剑桥大学研究：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，训练了数千套学习模式不同、好奇心水平各异的人工神经网络，发现好奇心最强的网络不仅在新任务上表现更好、认知能力更复杂灵活，还自发演化出分层模块化、连接密度先升后降等与复杂生物大脑相似的结构特征。 研究人员称，仅靠任务约束条件不足以催生复杂结构，叠加好奇心机制后类脑特征才显现出来。该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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。