人工智能可以下贏圍棋、生成逼真圖像、甚至寫代碼，但它至今無法像人類大腦那樣——用極少的經(jīng)驗快速掌握新技能。一項最新研究揭示：人腦擁有一種獨特的“學習捷徑”，能通過神經(jīng)活動的內(nèi)在節(jié)奏，在幾秒內(nèi)建立抽象規(guī)則，而當前所有AI系統(tǒng)都無法復制這一能力。

這項由加州大學伯克利分校和德國馬普研究所聯(lián)合開展的研究，發(fā)表于《自然·人類行為》，聚焦于人類如何在毫無先驗知識的情況下，迅速理解全新任務的邏輯結構。實驗中，參與者被要求玩一個從未見過的視覺游戲：屏幕上隨機出現(xiàn)不同顏色和形狀的符號組合，他們需根據(jù)隱藏規(guī)則判斷“正確”或“錯誤”。令人驚訝的是，大多數(shù)人在僅經(jīng)歷6到8次試錯后，就能準確推斷出規(guī)則本質——比如“只有紅色圓形才有效”或“藍色必須成對出現(xiàn)”。

與此同時，研究人員用高密度腦電圖（EEG）記錄其大腦活動，發(fā)現(xiàn)一種特定的神經(jīng)振蕩模式在學習初期急劇增強：前額葉皮層與頂葉皮層之間以約8赫茲的頻率同步放電（屬于θ波范圍）。這種同步并非被動響應刺激，而是主動構建“認知框架”的信號——就像大腦在快速搭建一個臨時的“思維腳手架”，用于組織零散信息、提取共性、排除干擾。

更關鍵的是，這種能力具有高度泛化性。當規(guī)則突然改變（如從顏色優(yōu)先變?yōu)樾螤顑?yōu)先），參與者幾乎立刻調整策略，而神經(jīng)同步模式也隨之動態(tài)重組。相比之下，即使最先進的深度學習模型（如Transformer或強化學習代理）在相同任務中需要數(shù)百甚至上千次訓練樣本才能達到類似準確率，且一旦規(guī)則變化，往往需從頭學起。

“AI擅長在大數(shù)據(jù)中找模式，但人類擅長在小數(shù)據(jù)中找結構，”論文通訊作者瑪麗亞·費爾南德斯博士解釋道，“我們的大腦不是靠記憶例子，而是實時生成假設并驗證——這是一種元學習能力。”

研究團隊進一步發(fā)現(xiàn)，這種“學習捷徑”的效率與個體工作記憶容量和注意力控制能力正相關，暗示它依賴于高級認知控制網(wǎng)絡。而自閉癥譜系或注意力缺陷障礙患者在此類任務中表現(xiàn)較弱，也印證了該機制的臨床意義。

為何AI難以模仿？根本原因在于：當前AI缺乏具身認知（embodied cognition）和目標驅動的內(nèi)在動機。人類大腦在進化中形成了以生存為導向的預測-驗證循環(huán)，而AI只是被動擬合輸入輸出關系。即便引入“小樣本學習”算法，其底層仍依賴大量預訓練數(shù)據(jù)，無法真正“從零開始思考”。

這項研究不僅深化了我們對人類智能獨特性的理解，也為下一代AI設計指明方向：或許真正的智能不在于算力多強，而在于能否像人腦一樣，在混沌中迅速找到秩序的“錨點”。

參考資料：DOI：10.1038/s41586-025-09805-2