研究称好奇心或促人工网络形成类脑结构

驱动中国11月2日消息，一项研究提出，好奇心可能推动人工神经网络形成类似人脑的复杂结构。研究人员训练数千套学习模式不同的人工神经网络，观察到好奇心水平居首的网络不仅具备更复杂、灵活的认知能力，还会自发形成相互连通的模块，并遵循与人类相近的发育规律：先形成大量密集神经连接，再逐步修剪精简。

剑桥大学研究人员弗朗切斯科·波利表示，好奇心通常被视作复杂大脑带来的结果，但研究团队关注的是好奇心是否反过来塑造大脑形态。为模拟婴儿学习方式，波利和同事采集275名8至15个月大婴儿的眼动追踪数据。屏幕上播放一系列彩色图形，图形序列提供不同信息量，并暗示下一个图形出现位置。波利称，位置并非随机，每组图形都包含可供学习的规律。

实验显示，婴儿对不同刺激携带的信息量较为敏感。当学习速率低于平均水平时，婴儿会失去兴趣并转移视线，寻找新的刺激。研究团队基于这一原理搭建具备不同内在好奇心水平的人工神经网络，并让它们完成20项任务。高好奇心模型在设定中一旦学习速率低于某个阈值，就立刻切换任务；低好奇心模型则随机切换任务。

训练结果显示，无论是否带有好奇心，所有网络都能熟练掌握训练任务。训练结束后，好奇心模型在从未见过的新测试中表现明显更好。波利表示，这种灵活组合不同信息的能力，是人类复杂认知的标志性特征。好奇心模型还演化出与复杂生物大脑相似的结构特征。

研究人员将人工网络嵌入参照人脑解剖结构搭建的三维虚拟空间，并对远距离连接施加惩罚，以模拟真实大脑中长距离神经布线高昂的代谢成本，倒逼网络形成高效连接方式。仅依靠该约束条件，不足以催生复杂结构；叠加好奇心机制后，一系列类脑特征随之显现。例如，好奇心网络形成分层模块化结构，内部高度互联的功能区块之间互相连通。

波利还观察到一项出乎意料的发育规律：网络连接密度先上升、再下降。他表示，当时对此感到奇怪。这一变化与人脑发育过程高度吻合：人出生第一年，神经元之间负责传递信号的突触数量快速增加，随后进入修剪阶段，无用连接被清除。波利据此提出与好奇心驱动有关的推测。