大腦決策機制顛覆認知，或為AI架構帶來新啟示

伊利諾伊大學厄巴納-香檳分校的科學家發現了一項可能重塑神經科學與人工智能研究方向的重要證據。研究結果表明，大腦的決策過程遠比傳統理論所描述的更早啟動，這一發現為設計更高效、更節能的未來AI系統提供了新的思路。

該研究由格蘭杰工程學院電氣與計算機工程教授尤里·弗拉索夫主導，成果發表于《美國國家科學院院刊》。研究指出，大腦早期感覺區域在決策過程中扮演著出人意料的角色，挑戰了"決策只在信息逐級傳遞至額葉皮層后才產生"這一長期主流觀點。

重新認識大腦的決策方式

人類大腦被普遍認為是已知宇宙中最復雜的結構，科學家至今仍未完全理解其運作機制。正因如此，美國國家工程院早在2008年就將"逆向解析大腦"列為21世紀工程領域的14項重大挑戰之一。

幾十年來，包括卷積神經網絡在內的眾多人工智能系統，都建立在"大腦以單向序列方式處理信息"這一理念之上。傳統模型認為，感覺信息從低級腦區逐步向上傳遞，經過越來越復雜的處理區域，最終到達額葉皮層完成決策。

然而，弗拉索夫等研究人員越來越質疑這幅圖景是否完整。

他們正在探索一種基于"自然智能"的模型——這種智能經過數億年的進化不斷完善。在這一框架下，大腦并非單純依賴逐步傳遞的信息流，決策同樣依賴于各腦區之間相互連接的反饋回路，使信息能夠在不同腦區之間雙向流動。

由于生物智能在完成極其復雜任務的同時，所消耗的能量遠低于當今的AI系統，理解這種架構有望為未來人工智能的發展提供重要指引。

"我們希望從數十億年的進化中汲取經驗，"弗拉索夫表示，"生物智能在架構上是如何組織的？我們能否從大腦的架構中學習，并加以模擬，使AI變得更高效、更節能、更智能？在決策層面，這正是當前AI所欠缺的。"

早期腦區呈現決策相關活動

為深入探究這些機制，研究團隊將目光聚焦于大腦感知與感覺處理的最早階段。

科學家記錄了小鼠在虛擬現實通道中導航并做出感知判斷時的神經活動，發現在初級軀體感覺皮層（S1）——大腦最早期感覺處理區域之一——中存在與決策相關的神經活動跡象。

S1并非只是簡單地向前傳遞信息，而是會受到更高級腦區通過反饋回路施加的影響。這種自上而下的調控表明，決策涉及多個腦區之間的持續溝通，而非簡單的單向信息流動。

"大腦的神經編碼在很大程度上仍是一門未知的語言，"弗拉索夫說，"但這種系統層面的理解，可以視為構建更高效人工神經網絡的潛在啟示——為思考下一代AI提供新的方向。也許借助這些從真實大腦中獲得的類比，我們能夠進一步改進AI。"

研究發現對未來AI的潛在意義

研究人員強調，這項研究并非為構建更優秀人工智能提供直接藍圖，而是提供了關于大腦如何組織決策的全新見解，未來有望啟發新的AI架構設計。

接下來，弗拉索夫團隊計劃更深入地研究這些腦信號的時序特征，并開發用于測量神經活動的新技術，以期更好地理解反饋回路的形成方式及其在不同層次大腦處理過程中的協調機制。

"通過觀察神經活動的快速時間動態，我們或許能更好地理解反饋回路在決策中的參與方式，"弗拉索夫表示，"這種方法或許正是揭示目前未知機制的切入點——這些反饋回路是如何動態組織的，又是如何形成并塑造不同層次處理過程的。也許這些都可以被應用到新的AI架構之中。"

Q&A

Q1：大腦的傳統決策模型是什么？這項研究有何不同？

A：傳統模型認為，感覺信息從低級腦區單向傳遞至額葉皮層后才產生決策。而伊利諾伊大學的這項研究發現，大腦早期感覺區域（如初級軀體感覺皮層S1）也參與決策過程，并受到高級腦區通過反饋回路的調控，說明決策是多腦區持續雙向溝通的結果，并非簡單的單向信息流。

Q2：這項大腦決策研究對AI發展有什么實際意義？

A：研究表明，生物大腦通過雙向反饋回路完成復雜決策，且能耗遠低于現有AI系統。研究人員認為，理解這種架構有望為下一代AI提供新的設計思路，使其在決策能力上更強、能耗更低。不過，研究者也明確指出，目前的發現尚不能直接作為構建AI系統的工程藍圖。

Q3：研究團隊接下來打算做什么？

A：弗拉索夫團隊計劃進一步研究大腦信號的時序特征，并開發新型神經活動測量技術，以更清晰地揭示反饋回路的形成機制及其在不同層次大腦處理過程中的協調方式，最終希望將這些發現應用于新的AI架構設計中。