剑桥研究：好奇心驱动神经网络形成类脑结构

剑桥大学团队训练数千套学习模式不同的人工神经网络后发现，好奇心最强的网络在未见过的测试中表现更好，并自发形成分层、模块化等类脑结构。 研究以275名8至15个月大婴儿的眼动追踪数据为参照：高好奇心网络的连接密度先升后降，与人脑发育规律吻合，对应年龄约20岁；低好奇心网络约9岁。研究者据此提出，打造好奇心驱动的AI或比单纯扩大规模更易实现复杂认知。 上述结论来自该团队的研究，其中“好奇心驱动AI更易实现复杂认知”是研究者的主张，并非已验证的效果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。