让人工智能学会触类旁通

一直以来，人类大脑的“思考能力”都是人工智能研究的终极目标。尽管人工智能在多个领域取得了显著进展，但在模拟人类的独特思考方式上仍然面临挑战。不同于机器对新环境的死板适应和单一任务执行，人类大脑擅长灵活运用旧知识以适应新情境，同时不断完善已经学到的知识体系。对于人工智能来说，复制这种独特的适应能力，做到“触类旁通”，一直是科研人员追求的目标。

最近，美国索尔克研究所的科学家取得了一项重要突破。他们利用大脑活动计算模型精确模拟了大脑的适应过程。这一新模型模拟了大脑前额叶皮质如何利用“门控”机制控制不同神经元区域之间的信息流。这一成果不仅为人脑研究开辟了新的领域，也为更复杂的人工智能程序设计提供了理论支撑。

论文作者、计算神经生物学实验室的研究人员Terrence Sejnoski表示：“如果我们将这个模型应用于更复杂的人工智能系统，可能会大大提升新系统的智能化水平。”这项研究的相关成果已经发表在《美国国家科学院院刊》上。

Sejnoski团队成功设计的新计算模型框架模拟了前额皮质神经元在威斯康辛卡片分类测试（WCST）中的行为。该测试是一种用于诊断痴呆症和精神疾病的测试，也是人工智能研究人员评估大脑模型对人类行为复制程度的重要工具。与之前的前额皮质模型在WCST中的表现相比，Sejnoski团队的新框架通过整合神经元门控信息流，将不同的信息片段分配到了网络的不同区域，表现得更加出色。

新模型不仅像人类一样可靠地完成了WCST测试，还能模拟某些大脑疾病患者出现的错误。当模型部分被移除时，系统的表现与前额皮质受损患者的症状相似。论文作者Ben Tsuda表示：“这种模型框架让我们对大脑的精密组织有了更深入的了解，对优化和更好地理解影响前额皮质的疾病具有积极意义。”

Sejnoski团队希望继续扩大网络规模，执行更复杂的任务。他们相信，如果新方法在广泛的学习场景下被证明有效，那么人工智能学会“适应”的日子也就不远了。深入了解和模拟前额叶皮层的协同工作机制将有助于指导治疗脑损伤的干预措施，为未来的神经科学研究开辟新的道路。这一研究成果标志着人工智能在模拟人类思考方面的又一重要进步。

本文由科界平台原创编译，中文内容仅供参考，转载请注明来源科技工作者之家科界App。