人工智能可以下赢围棋、生成逼真图像、甚至写代码，但它至今无法像人类大脑那样——用极少的经验快速掌握新技能。一项最新研究揭示：人脑拥有一种独特的“学习捷径”，能通过神经活动的内在节奏，在几秒内建立抽象规则，而当前所有AI系统都无法复制这一能力。
这项由加州大学伯克利分校和德国马普研究所联合开展的研究，发表于《自然·人类行为》，聚焦于人类如何在毫无先验知识的情况下，迅速理解全新任务的逻辑结构。实验中，参与者被要求玩一个从未见过的视觉游戏：屏幕上随机出现不同颜色和形状的符号组合，他们需根据隐藏规则判断“正确”或“错误”。令人惊讶的是，大多数人在仅经历6到8次试错后，就能准确推断出规则本质——比如“只有红色圆形才有效”或“蓝色必须成对出现”。
与此同时，研究人员用高密度脑电图（EEG）记录其大脑活动，发现一种特定的神经振荡模式在学习初期急剧增强：前额叶皮层与顶叶皮层之间以约8赫兹的频率同步放电（属于θ波范围）。这种同步并非被动响应刺激，而是主动构建“认知框架”的信号——就像大脑在快速搭建一个临时的“思维脚手架”，用于组织零散信息、提取共性、排除干扰。
更关键的是，这种能力具有高度泛化性。当规则突然改变（如从颜色优先变为形状优先），参与者几乎立刻调整策略，而神经同步模式也随之动态重组。相比之下，即使最先进的深度学习模型（如Transformer或强化学习代理）在相同任务中需要数百甚至上千次训练样本才能达到类似准确率，且一旦规则变化，往往需从头学起。
“AI擅长在大数据中找模式，但人类擅长在小数据中找结构，”论文通讯作者玛丽亚·费尔南德斯博士解释道，“我们的大脑不是靠记忆例子，而是实时生成假设并验证——这是一种元学习能力。”
研究团队进一步发现，这种“学习捷径”的效率与个体工作记忆容量和注意力控制能力正相关，暗示它依赖于高级认知控制网络。而自闭症谱系或注意力缺陷障碍患者在此类任务中表现较弱，也印证了该机制的临床意义。
为何AI难以模仿？根本原因在于：当前AI缺乏具身认知（embodied cognition）和目标驱动的内在动机。人类大脑在进化中形成了以生存为导向的预测-验证循环，而AI只是被动拟合输入输出关系。即便引入“小样本学习”算法，其底层仍依赖大量预训练数据，无法真正“从零开始思考”。
这项研究不仅深化了我们对人类智能独特性的理解，也为下一代AI设计指明方向：或许真正的智能不在于算力多强，而在于能否像人脑一样，在混沌中迅速找到秩序的“锚点”。
参考资料：DOI：10.1038/s41586-025-09805-2
热门跟贴