PNAS | 钱天翼/洪波/王大辉构建灵长类视觉决策模型
iNature
2026-01-23 12:30
文章摘要
本研究背景为人工智能发展需借鉴人脑高效、鲁棒的处理机制。研究目的是构建受灵长类背侧视觉通路启发的神经动力学模型,用于视觉运动感知决策。该模型整合关键神经元与突触动力学,无需大量训练即可复现类人决策行为与神经活动模式,相比传统人工网络表现出更强抗噪声和损伤的鲁棒性。作者进一步引入神经影像引导的微调策略,利用MRI特征与行为相关性优化模型参数,提升性能与生物学合理性。结论表明,该工作为类脑建模建立了方法学框架,缩小了神经科学与人工智能的差距,展示了类脑研究路径对发展适应性、鲁棒性与可解释性人工智能系统的推动作用。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。