中國日報2月14日電（記者 趙磊）熟練掌握網球的人，往往能更快上手羽毛球、乒乓球等其他球類運動；學會一種解題思路，遇到類似問題也能迅速上手。這種"舉一反三"的能力，是人類智能最迷人的特質之一。這種能力并非簡單的記憶疊加，而是一種更高層級的"學會學習"（learning to learn）能力——大腦能夠提取任務背后的共性規律，并在新的情境中高效復用。這一能力的神經基礎，是大腦在學習過程中形成的可重復利用的穩定神經活動模式，即心理學中的"圖式"。但長期以來，大腦如何在復用已有知識的同時，靈活適應新的任務條件，始終是個謎題。
記者日前從解放軍總醫院第九醫學中心顧建文教授處獲悉，其研究團隊與中國科學院自動化研究所、吉林大學第一醫院合力攻關，為該問題提供了重要解答。研究首次發現，靈長類大腦的神經活動會形成兩個近乎正交的表征空間，分別負責表征穩定的"圖式"結構與隨具體任務變化的特征，這一神經組織方式巧妙破解了學習過程中穩定性與靈活性的平衡難題。相關成果發表于《自然·通訊》（Nature Communications）。
據介紹，研究團隊以獼猴為實驗對象，訓練其完成一系列視覺—運動映射任務。結果發現，隨著訓練推進，獼猴在后續同類任務中的學習速度顯著提升，表現出明顯的"舉一反三"能力。這表明，靈長類動物與人類一樣，能夠提取任務中的抽象結構，并將其遷移應用于新問題。
進一步的神經記錄顯示，在獼猴背側前運動區（PMd）的神經群體活動中，大腦會自發形成兩個幾乎相互正交的表征空間：一個是穩定的"決策子空間"，其中存在低維神經流形，負責編碼任務的核心決策邏輯。即使具體視覺刺激發生變化，只要決策規則不變，大腦仍會復用這一穩定的神經模式。另一個是相對獨立的"感覺子空間"，專門編碼當前任務的具體感覺特征，用于適配新的外部條件。這種近乎正交的神經組織方式，使得穩定知識與新信息在不同表征空間中運行，彼此干擾最小化。換句話說，大腦通過"表征空間分離"實現了知識的穩定存儲與靈活更新。
這一成果不僅深化了學界對靈長類大腦學習機制的理解，也為人工智能的發展提供了重要啟示，可以指導人工智能算法向自然智能方向發展。當前深度學習系統在連續學習多個任務時，往往會出現"災難性遺忘"——新任務的學習會干擾舊任務的知識。相比之下，靈長類大腦通過構建相互正交的表征空間，實現了知識隔離與復用并存。借鑒這一策略，有望為構建具備快速學習、靈活適應能力的新一代人工智能系統提供全新設計思路。
本研究的共同第一作者為中國科學院自動化研究所博士研究生田凱茜、吉林大學第一醫院趙智平醫生及中國科學院自動化研究所陳陽副研究員；中國科學院自動化研究所余山研究員與解放軍總醫院第九醫學中心顧建文教授為共同通訊作者。研究工作得到國家科技創新2030-"腦科學與類腦研究"重大項目、中國科學院戰略先導專項等資助。
掃碼下載
中文網微信