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——且无需主动思考。这些"动作可能性"（即可供性）会激活特定脑区，该过程独立于当前视觉信息。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，缺失了人类天然理解的物理情境。
当我们看到陌生环境的图像——无论是山间小径、繁忙街道还是河流——我们立刻就能知道如何在其中移动：步行、骑车、游泳或止步不前。这听起来简单，但你的大脑究竟如何判断这些行动可能性？
博士生克莱门斯·巴特尼克与合著团队通过独特的大脑活动模式，揭示了人类如何评估潜在行为。这支由计算神经科学家艾里斯·格伦领导的团队，还将人类此项能力与包括ChatGPT在内的多种AI模型进行了对比。格伦总结道："AI模型在此方面表现欠佳，仍需向高效的人脑学习。"
磁共振成像扫描中的图像观察
团队利用磁共振成像扫描仪，研究人们观察各类室内外环境照片时的大脑活动。参与者通过按钮标示图像引发的行为意向：步行、骑车、驾驶、游泳、划船或攀爬。同时，他们的大脑活动被精确测量。
"我们试图探究：当你注视场景时，是主要感知物体、颜色等存在元素，还是自动识别其功能用途。"格伦解释道，"心理学家将后者称为'可供性'——即行动可能性，例如可攀爬的楼梯或可奔跑的开阔田野。"
大脑的独特处理机制
团队发现视觉皮层的特定区域会以无法用图像可见物解释的方式激活。"我们观测到的现象具有独特性，"格伦指出，"这些脑区不仅表征可见信息，还编码其功能用途。"即使参与者未收到明确行动指令，大脑仍会执行该处理。格伦表示："行动可能性因此被自动加工。即使你未主动思考环境中的行为选项，大脑仍会进行记录。"
该研究首次证实：可供性不仅是心理学概念，更是人脑可测量的生理特性。
AI尚未掌握的领域
团队还对比了图像识别模型与GPT-4等AI算法评估环境行为可能性的能力。结果显示AI在预测潜在行为方面表现较差。"经专门行为识别训练的模型能部分接近人类判断，但人脑活动模式与模型内部计算并不匹配。"格伦阐释道。
"即便最先进的AI模型也无法给出与人类完全一致的答案，尽管这对人类而言轻而易举。"格伦强调，"这表明我们的视觉方式与实体世界交互深度交织。我们将感知与物理世界经验相连接，而仅存在于计算机中的AI模型无法实现这种联结。"
AI仍需向人脑学习
这项研究触及了发展可靠高效AI的核心命题。"随着医疗到机器人等领域广泛应用AI，机器不仅需识别物体本质，更要理解其功能用途。"格伦举例说明，"例如灾区内导航的救援机器人，或需区分自行车道与车行道的自动驾驶汽车。"
格伦同时指出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。深入理解人脑高效处理信息的机制，将有助于开发更智能、节能且人性化的AI系统。"