科學家發現大腦並沒有按照我們思考的方式做決定

這項研究由格蘭傑工程學院電機與電腦工程教授尤里‧弗拉索夫（Yurii Vlasov）領導，於去年發表。 美國國家科學院院刊 (PNAS)。。研究指出早期感覺大腦區域在決策中發揮意想不到的作用，挑戰了長期以來的觀點，即只有在資訊通過嚴格的大腦區域層次結構後才會做出決策。

重新思考大腦如何做決定

人腦是已知宇宙中最複雜的結構。科學家們仍然沒有完全理解它是如何運作的，這就是為什麼對大腦進行逆向工程在 2008 年被美國國家工程院認定為 21 世紀的世紀。他將其確定為 20 世紀 14 項重大工程挑戰之一。

幾十年來，包括卷積神經網路在內的許多人工智慧系統都受到大腦以單向序列處理資訊這一想法的啟發。根據這種傳統模型，感覺訊息向上穿過大腦中日益複雜的區域，直到到達做出決策的額葉皮質。

弗拉索夫和其他研究人員越來越質疑這張圖是否完整。

相反，他們正在研究一種基於自然智能的模型，該模型經過數億年的進化而得到完善。在這個框架中，大腦不僅僅依賴逐步的資訊流。決策取決於相互關聯的回饋迴路，這些迴路允許資訊在大腦區域之間雙向移動。

由於生物智慧使用比目前人工智慧系統少得多的能源來執行極其複雜的任務，因此了解這種架構可以幫助指導未來人工智慧的發展。

「我們想從數十億年的進化中學習，」弗拉索夫說。 「生物智慧是如何在架構上組織的？我們能否從大腦的架構方面進行學習並進行模仿，以使人工智慧比現在更有效率、更省電、更智慧？在決策層面，這就是當前人工智慧所缺乏的地方。”

早期大腦區域表現出決策活動

為了研究這些過程是如何運作的，研究小組重點研究了大腦感覺和感知的最早階段。

科學家記錄了小鼠在虛擬實境走廊中導航並做出感知決策時的神經活動。他們在初級體感皮質（S1）中發現了與決策相關的活動的證據，初級體感皮質是大腦最早的感覺處理區域之一。

S1 似乎不是透過向前傳遞訊息，而是透過回饋迴路受到高階大腦區域的影響。這種自上而下的規則表明，決策涉及大腦多個區域的持續溝通，而不是簡單的資訊流。

「大腦的神經代碼仍然是一種很大程度上未知的語言，」弗拉索夫說。 「但這種系統級的理解可以被視為對如何構建更有效率的人工神經網路——如何思考下一代人工智慧的潛在影響。也許透過我們從真實大腦中學習的這些類比，我們可以進一步改進人工智慧。”

研究結果對未來人工智慧意味著什麼

研究人員強調，這項研究並沒有提供建構更好人工智慧的藍圖。相反，它提供了關於大腦如何做出可能激發未來人工智慧架構的決策的新見解。

接下來，弗拉索夫和他的團隊計劃更詳細地研究這些大腦訊號的時間表。他們還希望開發新技術來測量神經活動，更好地了解反饋循環是如何創建的，並協調大腦的不同處理層次。

「透過觀察神經活動的快速時間動態，我們也許能夠更好地理解這些回饋循環在決策過程中如何運作，」弗拉索夫說。 “也許這就是揭示這些當前未知機制的方法：這些反饋循環如何動態組織並塑造不同級別的處理。也許這可以在人工智慧的新架構中實現。”