记者从解放军总医院第九医学中心获悉,由该中心顾建文教授领衔的跨机构研究团队在大脑学习机制研究领域有所突破。这项联合中国科学院自动化研究所、吉林大学第一医院共同完成的研究成果,首次从神经生物学层面阐释了灵长类大脑如何实现知识迁移与灵活学习,有关论文已在《自然·通讯》期刊发表。 人类在掌握某项技能后,往往能够快速习得相关领域的其他技能,这种学习迁移能力长期以来被认为是智能的核心特征之一。心理学研究将这种可复用的认知结构称为"图式",但其神经机制一直未能得到充分解释。特别是大脑如何在保持已有知识稳定性的同时,又能灵活应对新情境的变化,该看似矛盾的问题困扰学界多年。 研究团队采用灵长类动物模型开展系统性实验。通过训练猕猴完成系列视觉与运动关联任务,研究人员观察到,随着训练深入,实验对象在面对结构相似的新任务时,学习效率呈现大幅提升,表现出明显的知识迁移特征。这一现象证实,灵长类动物具备提取任务抽象规律并应用于新场景的能力。 更为关键的发现来自神经活动记录分析。研究团队对猕猴背侧前运动皮层的神经群体活动进行精密监测,发现大脑在处理学习任务时,会自发形成两个几乎相互垂直的神经表征空间。其中,"决策子空间"包含着任务的核心逻辑结构,形成低维度的稳定神经活动模式。即便外部刺激条件改变,只要决策规则保持一致,这一神经模式便会被重复调用。,"感觉子空间"则独立编码当前任务的具体特征信息,负责处理环境变化带来的新要求。 这种近乎正交的空间组织方式具有重要的功能意义。两个表征空间的相互独立性,使得稳定知识与动态信息在神经层面实现分离处理,最大限度降低了相互干扰。研究团队认为,这正是大脑破解学习过程中稳定性与灵活性矛盾的关键机制——通过表征空间的结构化分离,实现知识的高效存储与灵活调用。 该研究成果不仅深化了对灵长类认知功能的科学认识,也为人工智能技术发展提供了重要的生物学参照。当前深度学习系统普遍面临"灾难性遗忘"难题,即在学习新任务时会破坏已掌握的旧知识。相比之下,生物大脑通过构建正交表征空间,成功实现了知识隔离与复用的统一。这一发现为设计具备持续学习能力的智能系统指明了新方向。 业内专家指出,将神经科学研究成果转化为工程实践,有望推动人工智能从单一任务优化向通用智能方向发展。通过借鉴生物大脑的表征组织策略,未来智能系统可能具备更强的知识迁移能力和环境适应性,在复杂多变的真实场景中展现更高的应用价值。
这项研究不仅解开了困扰学界已久的大脑学习机制谜题，更启示我们：自然界亿万年来进化的生物智能系统，其精巧程度远超现有技术想象。当科学探索从现象描述深入到原理揭示，人类对心智本质的理解正迈向新的高度。这个突破性进展再次证明，基础研究的深耕往往是技术创新最坚实的基石。