该研究由格兰杰工程学院电气与计算机工程教授Yurii Vlasov领导，发表在《美国国家科学院院刊》（PNAS）上。这项研究指出了早期感觉大脑区域在决策中的意外作用，挑战了长期以来公认的观点，即决策只有在信息经过严格的大脑区域层级结构传递后才会产生。
重新思考大脑如何做出决策
人脑被广泛认为是已知宇宙中最复杂的结构。科学家们仍未完全了解其运作方式，这也是美国国家工程院于2008年将“大脑逆向工程”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大脑以单向序列处理信息这一观点的启发。根据这一传统模型，感觉信息向上传递，经过越来越复杂的大脑区域，最终到达负责制定决策的额叶皮层。
Vlasov和其他研究人员越来越质疑这一图景是否完整。
相反，他们正在探索一种基于自然智能的模型，这种智能经过了数亿年的进化完善。在这个框架下，大脑不仅仅依赖信息的分步流动。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大脑区域之间双向传递。
由于生物智能在执行极其复杂的任务时，其能耗远低于当今的AI系统，因此理解这种架构有助于指导未来人工智能的开发。
“我们希望从十亿年的进化中学习，”Vlasov说道，“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进行仿效，从而让AI比现在更高效、更低功耗且更智能？在决策层面上，这正是当前AI所欠缺的。”
早期大脑区域显示出决策活动
为了探究这些过程的工作机制，研究团队重点关注了大脑感知和知觉的最早阶段。
科学家记录了小鼠在虚拟现实走廊中穿行并做出感知决策时的神经活动。他们在初级体感皮层（S1）发现了与决策相关的活动证据，这是大脑最早的感觉处理区域之一。
S1似乎不仅仅是简单地向前传递信息，它还通过反馈回路受到高级大脑区域的影响。这种自上而下的调节表明，决策制定涉及多个大脑区域间的持续通信，而非简单的单向信息流。
“大脑的神经编码在很大程度上仍是一种未知的语言，”Vlasov说道，“但这种系统层面的理解可被视为对构建更高效人工神经网络的潜在影响——即如何构思下一代AI。也许通过从真实大脑中汲取的这些类比，我们可以进一步完善AI。”
这些发现对未来AI的可能意义
研究人员强调，这项研究并未提供构建更佳人工智能的蓝图。相反，它为大脑如何组织决策提供了新见解，这些见解最终可能会启发未来的AI架构。
接下来，Vlasov及其团队计划更详细地研究这些大脑信号的时序。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形成并协调不同层级的大脑处理的。
“通过观察神经活动的快速时间动态特性，也许我们能更好地理解这些反馈回路是如何参与决策的，”Vlasov说道，“这或许是一种能够揭示当前未知机制的方法——即这些反馈回路是如何动态组织的，以及它们如何形成并塑造不同层级的处理过程。也许这可以在新的AI架构中得以实现。”