这一发现可能具有超越日常生活的意义。它可能帮助科学家更好地理解习惯是如何形成的，为什么某些行为难以改变，以及未来的人工智能系统如何能更好地从先前的学习中构建新技能。
“我们在理解大脑如何学习方面又有了新的垫脚石，”资深作者、乔治城大学医学院神经科学教授、神经工程中心联合主任Maximilian Riesenhuber博士说。“令人鼓舞的是，你确实可以学会多任务处理。实际上有一种方法可以重塑你的大脑架构，并使用大脑的其他部分。”
大脑如何自动化习得的技能
这项研究扩展了数十年来探索大脑如何获取新能力的工作。虽然科学家对学习的早期阶段已经有了很多了解，但对于一项技能经过大量练习变得几乎毫不费力之后发生了什么，却知之甚少。
Riesenhuber解释说，驾驶是一个熟悉的例子。学习驾驶最初需要持续的注意力，但多年的经验让许多人能够在安全驾驶的同时进行交谈、听音乐或思考问题。
“问题是：你的大脑是如何做到这一点的？”Riesenhuber说。
脑部扫描揭示神经回路的转变
为了进行调查，研究团队要求志愿者通过识别细微的视觉差异，将变形的汽车图像分为两类。参与者在5到10周的时间内，使用一款设计成游戏形式的智能手机应用程序完成了超过30,000次分类测试。
研究人员在训练开始前和练习期结束后，分别利用功能磁共振成像（fMRI）和脑电图（EEG）扫描检查了参与者的大脑。
在学习初期，分类任务主要激活前额叶皮层，该区域负责规划、推理和有意识决策等执行功能。由于大脑的这一部分通常一次只处理一项高要求任务，它长期以来被视为多任务处理的主要限制。
然而，经过数周的练习，大脑活动发生了转移。同样的分类任务现在主要由颞叶皮层处理，该区域参与记忆和识别复杂物体。
“先前的研究表明，在经验丰富的观察者中，颞叶皮层的部分区域可被特定的物体类别激活，如鸟类、汽车，甚至是宝可梦，但所有这些研究的一个局限性在于，它们只是在人们成为专家后才进行观察。这项研究的优势在于它是纵向的；我们在训练前后都进行了测量，因此我们可以看到，大量的训练实际上在颞叶中形成了一个以前不存在的类别选择区域，”第一作者Patrick Cox博士说，他在Riesenhuber的实验室做研究生时开始了这项研究，现在是利哈伊大学的心理学助理教授。
“这对现实世界的关键场景具有重要意义，例如放射科医生可以相当自动地将X光片上的肿块准确分类为良性或恶性，通常无需反复斟酌，这得益于多年的训练，”Cox说。
大脑重塑如何实现多任务处理
研究人员发现，来自颞叶皮层中新发育的汽车选择区域的信息可以绕过前额叶皮层，直接传输到负责产生反应的大脑区域。
“经验重塑大脑以绕过那个额叶瓶颈。前额叶皮层随后就可以腾出来做你想做的其他事情，从而增加了你的能力，”Riesenhuber解释道。
研究团队还发现，汽车分类任务从前额叶皮层“卸载”得越多，参与者同时执行第二项任务的表现就越好。
这一结果挑战了人们长期公认的信念，即人类无法真正进行多任务处理。相反，许多科学家认为，大脑只是在任务之间快速交替注意力，从而造成了同时做两件事的错觉。
“我们要展示的是，神经回路实际上发生了改变，因此大脑可以同时做两件事，”Riesenhuber说。“这才是真正的多任务处理。”
这些发现对习惯和人工智能意味着什么
这些结果也可能为强迫行为提供新的见解。因为习得良好的行为会转移到较少依赖意识控制的大脑回路中，仅仅试图去想别的事情可能不足以打破不良习惯。
“消除某种习得行为的第一步是了解它实际上发生在大脑的哪个位置，”Riesenhuber说。“这解释了为什么像告诉某人去想别的事情这样的策略并没有真正的帮助，因为他们并没有在意识控制下进行这种行为。”
研究人员还认为，这些发现可能有助于解释为什么人类能够在一生中不断构建新能力，而当前的人工智能系统仍然难以在不破坏先前习得知识的情况下进行持续学习。
根据Riesenhuber的说法，将熟练的技能转移到颞叶皮层可以释放前额叶皮层以专注于新的挑战，从而使现有知识成为未来学习的基础。当今的人工智能系统通常缺乏这种灵活的架构。
该团队现在计划研究究竟是什么信号将学习从一个大脑区域转移到另一个区域，并确定哪些类型的任务最终可以并行执行。
“另一个非常有趣的问题是，哪些类型的任务可以学得好到足以并行执行，”Cox说。“我们可以一边走路一边嚼口香糖，但在开车时看手机发短信永远不会安全，因为我们的视线离开了道路。归根结底，在于能否为两项任务训练出完全独立的神经回路，使其变得兼容。”
这项名为“大量经验重塑神经任务回路以摆脱额叶瓶颈并提高分类自动化程度”的研究发表在6月4日的《认知神经科学杂志》（Journal of Cognitive Neuroscience）上。
除了Riesenhuber和Cox，研究团队还包括乔治城大学的Clara A. Scholl、Marissa L. Laws、Nelson E. Jaimes和Xiong Jiang。这项工作得到了美国国家科学基金会（BCS-1232530）、ARCS基金会和陆军研究实验室（W911NF-24-1-0097）的支持。作者报告称与该研究没有个人经济利益冲突。