美國普林斯頓大學神經科學家在一項新研究中，揭示了大腦在人工智能（AI）面前保持優勢的一個關鍵機制：大腦會在不同任務中重復使用相同的認知“模塊”，通過組合和重組這些模塊，如同“拼積木”一般，大腦能夠迅速構建新的行為模式。這項研究發表在最新一期《自然》雜志上。

　　目前最先進的AI模型在單一任務上可以達到甚至超越人類水平，但在學習并執行多種不同任務時卻表現不佳。這是因為人腦在一個關鍵方面仍保持著優勢：認知靈活性。例如，人類可相對輕松地適應新信息或陌生挑戰，比如學習新軟件、照著食譜做菜或快速上手一款新游戲，而AI卻難以實現這樣的“即時”學習。

　　研究發現，大腦之所以靈活，是因為它能夠重復利用認知組件，就像搭積木一樣，將這些“認知積木”拼接起來。比如，會修理自行車的人，在學習修理摩托車時會調用相關技能，更加得心應手。但大腦究竟如何實現這種認知靈活性，目前科學界仍缺乏一致且充分的證據。

　　團隊此次訓練了兩只雄性恒河猴完成三項相關的分類任務，并在過程中記錄了它們的大腦活動。這些任務類似于判斷屏幕上模糊的圖像更像兔子還是字母“T”，或是更接近紅色還是綠色。圖像模糊程度不一，有時差異明顯，有時則十分細微。猴子通過朝不同方向看來表達它們的判斷。實驗設計的關鍵在于，每項任務雖各有不同，但共享某些認知要素，從而可以檢驗大腦如何重復使用相同的神經活動模式。

　　通過多腦區分析后團隊發現，前額葉皮層（負責高級認知功能的腦區）包含若干可重復使用的活動模式，它們對應不同的“認知積木”，大腦通過靈活拼接這些“積木”來構建新行為。

　　此外，前額葉皮層還會在不需要某些認知模塊時抑制其活動，從而幫助大腦集中處理當前任務。這是因為認知資源是有限的，大腦會確保主要目標任務不被干擾。

　　團隊稱，這種基于組合的學習方式，或許正是人類能夠高效學習新技能而不遺忘舊技能的關鍵。相比之下，當前AI系統常遭遇“災難性干擾”問題——學會新任務后，往往會覆蓋掉之前的記憶。如果將人腦這種模塊化、可重組的機制引入AI，或許能開發出可以持續學習而不遺忘的智能系統。同時，這項發現對理解某些精神疾病和腦損傷也具有臨床意義。（記者 張夢然）