。研究人员认为理解这种架构有望为下一代AI提供新的设计思路使其在决策能力上更强、能耗更低。不过研究者也明确指出目前的发现尚不能直接作为构建AI系统的工程蓝图。Q3研究团队接下来打算做什么A弗拉索夫团队计划进一步研究大脑信号的时序特征并开发新型神经活动测量技术以更清晰地揭示反馈回路的形成机制及其在不同层次大脑处理过程中的协调方式最终希望将这些发现应用于新的AI架构设计中。