研究提出好奇心或驱动人工神经网络自发形成类脑结构

剑桥大学波利团队基于 275 名 8 至 15 个月婴儿的眼动追踪数据，训练不同好奇心水平的人工神经网络，发现高好奇心模型在新任务上表现更好，并演化出分层模块化、连接密度先升后降等类脑特征。研究尚待验证无好奇心网络延长训练后是否也能形成类似结构，作者认为结果提示好奇心驱动的学习方式或对教育与类人 AI 发展有参考价值。