根据伊利诺伊大学厄巴纳-香槟分校格兰杰工程学院的最新研究，对大脑决策路径的新见解可能影响工程师对人工智能的思考方式。该研究由电气与计算机工程教授尤里·弗拉索夫（Yurii Vlasov）领导，并发表在《美国国家科学院院刊》上，研究结果突显了早期大脑区域在决策过程中的作用，挑战了关于大脑层级结构的长期假设。
人类大脑长期以来被认为是宇宙中最复杂的结构；它仍然是一个如此神秘的存在，以至于美国国家工程院在2008年将其逆向工程列为21世纪工程学的14个重大挑战之一。几十年来，关于人类大脑的假设构成了卷积神经网络和其他类型人工智能的基础：即决策过程是按照信息从早期大脑区域开始、到前额叶皮层结束的层级自下而上流程进行的。但近年来，像弗拉索夫这样的科学家开始质疑这一主流观点。
另一种观点则基于自然智能——一个由进化而非机器塑造的过程。在这种大脑观中，决策不仅通过连续阶段进行，还通过双向运行的嵌套反馈回路实现。自然智能比当前版本的人工智能计算能力更强，且所需能耗显著更低，这使其成为未来人工智能的理想模型。为了更好地理解这一过程，弗拉索夫及其跨学科研究团队试图从系统层面解构并理解大脑架构。
"我们希望从十亿年的进化中学习，"弗拉索夫说，"生物智能在架构上是如何组织的？我们能否从大脑的架构方面学习并模仿，使人工智能比当前版本更有效、更节能、更智能？在决策层面，这正是当前人工智能的不足之处。"
为了应对研究大脑的复杂性，弗拉索夫首先从涉及感知世界最早阶段的大脑区域入手。在记录了小鼠在虚拟现实走廊中导航并做出感知决策时的神经活动后，伊利诺伊州的研究人员惊讶地发现，决策信号在大脑层级结构中出现得非常早，甚至在初级体感皮层(S1)中就已存在。S1似乎通过自上而下的调控进行动态调节，这种调控由通过反馈回路的高级大脑区域触发，这表明决策过程不仅依赖于以前认为的单向前馈过程。
"大脑的神经编码仍然是一个很大程度上未知的语言，"弗拉索夫说，"但这种系统层面的理解可以被视为如何构建更高效人工神经网络的潜在影响——如何思考下一代人工智能。也许通过我们从真实大脑中学到的这些类比，我们可以进一步改进人工智能。"
虽然这些结果并非构建更好人工智能的直接配方，但弗拉索夫认为这是可以从大脑中学习的新知识。展望未来，弗拉索夫及其团队将在时间动态的背景下进一步探索其发现的复杂性，同时开发新工具来探究和收集大脑信号。
"通过观察神经活动的快速时间动态，也许我们能更好地理解这些反馈回路如何参与决策过程，"弗拉索夫说，"这可能是揭示这些目前未知机制的潜在方法——这些反馈回路如何动态组织，以及它们如何形成和塑造不同层次的处理过程。也许这可以在人工智能的新架构中得到应用。"
【全文结束】