2026年2月：大脑举一反三机制及对AI的启发研究揭晓

管理员 2026-02-14 文末可点击分享

【金色港湾资讯网为您推荐阅读】

近日，中国科学院自动化研究所，联合解放军总医院第九医学中心，以及吉林大学第一医院，进行了一项突破性研究，首次揭开了灵长类大脑能够“举一反三”的神经机制秘密。这项发现不仅解答了为何学会打网球后更容易上手羽毛球的日常现象，还为人工智能的发展指明了全新方向，，有望让AI摆脱“死记硬背”的困境。相关研究成果已于近期发表在了国际顶级学术期刊《自然·通讯》上。

实验揭秘大脑中的学习加速器

以3只雄性猕猴作为实验对象，研究团队精确记录了它们背外侧前运动皮层里728个神经单元发出的活动信号。科学家们针对这些神经活动与学习行为的关联展开分析，观察到猕猴在学习相似新任务之际，速度会伴随训练的推进而显著提升，复习旧任务的效率也大幅提高，展现出显著的“学会学习”特征。

然而，猕猴面对与原有规则相反的反向配对任务时，其学习速度会显著变慢，这一规律在灵长类动物里有高度一致性，表明不管是猕猴还是人类，大脑在处理新旧知识冲突时都依照相同的生物机制，该发现为理解人类学习障碍、开发针对性干预方案提供了珍贵的动物模型。

正交空间平衡稳定与灵活的秘诀

13日采访里，对研究核心予以详细解读的，是解放军总医院第九医学中心的顾建文教授，他是论文通讯作者之一。团队发现，猕猴大脑的背外侧前运动皮层，会自发形成两个近乎正交的表征空间，这两个空间分别被命名为“决策子空间”和“刺激子空间”。大脑因这种独特的空间结构，能够把核心规则与新信息分开来处理。

关乎实现学习稳定性与灵活性平衡的关键，乃是两个子空间几近正交的特性。顾建文教授作出比喻称，此情形与图书馆内的状况相仿，其中的书架（决策子空间部分）放置位置固定不变，然而每日进行借还操作的图书（刺激子空间方面）却能够灵活地施行变换。这样的一种机制，将规避“学新忘旧”现象这类问题，以及“守旧难学新”这种矛盾完全予以杜绝。

2026年2月：大脑举一反三机制及对AI的启发研究揭晓(图1)

AI困境从死记硬背到举一反三

尽管当下的人工智能于特定任务方面展现出卓越表现，然而其常常依赖数量庞大的数据以及重复性的训练，并且欠缺真正意义上的知识迁移能力。一旦面临规则发生改变或者全新的情境时，AI系统极其容易出现“灾难性遗忘”，也就是说在学习新的知识之际会快速地覆盖并遗忘旧有的知识，这跟人类那种能够“举一反三”的能力相差甚远。

在于此项研究具备的价值，它于神经科学方向揭示大脑怎样巧妙处理稳定与灵活的冲突，为破解AI领域“灾难性遗忘”难题给予了生物学范本，借鉴大脑的策略，未来AI有可能像人那样在学习新技能之际完好留存既有知识。

借鉴大脑下一代AI设计蓝图

研究团队表明，参考大脑之正交表征空间的策略，随后的AI架构能够把核心规则知识搁置在专门的“决策领域”予以稳固留存。并且，运用另一个单独的“刺激领域”去处置形形色色的新信息。这一模块化的信息处理形式，有着使AI具备如人类一般迅速学习、灵活适应的通用智能的期望。

举例来说，存在一个依据此原理构建的AI翻译系统，当它掌握了基本语法规则之后，能够轻易地应对不同领域的专业术语以及新兴网络用语，并且不会致使原有的语言体系变得混乱。这会极大地提高AI的学习效率以及泛化能力，让它能够在医疗诊断、自动驾驶等复杂场景里表现得更加可靠。

数据说话 728个神经元揭示的真相

2026年2月：大脑举一反三机制及对AI的启发研究揭晓(图2)

研究团队为了能够获得精确的结论，针对 728 个神经单元的信号展开了追踪分析，这一分析持续了数月之久。数据表明，当猕猴执行相似任务之际，其神经活动模式在决策子空间中呈现出高度重合的状况；然而当猕猴执行全新任务的时候，刺激子空间就出现了全新的神经活动模式。那两个空间的神经活动向量夹角近乎接近 90 度，从数学层面证实了其具备“近乎正交”的特性。

这样精准的数学关联保障了新旧知识于大脑之中各自处于合适位置、相互并不产生干扰，当存有调用旧知识用以解决新问题的需求之时，大脑又能够快速地把两个空间里的信息予以整合，达成知识的再度运用，这种机制的发觉，把大脑神经网络的活动规律提升至一个能够加以量化、能够进行模拟的工程学层面。