科学家们在剑桥大学的研究中证实了一项重要发现：对人工智能系统施加物理约束，类似于人脑在生物和物理约束下发育和运行的情况，有助于系统开发出类似生物体大脑的特征以解决任务。这项研究由剑桥大学医学研究委员会认知和脑科学部门的盖茨学者Jascha Achterberg领导，共同主要作者还包括Danyal Akarca博士等研究人员。
研究人员通过创建一个人工智能系统，对简化的大脑版本进行建模，并应用物理约束，来验证他们的理论。该系统使用计算节点代替真实的神经元，但在功能上相似。物理约束的引入意味着每个节点在虚拟空间中有一个特定的位置，而节点之间的通信随着它们之间的距离增加而变得更加困难，类似于人脑中神经元的组织方式。
为了测试这一理论，研究人员向系统提供了一个简化的迷宫导航任务，类似于在研究大脑时用于动物的任务。系统必须结合多条信息来决定最短路径，到达终点的路线。令人惊讶的是，研究团队发现他们的人工智能系统开始表现出一些与人脑相似的关键特征和策略，尽管它仅使用计算节点而非真实神经元。
这项发现对人工智能领域具有潜在重要性，因为它为系统开发提供了一种新的思路。许多现代人工智能解决方案采用表面上类似于大脑的架构，但该研究表明，物理限制可能会影响哪种架构最为强大。这对于在可能存在物理限制的情况下开发更高效系统的工作具有启发意义。
剑桥大学精神病学系的合著者邓肯·阿斯特尔教授表示，这种简单的约束迫使人工系统产生一些相当复杂的特征，这些特征与人类大脑等生物系统共有。他认为，这对我们理解大脑组织的基本信息提供了有趣的线索。整体而言，这项研究有望促使人工智能领域更深入地探讨物理约束对系统发展的影响，并为未来的研究提供了新的方向。
https://heehel.com/aigc/tom-cat-ai.html
https://heehel.com/ai-news/grok-shangxian.html
