伊利诺伊大学厄巴纳-香槟分校格雷格工程学院的电气与计算机工程学教授Yurii Vlasov领导的研究团队，在《美国国家科学院院刊》（Proceedings of the National Academy of Science, PNAS）上发表了一项突破性研究。该研究揭示了大脑早期感觉区域在决策制定中扮演的意想不到的角色，颠覆了长期以来认为决策仅在信息通过严格的脑区层级结构传递后才产生的传统观点。

重新审视大脑决策机制

人类大脑被广泛认为是已知宇宙中最复杂的结构。科学家们至今仍未完全理解其运作机制，这也是美国国家工程院在2008年将“逆向工程大脑”列为21世纪14项工程重大挑战之一的原因。

几十年来，包括卷积神经网络在内的许多人工智能系统，都受到了大脑以单向序列处理信息的理念启发。按照这种传统模型，感觉信息向上层层传递，经过越来越复杂的脑区，最终到达额叶皮层，并在那里做出决策。然而，Vlasov教授及其他研究人员日益质疑这种描述是否全面。

相反，他们正在探索一种基于自然智能的模型，这种模型经过数亿年的进化已臻完善。在这个框架中，大脑并非仅仅依赖于信息的一步步流动。决策制定还依赖于相互连接的反馈回路，这些回路允许信息在不同脑区之间进行双向传递。鉴于生物智能在执行复杂任务时所消耗的能量远低于当今的人工智能系统，理解这种架构有望指导未来人工智能的发展。

Vlasov教授指出：“我们希望从亿万年的进化中学习。这种生物智能在架构上是如何组织的？我们能否从大脑的架构层面学习并加以模仿，从而使人工智能更高效、更节能、更智能？在决策层面，这正是当前人工智能所欠缺的。”

早期脑区展现决策相关活动

为了探究这些过程的运作机制，研究团队将重点放在了大脑感知和知觉的最早期阶段。科学家们记录了小鼠在虚拟现实走廊中导航并做出感知决策时的神经活动。他们发现，在初级体感皮层（S1）中存在与决策相关的活动证据。S1是大脑最早期的感觉处理区域之一。

研究发现，S1并非简单地将信息前传，而是似乎通过反馈回路受到高级脑区的影响。这种自上而下的调控表明，决策制定涉及多个脑区之间的持续交流，而非简单的单向信息流动。

Vlasov教授表示：“大脑的神经编码仍然是一种大部分未知的语言。但这种系统层面的理解，可以被视为对如何构建更高效的人工神经网络——以及如何构思下一代人工智能——的潜在影响。也许通过我们从真实大脑中学到的这些类比，我们可以进一步改进人工智能。”

研究发现对未来人工智能的启示

研究人员强调，这项研究并非为构建更优秀的人工智能提供了蓝图。相反，它提供了关于大脑如何组织决策的新见解，这些见解最终可能启发未来的人工智能架构。

接下来，Vlasov教授及其团队计划更详细地研究这些脑信号的时序动态。他们还打算开发新的神经活动测量技术，以更好地理解反馈回路是如何产生并协调不同层面的大脑处理过程的。

Vlasov教授解释说：“通过观察神经活动的快速时间动态，我们或许能更好地理解这些反馈回路是如何参与决策的。这可能是一种潜在的方法，能揭示当前未知的机制——即这些反馈回路是如何动态组织、如何形成并塑造不同处理层面的。也许这些机制可以被应用于新的人工智能架构中。”