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不同环境中移动——无论是在湖中游泳还是沿小径行走——都无需有意识思考。这些"行动可能性"(affordances)会独立于视觉信息激活特定脑区。相比之下，ChatGPT等人工智能模型仍难以进行此类直觉判断，缺乏人类天生把握的物理情境。
当我们看到一张陌生环境的图片——山间小径、繁忙街道或河流——我们立刻就能知道如何在其中移动：步行、骑车、游泳或是止步不前。这听起来简单，但你的大脑究竟是如何判断这些行动可能性的？
博士生Clemens Bartnik及其合作团队展示了我们如何通过独特的大脑模式来预估可能的行动。该团队由计算神经科学家Iris Groen领导，还将人类这种能力与包括ChatGPT在内的多种AI模型进行了比较。Groen总结道："AI模型在这方面的表现较差，仍需向高效的人脑学习很多。"
在磁共振成像仪中观察图像
通过磁共振成像仪，团队研究了当人们观看各种室内外环境照片时大脑的活动。参与者通过按键标示图像诱发的行动意向：步行、骑车、驾驶、游泳、划船或攀爬，同时测量其大脑活动。
Groen解释道："我们想知道：当你注视场景时，主要感知的是物体或颜色等客观存在，还是同时自动识别其功能可能。心理学家将后者称为'可供性'——行动可能性；比如可供攀爬的楼梯，或可供奔跑的开阔田野。"
大脑中的独特处理过程
团队发现视觉皮层的特定区域活动模式无法用图像中的可见物体解释。Groen指出："我们观察到的是独特现象——这些脑区不仅表征所见之物，同时编码其功能用途。"即使参与者未收到明确行动指令，大脑仍会进行这种处理。Groen强调："这些行动可能性是自动处理的。即使你没有有意识地思考环境中的行动方案，大脑仍会记录这些信息。"
该研究首次证明：可供性不仅是心理学概念，更是大脑中可测量的生理特性。
AI尚未理解的领域
团队还比较了AI算法（如图像识别模型或GPT-4）预测环境行动可能性的能力。Groen解释："AI在预测潜在行动方面表现较差。当专门针对行动识别进行训练时，它们能近似人类判断，但人脑活动模式与模型内部计算并不匹配。"
Groen补充道："即使最先进的AI模型也无法给出与人类完全一致的答案，尽管这对人类而言如此简单。这表明我们的视觉方式与和世界的交互深度交织——我们将感知与物理世界的经验相连接。而AI模型无法做到这点，因为它们仅存在于计算机中。"
AI仍需向人脑学习
该研究触及了发展可靠高效AI的核心问题。Groen说明："随着医疗到机器人等领域广泛应用AI，机器不仅需要识别物体，更要理解其功能——例如灾后救援机器人需要环境行动预判，自动驾驶汽车需区分自行车道与行车道。"
Groen同时指出AI的可持续性问题："当前AI训练方法能耗巨大，且往往仅限大型科技公司使用。深入了解大脑如何快速高效处理特定信息，将有助于开发更智能、更节能、更人性化的AI系统。"