在复杂的动态环境中，灵长类动物展现出了卓越的“学会学习”（learning to learn）能力，即通过过往经验快速掌握新任务。近日发表于《Nature Communications》的一项研究，深入探讨了这一认知过程背后的神经计算机制，指出领域特定模式（Domain-specific schema）的重用是实现这一灵活性的核心驱动力。

研究团队通过设计一系列复杂的行为范式，观察了灵长类受试者在面对多任务情境下的学习表现。实验结果表明，大脑在处理新任务时，并非从零开始构建策略，而是倾向于从既往经验中提取结构化的“模式”。这些模式并非通用的认知模板，而是高度依赖于任务领域（Domain-specific）的。当面对具有相似逻辑结构的新任务时，大脑能够迅速激活并重用这些已有的模式，从而极大地缩短了学习曲线。

为了量化这一过程，研究人员构建了计算模型，模拟了神经元群体在任务切换时的动态编码。模型显示，前额叶皮层（PFC）在模式重用中发挥了关键作用。通过对神经活动的解码分析，研究发现，当受试者识别出任务间的结构相似性时，PFC中的神经表征会发生重构，将旧有的领域知识映射到新的任务空间中。这种机制不仅解释了为何灵长类动物能够跨领域迁移知识，还揭示了大脑如何通过有限的神经资源实现高效的认知适应。

该研究进一步强调，这种“学会学习”的策略具有显著的灵活性。当环境发生变化，原有模式不再适用时，大脑能够通过模式更新与冲突检测机制，迅速抛弃低效策略并构建新的模式。这一发现挑战了传统的强化学习观点，即认为学习仅依赖于简单的奖励预测误差，转而支持一种基于结构化知识表征的认知模型。对于人工智能领域而言，这一发现提示我们，开发具备持续学习能力的算法，或许不应仅追求通用性，而应侧重于如何让机器像灵长类大脑一样，学会识别并重用特定领域的结构化模式。

Journal Reference: Domain-specific schema reuse supports flexible learning to learn in the primate brain. Nature Communications.