🧬 biology

Brain-Inspired Perspective on Configurations: Unsupervised Similarity and Early Cognition

本文介绍了“配置”（configurations），一种受大脑启发的无监督聚类框架，该框架利用吸引-排斥动力学以及一种名为 mheatmap 的新型评估工具，来有效地模拟早期认知过程，如类别发现、新颖性检测和自适应稳定性。

原作者： Juntang Wang, Yihan Wang, Hao Wu, Dongmian Zou, Shixin Xu

发布于 2026-07-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Juntang Wang, Yihan Wang, Hao Wu, Dongmian Zou, Shixin Xu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

伟大的无标签之谜

想象一下，你正走进一家巨大的、混乱的玩具店，所有的物品都混杂在一起：小汽车、恐龙、玩偶和积木，全都乱七八糟地堆在一个巨大的堆里。现在，想象一个婴儿走了进来。在没有人告诉他什么是“汽车”或向他展示标签的情况下，婴儿会本能地开始分类。他可能会先将所有会移动的东西归为一类（超类层级），然后将动物与交通工具分开（基本层级），最后注意到有些汽车是红色的，而有些是蓝色的。这种无需老师指导就能发现隐藏模式并创建类别的方法，是人类大脑运作方式中最令人惊叹的特性之一。这被称为“无监督学习”，它是让我们能够瞬间适应新世界的秘诀。

几十年来，计算机科学家一直试图教会机器做同样的事情。然而，大多数现代人工智能就像是一个拒绝学习的学生，除非老师递给他一张写有答案的闪卡，否则他拒绝学习。这些系统需要海量的带标签数据来学习什么是猫。当世界发生变化或出现一个新的、奇怪的物体时，这些僵化的系统往往会感到困惑或崩溃。人工智能领域的一个重大问题是：我们能否制造出一种像婴儿一样学习的机器？它能否发现自身的结构，察觉到什么是新的且奇怪的，并在无需指令的情况下即时重新排列其理解？这就是一组研究人员致力于解决的谜题。

受大脑启发的解决方案

在这篇论文中，研究人员介绍了一种关于计算机如何将事物分组的新思维方式，称为“构型”（configurations）。他们从婴儿大脑组织世界的方式中汲取了灵感，使用了一个简单但强大的概念：吸引与排斥。

把数据点（比如动物的照片）想象成小磁铁。相似的项，比如两张不同的狗的照片，具有将彼此拉近的强“吸引力”。不相似的项，比如一只狗和一台烤面包机，则具有将彼此推开的“排斥力”。研究人员创建了一个系统，其中一个被称为“分辨率参数”（我们称之为 $\gamma$ ）的单一“旋钮”，控制着这些力量的大小。

调低旋钮（低 $\gamma$ ）： 吸引力很强，排斥力很弱。所有哪怕只有些许相似的东西都会被拉入一个巨大的、温馨的组中。这就像婴儿将“动物”看作一个大类别。
调高旋钮（高 $\gamma$ ）： 排斥力变得更强。大的组别开始裂解，系统会将事物分离成更小、更具体的组。现在，“动物”组分裂成了“猫”、“狗”和“鸟”。

这个系统的神奇之处在于，它不需要被告知要创建多少个组。它能自然地找到一个组别稳定的“甜点区”。如果你轻微转动旋钮，组别不会改变；它们会保持原位。这些稳定的点被称为“平台”（plateaus），它们代表了大脑形成稳固类别且不易摇摆的能力。

寻找“新东西”

这个系统最酷的地方之一是它如何处理新颖性。在现实世界中，婴儿对新事物充满好奇。如果看到一只狗，他们会很平静；如果看到一只戴着帽子的狗，他们可能会感到好奇；如果看到一个完全陌生的生物，他们会变得非常警觉。

研究人员发现，他们的“构型”系统也具备同样的功能。他们通过测量一个组别的“能量”来进行评估。当一个新的、奇怪的项被强行放入一个组时，会产生巨大的张力——它与吸引力或排斥力并不契合。这会导致能量水平飙升。系统本质上是在大喊：“嘿！这里出问题了！”这使得计算机能够高精度地检测新颖性。在测试中，该系统识别新奇、陌生物品的成功率达到了 87%（以 AUC 衡量），模拟了婴儿对奇异刺激的反应方式。

“马赛克”问题及其解决方案

研究人员必须克服一个巨大的障碍：当你对计算机进行评分时，如果它的分类方式与你的预期不同，该如何评分？

想象你在给学生的作业打分。如果学生把“猫”和“狗”归为一类，而你希望它们分开，你可能会给他们低分。但如果学生把“猫”、“狗”和“兔子”归为一个大的“毛茸茸动物”组呢？这是错了吗？还是说这只是一种不同的组织层次？传统的计算机评分工具就像是只接受特定标准答案的严厉老师。当组别数量发生变化，或者组别发生分裂与合并时，它们会感到困惑，而这恰恰是这种受大脑启发的系统会发生的情况。

为了解决这个问题，团队发明了一个名为 mheatmap 的新工具。他们没有使用枯燥的表格，而是创建了一个“马赛克热图”。想象一个拼图，每个碎片的大小告诉你计算机的组别与现实世界组别之间的重叠程度。如果计算机将一个大组拆分为两个小组，马赛克会清晰地将其显示为一个分裂的碎片，而不是将其标记为错误。他们还构建了一个“反向合并/分裂”（RMS）算法，这就像一个聪明的编辑，通过重新排列标签来查看计算机的逻辑是否真的合理，即使名称不同。这确保了他们是在评判学习的“结构”，而不仅仅是标签。

研究发现

研究人员在多个数据集上测试了他们的“构型”系统，包括日常物品的照片（如 CIFAR-10 和 ImageNet），甚至包括旨在模拟婴儿如何看世界的实验数据。

更好的排序： 该系统的表现显著优于标准的计算机排序方法（如 k-means 和 DBSCAN）。在名为 Salinas 的数据集上，它达到了 0.92 (ARI) 和 0.94 (NMI) 的得分，大幅领先于次优方法。
婴儿行为： 当在“婴儿刺激物”（旨在测试计算机是否像婴儿一样学习的数据）上进行测试时，该系统展现出了与人类婴儿完全相同的模式。当仅提供部分线索（如仅眼睛或仅形状）时，它难以进行分类；但当给出完整图像时，它表现出色。这表明该系统不仅仅是在记忆，而是在学习如何观察全局，就像婴儿一样。
稳定性： 当数据中的类别开始发生变化或演变时，该“构型”系统比其他方法稳定了 35%。它没有陷入恐慌，而是平滑地调整了其组别。

为什么这很重要

这篇论文表明，我们不需要建立复杂的、僵化的规则来让 AI 变得更聪明。相反，通过使用一个简单的吸引与排斥框架，我们可以创建能够自然发现层级、识别新事物并适应变化的系统。这是迈向 AI 的重要一步——让它不再仅仅是处理数字，而是能以一种更接近于活生生的、思考的大脑的方式，去“理解”世界的结构。虽然在如何扩展这些系统并将其与真实神经生物学联系起来方面仍有大量工作要做，但这项研究为构建像我们一样学习的机器提供了一条充满希望的新路径：无需老师，只需通过探索和组织周围的世界即可。

技术摘要：受大脑启发的配置视角

1. 问题陈述

目前的机器学习（ML）系统难以复制人类婴儿所展现出的无监督认知能力，特别是发现层级结构、检测新颖性以及在无需标签数据的情况下适应演变上下文的能力。虽然监督学习模型依赖于大规模标注数据集，而自监督方法依赖于人工设计的代理任务，但它们往往无法生成类人化的层级类别或自发的响应新颖性的行为。此外，传统的无监督聚类方法（如 k-means、DBSCAN、层次聚类）通常需要预先指定聚类数量，依赖于多种特定方法的超参数，或者缺乏一个能够控制整个数据集粒度的单一全局参数。至关重要的是，现有的静态指标（如 ARI、NMI）不足以评估动态聚类行为（例如合并-分裂转换和多分辨率比较），因为它们无法公平地处理不等的聚类数量或任意的标签排列。

2. 方法论

配置框架 (Configurations Framework)
本文利用“配置”——一种基于吸引-排斥动力学的有限分辨率聚类框架。

数学公式： 该框架定义了 $n$ 个项目的划分 $\omega$ 。它采用哈密顿能量函数 $H(\omega)$ ：
$H(\omega) = -\sum_{k} \sum_{i<j} w^+_{ij} \mathbb{1}_{\omega_i=\omega_j=k} + \gamma \sum_{k} \sum_{i<j} w^-_{ij} \mathbb{1}_{\omega_i=k}$
这里， $w^+_{ij}$ 和 $w^-_{ij}$ 分别代表成对的吸引权重和排斥权重。参数 $\gamma \in [0, \infty)$ 控制粒度：低 $\gamma$ 值倾向于粗粒度分组（吸引占主导），而高 $\gamma$ 值倾向于细粒度划分（排斥占主导）。
有限分辨率与稳定性： 该框架并非寻找单一的最优 $\gamma$ ，而是使用 Parallel-DT 算法来识别“平台期”——即配置（划分）保持稳定的 $\gamma$ 区间。这产生了一组有限的配置 $\Omega = \{\omega_i\}$ ，代表了一个从最粗略（所有项目为一个簇）到最精细（每个项目自成一簇）的层级结构。
实现： 底层优化是在 k-最近邻图上使用改进的 Leiden 方法实现的，确保了线性运行复杂度 $O(n)$ 。

评估框架：mheatmap
为了解决多分辨率和动态设置下的标准指标局限性，作者引入了 mheatmap，它包含：

马赛克热图可视化 (Mosaic Heatmap Visualization)： 一种比例可视化工具，其单元格的宽度和高度分别按真实类别和预测簇的比例进行缩放。这揭示了标准混淆矩阵容易忽略的、在合并-分裂事件期间具有可解释性的对角线结构。
RMS（逆向合并/分裂）对齐算法： 一种旨在通过优化马赛克热图的视觉“对角线”来对齐不同粒度划分的算法。它考虑了合并-分裂动态中的语义连贯性，而非将其视为任意的标签不匹配。实验中报告的所有指标都是在经过 RMS 对齐后计算的。

3. 核心贡献

概念联系： 本文建立了早期认知发展（婴儿分类）与配置的数学结构之间的联系，将后者构架为早期认知的原则性计算模型。
mheatmap 工具： 引入了一种新型评估套件（比例可视化和 RMS 对齐），用于公平评估多分辨率和动态聚类行为，特别解决了“合并-分裂”问题。
实证验证： 通过一项实证研究证明，配置表现出了受大脑启发的行为（层级选择性、新颖性敏感性和灵活适应性），而这些行为是标准基准模型所无法捕捉的。

4. 实验结果

作者使用预训练的 ViT-B/16 嵌入，在合成及真实世界数据集（CIFAR-10 子集、婴儿研究刺激物、ImageNet 层级结构、Salinas）上对配置进行了评估。

聚类性能： 配置在所有数据集上均优于标准基准（k-means、GMM、谱聚类、层次聚类、DBSCAN 等）。
- Salinas: ARI = 0.92, NMI = 0.94。
- 婴儿刺激物: ARI = 0.55, NMI = 0.58。
- ImageNet: ARI = 0.62, NMI = 0.68。
- 性能提升幅度较基准模型在 7 到 49 个百分点之间。
婴儿行为验证： 当测试内部线索（如眼睛/鼻子）对比外部线索（如形状）或组合线索时，配置反映了婴儿的行为模式：在孤立线索上的表现较差（ARI $\approx$ 0.15–0.19），但在组合线索上表现强劲（ARI = 0.65），这与 3-4 个月大婴儿的模式相吻合。
新颖性检测： 利用哈密顿能量得分，该系统在区分新颖刺激与熟悉刺激方面达到了 87% 的 AUC，模拟了婴儿的习惯化反应。
动态适应： 在类别演变（模拟分裂/合并事件）期间，配置表现出比 k-means 和谱聚类更优的稳定性（通过 $1/\text{ARI}$ 衡量，提升了 35%）。
RMS 消融实验： RMS 对齐显著提高了评估的公平性，特别是在处理具有复杂合并-分裂动态的数据集时（例如，Salinas 的 ARI 从 0.82 提高到 0.92）。

5. 重要性与主张

本文声称，配置可以作为早期认知分类的原则性计算模型。通过单一的有限分辨率参数和吸引-排斥动力学，将无监督组织、层级选择性和新颖性敏感性统一起来，该框架架起了认知科学与机器学习之间的桥梁。

作者将这项工作定位为迈向类脑 AI 的一步，认为能够实现无标签结构发现和自发新颖性检测的系统，对于鲁棒的开放世界泛化至关重要。mheatmap 框架被视为一种必要的工具，用于严格评估这些动态的、受大脑启发的行为，而这些行为在标准的静态指标中往往是不可见的。

本文也承认了局限性，包括缺乏神经层面的生物真实性（如赫布塑性）、在大规模数据集上的扩展性有限，以及需要进一步的发展建模以捕捉这些能力的随时间出现的过程。未来的工作建议探索神经实现方案以及在线学习的集成。