认知乐高帮助大脑构建复杂行为'Cognitive Legos' help the brain build complex behaviors

环球医讯 / 认知障碍来源:medicalxpress.com美国 - 英语2025-12-05 09:40:58 - 阅读时长5分钟 - 2351字
普林斯顿大学研究人员发现,灵长类动物的前额叶皮层会重复使用模块化的"认知乐高"来解决相关任务,赋予生物大脑人工智能仍缺乏的灵活性。这一发现可能有助于改进人工智能系统,使其在学习新技能的同时保留旧技能。研究显示,大脑通过组合和重新组合这些认知模块来快速组装新行为,而这种组合性可能是前额叶皮层的特殊属性。当大脑专注于某一任务时,前额叶皮层会抑制不相关的认知模块以提高当前任务处理效率,这一机制解释了人类为何能快速学习新任务而当前AI系统面临"灾难性干扰"问题。未来将这种组合性原理应用于人工智能可能创造出持续学习新技能而不遗忘旧技能的系统,同时也可能帮助改善精神分裂症、强迫症等神经精神疾病的治疗方法。
认知乐高认知灵活性前额叶皮层认知模块神经模式组合性灾难性干扰神经疾病精神疾病临床疗法
认知乐高帮助大脑构建复杂行为

普林斯顿大学研究人员发现,灵长类动物的前额叶皮层会重复使用模块化的"认知乐高"来解决相关任务,赋予生物大脑人工智能仍缺乏的灵活性。这一见解可能有助于改进人工智能系统,使其在学习新技能的同时保留旧技能。

人工智能或许能写出获奖文章并以惊人准确性诊断疾病,但在一个关键领域,生物大脑仍占据上风:灵活性。例如,人类能够相对轻松地快速适应新信息和不熟悉挑战——学习新计算机软件、遵循食谱或掌握新游戏——而人工智能系统却难以"即兴学习"。

在一项新研究中,普林斯顿神经科学家揭示了大脑相对于人工智能的一个优势原因:它在许多不同任务中重复使用相同的认知"模块"。通过组合和重新组合这些模块,大脑能够快速组装新行为。

"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表现水平。但它们难以学习和执行多种不同任务,"该研究高级作者、普林斯顿神经科学研究所副所长蒂姆·布施曼(Tim Buschman)博士说。

"我们发现大脑具有灵活性,是因为它能在许多不同任务中重复使用认知组件。通过将这些'认知乐高'拼接在一起,大脑能够构建新任务。"

这些发现发表在《自然》(Nature)杂志上。

重复技能应对新挑战

如果有人知道如何调整自行车,那么修理摩托车可能会更自然。这种通过重新利用相关任务中的简单技能来学习新事物的能力,科学家称之为组合性。

"如果你已经知道如何烤面包,你可以利用这种能力来烤蛋糕,而无需从头开始重新学习烘焙,"普林斯顿大学布施曼实验室的博士后研究员、该新研究的主要作者西娜·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,如搅拌面糊和制作糖霜,来创造完全不同的东西。"

然而,关于大脑如何实现这种认知灵活性的证据一直有限,有时甚至相互矛盾。

为阐明大脑如何实现其机智,塔法佐利训练两只雄性恒河猴(rhesus macaques)执行三项相关任务,同时监测它们的大脑活动。

猴子执行了三项分类任务,而非烘焙面包或修理自行车。猴子必须判断屏幕前方色彩斑斓、气球状的斑点看起来更像兔子还是字母"T"(形状分类),或者判断它是更红还是更绿(颜色分类)。这类似于尝试解码手写医生笔记中经常模糊不清的笔迹。

这项任务具有欺骗性难度:斑点的模糊程度各不相同,有时明显像兔子或饱和红色,而有时差异则很微妙。

为表示它们认为斑点的形状或颜色是什么,猴子通过看向四个不同方向之一来"确认"他们的回答。在一个任务中,向左看意味着动物看到兔子,而向右看则表示它看起来更像"T"。

设计的一个关键特征是,虽然每项任务都是独特的,但它们也与其他任务共享某些元素。

其中一项颜色任务和形状任务都要求朝相同方向看,而两项颜色任务都要求动物以相同方式对颜色进行分类(要么更红要么更绿),但要求它们朝不同方向看以表明他们的颜色判断。

这种实验设计使研究人员能够测试大脑是否在具有共享组件的任务中重复使用神经模式——其认知构建模块。

模块构建认知灵活性

在分析全脑活动模式后,塔法佐利和布施曼发现,前额叶皮层——大脑前部参与高级认知的区域——包含几个共同的、可重复使用的神经元活动模式,这些神经元朝着共同目标工作,例如颜色辨别。

布施曼将这些描述为大脑的"认知乐高"——可以灵活组合以创造新行为的构建模块。

"我将认知模块视为计算机程序中的一个函数,"布施曼说。"一组神经元可能辨别颜色,其输出可以映射到驱动动作的另一个函数上。这种组织使大脑能够通过依次执行任务的每个组件来执行任务。"

要执行其中一项颜色任务,动物会将计算图像颜色的模块与另一个控制眼睛朝不同方向移动的模块拼接在一起。

当切换任务时,例如从颜色切换到形状,大脑只需将计算形状的相关模块和进行相同眼动的模块拼接在一起。

这种模块共享主要见于前额叶皮层,而非其他脑区,这表明这种组合性是该区域的特殊属性。

塔法佐利和布施曼还发现,当前额叶皮层不使用认知模块时,它会使其安静下来,这可能有助于大脑更好地专注于手头的相关任务。

"大脑的认知控制能力有限,"塔法佐利说。"你必须压缩某些能力,以便专注于当前重要的那些。例如,专注于形状分类会暂时减弱编码颜色的能力,因为目标是形状辨别,而不是颜色。"

对人工智能和临床更高效的学习方式

这些认知乐高可能有助于解释为什么人类能如此快速地学习新任务。通过利用现有心理组件,大脑最大限度地减少了重复学习——这是人工智能系统尚未掌握的技巧。

"机器学习的一个主要问题是灾难性干扰,"塔法佐利说。"当机器或神经网络学习新事物时,它们会忘记并覆盖先前的记忆。如果一个人工神经网络知道如何烤蛋糕,然后学习烤饼干,它就会忘记如何烤蛋糕。"

未来,将组合性纳入人工智能可能有助于创建能够持续学习新技能而不忘旧技能的系统。

同样的见解也可能有助于改善神经和精神疾病患者的医疗。精神分裂症、强迫症和某些脑损伤等状况常常会损害人们将已知技能应用于新情境的能力——这可能源于大脑重新组合其认知构建模块的方式受到干扰。

"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,"塔法佐利说。

"从长远来看,了解大脑如何重复使用和重新组合知识,可能帮助我们设计恢复这一过程的疗法。"

【全文结束】

大健康
大健康