阿姆斯特丹大学的科学家发现，人类大脑能自动理解如何在各种环境中移动——无论是在湖中游泳还是沿小径行走——而无需有意识思考。这些"行动可能性"（即功能可供性）会独立于视觉信息激活特定脑区。相比之下，像ChatGPT这类人工智能模型仍难以进行此类直觉判断，缺乏人类天生掌握的实际情境理解能力。
当我们看到一张陌生环境的图片——无论是山间小径、繁忙街道还是河流——我们瞬间就能知道如何在其中移动：行走、骑行、游泳或止步。这听起来简单，但你的大脑究竟如何判定这些行动可能性？
博士生克莱门斯·巴特尼克（Clemens Bartnik）与合著团队揭示了大脑如何通过独特神经活动模式预估行动可能。这支由计算神经科学家艾瑞斯·格罗恩（Iris Groen）领导的团队，还将人类这项能力与包括ChatGPT在内的多种AI模型进行对比。格罗恩总结道："AI模型在此方面表现逊色，仍需向高效的人脑学习。"
磁共振成像扫描仪中的图像观察
团队利用磁共振成像扫描仪，研究当人们观看各类室内外环境照片时大脑的活动。参与者通过按钮标注图片诱发的行动意向：行走、骑行、驾驶、游泳、划船或攀爬。同时记录其脑部活动数据。
"我们想探究：当你注视场景时，是主要感知客观存在——如物体或色彩——还是会自动识别其功能属性，"格罗恩解释道，"心理学家称后者为'功能可供性'（affordances），即行动契机：比如可供攀登的阶梯，或能奔跑穿越的开阔田野。"
大脑的独特处理机制
团队发现视觉皮层特定区域的激活模式无法用图像可见物体解释。"观测结果具有独特性，"格罗恩指出，"这些脑区不仅表征视觉信息，同时编码行动可能性。"即使未收到明确行动指令，大脑仍执行此处理流程。"功能可供性属于自动化处理，"格罗恩强调，"即便未主动思考环境中的行动方案，大脑仍持续进行着潜在行动可能性评估。"
该研究首次证实：功能可供性不仅是心理学概念，更是可量化的大脑生理特性。
AI尚未掌握的认知维度
团队还对比了AI算法（如图像识别模型或GPT-4）对环境行动可能性预测能力。结果显示模型预测准确性显著低于人类。"经行动识别专项训练的模型可部分逼近人类判断，但其内部计算模式与人类脑活动并不吻合，"格罗恩阐释道。
"即便最优AI模型也无法给出与人类完全一致的答案——即便这对人类而言轻而易举，"格罗恩表示，"这表明人类视觉系统与行为交互深度耦合。我们将感知与物理世界经验相联结，而AI模型仅存在于计算机中，无法建立此种关联。"
AI仍可向人脑学习
该研究触及可靠高效AI发展的核心命题。"随着医疗至机器人等领域广泛应用AI，机器不仅需识别物体属性，更要理解功能可能性，"格罗恩说明，"例如灾后搜救机器人的路径规划，或自动驾驶车辆对自行车道与车行道的区分。"
格罗恩同时指出AI可持续性问题："当前AI训练方法消耗海量能耗，且多被大型科技公司垄断。深入理解大脑高速高效的信息处理机制，将助力开发更智能、节能且人性化的AI系统。"