长期以来，科学界普遍认为大脑的决策过程遵循一个从低级感觉区域到高级前额叶皮层的单向信息流。然而，伊利诺伊大学厄巴纳-香槟分校格兰杰工程学院的一项最新研究彻底颠覆了这一经典观点。该研究由电气与计算机工程教授Yurii Vlasov领导，成果发表于《美国国家科学院院刊》（PNAS），揭示了大脑早期区域在决策中扮演着远比想象中更主动、更动态的角色。

人类大脑常被描述为宇宙中最复杂的结构，其内部运作机制之难解，以至于逆向工程大脑被美国国家工程院列为2008年提出的14项重大挑战之一。过去多年，科学家们基于“决策始于早期感觉区域，终止于前额叶皮层”的阶梯式信息流假设，构建了诸如卷积神经网络等人工智能系统。但Vlasov等研究者现在开始重新审视这一假设。

另一种理解大脑的视角聚焦于“自然智能”——由数十亿年进化塑造，而非人类设计的智能。在这一框架下，决策并非简单的序列过程，而是涉及跨不同脑区的双向信号传递，形成相互连接的反馈回路。自然智能的另一显著优势是其高效性：它能在执行复杂计算的同时，消耗远低于当前AI系统的能量。

为了从系统层面理解大脑如何实现这种高效决策，Vlasov团队将目光投向了大脑最早期处理感觉和知觉的区域。他们记录了小鼠在虚拟现实走廊中移动并根据感知做出决策时的神经活动。结果出乎意料：与决策相关的信号出现在初级体感皮层（S1）——一个传统上被认为仅负责基本感觉处理的区域。这表明，决策相关的神经活动在大脑中的起始时间比以往认为的要早得多。

进一步分析显示，S1区域的活动受到高级脑区通过反馈回路的调控。这种自上而下的调节表明，决策并非仅由单向的前馈信号驱动，而是涉及多个脑区之间的持续交互作用。“大脑的神经编码在很大程度上仍是一种未知的语言，”Vlasov表示，“但这种系统层面的理解，可能为构建更高效的人工神经网络提供潜在启示——如何构思下一代AI。也许通过从真实大脑中学习这些类比，我们可以进一步改进AI。”

该研究并未直接提供构建更好AI的蓝图，但它提供了一种全新的思考方向。通过研究大脑如何组织和处理信息，研究人员可能识别出能够改进AI系统的关键原则。Vlasov团队计划继续探索大脑活动随时间变化的规律，重点关注快速的时域动态，并开发新的工具来更精确地测量和分析神经信号。“通过观察神经活动的快速时域动态，我们或许能更好地理解这些反馈回路是如何参与决策的，”Vlasov说，“这可能是揭示目前未知机制——反馈回路如何动态组织、如何形成并塑造不同处理层次——的方法，并最终可能被应用于新型AI架构中。”