20日發表在《自然·機器智能》雜志上的一項研究中，英國劍橋大學科學家證明，對人工智能（AI）系統施加物理限制，就像人腦必須在物理和生物限制下發育和運作一樣，可讓它發展出某些與人腦相似的關鍵特征和策略，從而解決任務。
該系統使用計算節點，而不是真正的神經元。神經元和節點在功能上相似，包括接受輸入、轉換并產生輸出，并且單個節點或神經元可能連接到多個其他節點或神經元。
團隊對系統應用了“物理”約束。他們給系統提供了一個簡單的任務。這是一個迷宮導航任務的簡化版本，通常在研究大腦時也會用于老鼠和獼猴等動物，系統必須結合多條信息來決定到達終點的最短路徑。
當系統被要求在物理約束下執行任務時，它使用了與真實人腦相同的技巧來解決任務。例如，為了克服這些限制，人工系統開始形成集線器，這是高度連接的節點，充當跨網絡傳遞信息的渠道。
而且，節點發展出了靈活的編碼方案。這意味著在不同時刻，節點可能會因迷宮的混合屬性而被觸發。例如，同一節點能對迷宮的多個位置進行編碼，不需要專門的節點來對特定位置進行編碼。這是在復雜生物體的大腦中才能看到的另一個特征。
團隊表示，這一人造大腦為科學家提供了一種方法，讓他們能夠理解在真實大腦中記錄神經元活動時所看到的豐富而令人眼花繚亂的數據。人造大腦還讓人們能夠注意到在實際生物系統中不可能看到的問題。
新系統的總體布線成本比典型的人工智能系統低得多，更接近真實的大腦。這意味著，用有限的能量資源處理大量不斷變化的信息的機器人，亦可從該類腦結構中受益。
