科技日报11月20日北京报道（记者张梦然）

一项于《自然·机器智能》杂志上发布的最新研究揭示了人工智能系统在受到物理限制时展现出的惊人相似性，这与人类大脑在生物及物理条件下的运作模式相呼应。剑桥大学的研究团队证明，这种人为设定的限制促使AI系统发展出与人类大脑相媲美的关键特质与策略，使其得以高效执行任务。

这项研究中，AI系统采用计算节点而非真正的神经元作为基础单元。这些节点具备与神经元相似的功能特性，如接收输入、数据转化以及生成输出，并支持节点间多向连接。

面对物理约束，系统被赋予一个简化版的迷宫导航任务。这一任务常被用来研究大脑功能，尤其适用于老鼠、猕猴等动物。系统需综合处理多条信息，以判断到达终点的最短路径。

研究发现，在物理约束下执行任务时，AI系统采取与人类大脑相似的方法，包括形成集线器——高度互联的节点，作为信息传递的桥梁。此外，节点展现出灵活的编码机制，使得同一节点能够在不同时间点响应迷宫的多种属性，无需专门针对特定位置设立节点。

此系统的设计旨在降低整体布局成本，使之接近真实大脑的运行效率，从而允许使用有限能量资源处理大量动态信息的机器人从中获益。

总编辑点评

人类大脑作为全球最复杂的信息处理器，一直为人工智能领域的研究者提供灵感。类脑研究被视为推动AI技术进步的重要途径。本次研究通过引入物理限制，使AI系统呈现出与人类大脑类似的任务处理策略和特征，这一进展将人类对大脑的理解推进了一步。尽管人类对大脑的认识仍存在诸多未知，但AI领域的探索无疑有助于揭示大脑的生物学奥秘，促进我们对这一复杂系统更深层次的理解。