伦敦，1月20日(IANS):根据一项新的研究，生成式人工智能的最新进展可以帮助解释记忆如何使我们了解世界，重新体验旧的经历，并为想象力和计划构建全新的体验
这项发表在《自然人类行为》(Nature Human Behaviour)杂志上的研究使用了一种被称为生成神经网络(generative neural network)的人工智能计算模型来模拟大脑中的神经网络如何从一系列事件中学习和记忆(每个事件都由一个简单的场景表示)。
该模型以代表海马体和新皮层的网络为特征，研究它们是如何相互作用的。
众所周知，大脑的两个部分在记忆、想象和计划时共同工作。
伦敦大学学院(UCL)认知神经科学研究所的博士生、首席作者埃莉诺·斯彭斯(Eleanor Spens)说:“人工智能中使用的生成网络的最新进展表明，信息可以从经验中提取出来，这样我们既可以回忆起特定的经历，也可以灵活地想象新的经历是什么样子。”
斯彭斯说:“我们认为记忆是基于概念对过去的想象，将一些存储的细节与我们对可能发生的事情的预期结合起来。”
人类需要做出预测来生存(例如，避免危险或找到食物)，人工智能网络建议如何，当我们在休息时回放记忆时，它会帮助我们的大脑从过去的经验中获取模式，这些模式可以用来做出这些预测。
研究人员向该模型播放了1万张简单场景的图像。海马体网络在经历每个场景时迅速编码。然后，它一遍又一遍地回放这些场景，以训练新皮层中的生成神经网络。
新皮层网络学会了将代表每个场景的数千个输入神经元(接收视觉信息的神经元)的活动传递给较小的中间神经元层(最小的神经元仅包含20个神经元)，以数千个输出神经元(预测视觉信息的神经元)的活动模式重新创建场景。
这使得大脑皮层网络能够高效地学习场景的“概念性”表征，从而捕捉到它们的含义(例如，墙壁和物体的排列)——既可以再现旧场景，也可以生成全新的场景。
因此，海马体能够对呈现给它的新场景的意义进行编码，而不必对每一个细节进行编码，从而使它能够将资源集中在编码新皮层无法复制的独特特征上——比如新类型的物体。
该模型解释了新皮层是如何慢慢获得概念性知识的，以及它如何与海马体一起，让我们通过在脑海中重建事件来“重新体验”事件。该模型还解释了在想象和计划未来的过程中，新事件是如何产生的，以及为什么现有的记忆经常包含“清单式”的扭曲——在这种扭曲中，独特的特征被概括起来，并被记忆为更像以前事件的特征。
