剑桥团队：好奇心或驱动类脑网络结构形成

剑桥大学研究团队训练数千套学习模式各异的人工神经网络后发现，好奇心最强的网络在未见过的测试中表现更好，并自发形成分层模块化等类似人脑的结构。 为模拟婴儿学习，团队采集275名8至15个月婴儿的眼动数据，据此设定高好奇心模型在学习速率低于阈值时切换任务，低好奇心模型则随机切换。网络被嵌入参照人脑解剖结构搭建的三维虚拟空间，并对远距离连接施加惩罚，以模拟真实大脑长距离布线的代谢成本。 研究人员将网络连接密度曲线与人脑发育曲线对照，估算好奇心较强网络的发育阶段约对应20岁。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。