普林斯顿大学的研究人员发现，灵长类动物的大脑前额叶皮层能够像搭乐高积木一样，重复使用模块化的“认知积木”来解决相关任务，这赋予了生物大脑人工智能（AI）仍不具备的灵活性。这一发现有助于改进AI系统，使其在学习新技能的同时保留旧知识。
AI可以创作获奖文章，也能以惊人的准确性帮助医生检测疾病。然而，在真正的思维灵活性方面，生物大脑仍具有明显优势。人类可以非常轻松地适应新情况和新信息。人们通常能很快学会使用不熟悉的电脑软件、尝试新食谱或弄清新游戏的规则，而AI系统则难以实时适应并有效地“即兴”学习。
在一项新研究中，某大学（原普林斯顿大学）的神经科学家们指出了这种差异的一个关键原因。人类大脑会在许多不同的情境中重复使用相同的认知“积木”，通过组合和重组它们来形成新的行为模式。
“最先进的AI模型可以在单个任务上达到人类甚至超越人类的表现，但它们难以学习和执行许多不同的任务，”该研究的资深作者说，“我们发现大脑之所以灵活，是因为它能在许多不同的任务中重复使用认知的组成部分。通过拼接这些‘认知乐高’，大脑能够构建新的任务。”该研究发表在《自然》杂志上。
组合性：在新情境中重复使用技能
如果某人已经知道如何修理自行车，学习修理摩托车可能会感觉更直接。这种从相关经验中抽取更简单、熟悉的技能来构建新技能的能力被称为组合性。
“如果你已经知道如何烤面包，你可以利用这个能力去烤蛋糕，而无需从头开始学习烘焙，”该研究的第一作者解释道，“你重新利用现有的技能——使用烤箱、称量食材、揉面团——并将它们与新的技能，如搅拌面糊和制作糖霜，结合起来，创造出完全不同的东西。”
迄今为止，关于大脑究竟如何支持这种灵活的组合性思维的证据仍然有限，有时甚至相互矛盾。为了更清晰地了解情况，第一作者训练了两只雄性恒河猴执行三项相关的任务，同时记录它们整个大脑的活动。
通过视觉分类任务测试灵活性
研究人员要求动物执行三项视觉分类任务，而不是像烘焙或修理自行车这样的现实任务。在屏幕上，它们看到一系列色彩鲜艳、类似气球的斑点。它们的任务是判断每个斑点看起来更像一只兔子还是字母“T”（形状分类），或者它看起来更红还是更绿（颜色分类）。
这个挑战比听起来要难。这些斑点在差异的清晰度上各不相同。有些图像明显像兔子或颜色鲜红，而另一些则模糊不清，需要仔细判断才能区分类别。为了报告它们关于形状或颜色的决定，每只猴子通过看向屏幕上的四个不同方向之一来指示答案。例如，在某个任务版本中，向左看意味着动物判断该斑点是兔子，而向右看则表示它看起来更像“T”。
该实验的关键在于，每个任务都有其特定的规则，但同时彼此之间共享关键组成部分。其中一个颜色任务和形状任务要求动物看向相同的方向来指示它们的选择；而两个颜色任务都要求猴子以相同的方式（更红或更绿）对颜色进行分类，但在报告颜色判断时需要看向不同的方向。这种设计让研究人员能够观察到，每当任务共享某些特征时，大脑是否会重复使用相同的神经模式（即认知积木）。
前额叶皮层：可重复使用认知积木的中心
在检查了大脑活动的模式后，研究人员发现前额叶皮层——大脑前部参与高级思维和决策的区域——包含了几种反复出现的活动模式。每当神经元群体朝着一个共同目标（例如区分颜色）协同工作时，这些模式就会出现。研究人员将这些模式称为大脑的“认知乐高”，即一套可以灵活组合以产生不同行为的积木。
“我把认知积木想象成计算机程序中的一个函数，”另一位研究人员说，“一组神经元可能负责区分颜色，它的输出可以被映射到另一个驱动动作的函数上。这种组织方式使得大脑能够通过顺序执行任务的每个组成部分来完成整个任务。”
例如，对于一个颜色任务，大脑会将一个决定图像颜色的积木与另一个引导特定方向眼球运动的积木组合起来。当动物切换到不同的任务时，例如在仍然使用类似的眼球运动的同时判断形状而不是颜色，大脑就会简单地激活负责形状处理的积木，同时激活负责相同眼球运动的积木。这种积木的共享主要出现在前额叶皮层，而在其他脑区并未观察到相同程度的现象。这一发现表明，这种组合性可能是前额叶皮层的一个显著特征。
开关积木以集中注意力
研究人员还观察到，前额叶皮层似乎会在不需要某些认知积木时将其“静音”。这可能有助于大脑在任何给定时刻专注于最相关的任务。
“大脑的认知控制能力是有限的，”第一作者说，“你必须压缩一些能力，以便专注于当前重要的那些。例如，专注于形状分类会暂时削弱编码颜色的能力，因为当前的目标是形状辨别，而不是颜色。”通过选择性地激活和抑制不同的积木，大脑可以避免过载，并使表现专注于当前目标。
认知乐高、人工智能与心理健康
这些认知乐高可能有助于解释为什么人们通常能如此迅速地掌握新任务。大脑并不总是需要从头开始。相反，它可以利用现有的心智组件，重新组合它们，并避免重复工作，这是当前AI系统普遍缺乏的策略。
“机器学习的一个主要问题是‘灾难性干扰’，”第一作者说，“当一台机器或一个神经网络学习新东西时，它们会忘记并覆盖之前的记忆。如果一个神经网络知道如何烤蛋糕，但随后学习烤饼干，它就会忘记如何烤蛋糕。”将组合性融入AI，最终可能使人工系统在学习方面更像人类，允许它们随着时间的推移获得新技能，而不会抹去旧知识。
同样的原理也可能影响医学。许多神经和精神疾病，包括精神分裂症、强迫症和某些形式的脑损伤，都可能使人们难以在新情境中应用现有技能。这些问题可能源于大脑无法再顺利地重组其认知积木。
“想象一下，能够帮助人们重新获得改变策略、学习新常规或适应变化的能力，”第一作者说，“从长远来看，理解大脑如何重复使用和重组知识，可以帮助我们设计出恢复这一过程的疗法。”
该研究的资金由某国家卫生机构提供。FINISHED
