Intelligent systems distribute memory across internal and embodied resources
本研究表明，灵长类动物和人工智能体都会通过利用眼动来在内部计算受限时维持对隐藏目标的信念，从而将记忆分布在内部和具身资源中，揭示了一个趋同原则，即记忆分配是由这些资源的相对可靠性决定的。
原始论文采用 CC BY 4.0 许可（https://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
人们通常将智能想象成一种纯粹的内部事务，是发生在脑灰质内部的一场无声对话。我们倾向于将身体视为大脑的载体，是一套仅仅执行神经回路指令的肢体。然而，一个不断发展的思想领域表明，心智与身体并不能如此轻易地分离。这种被称为“具身认知”（embodied cognition）的观点认为，我们的身体动作以及与世界的互动不仅仅是思考的结果，它们本身就是思考过程的一部分。正如一个人在解决数学问题时可能会用手指计数，利用手来减轻脑力负担一样，其他的身体状态也可以作为帮助大脑记忆和计算的工具。长期以来困扰科学家的问题不仅在于身体是否提供了帮助，还在于大脑如何决定何时使用其内部记忆，以及何时依靠身体来承担繁重的任务。
卡内基梅隆大学和纽约大学的研究人员开展的一项新研究，通过观察猴子和人工智能智能体如何在虚拟世界中导航以寻找隐藏目标，探讨了这种权衡关系。科学家们设计了一个任务：一个目标（例如一个发光的圆圈）会在屏幕上短暂出现然后消失。受试者必须记住目标的位置，并操控操纵杆停在那个精确的点上，同时还要在一个没有任何地标引导的、毫无特征的虚拟景观中移动。为了成功，大脑必须维持一个对目标位置的持续且不断更新的估计。研究人员密切观察受历是否会利用眼睛来辅助维持这种记忆。他们发现，猴子和计算机智能体都会自发地用视线追踪那个隐形的物体，即便目标已经消失，它们的眼睛仍会像目标还在那里一样移动，尽管这样做并不会获得奖励。这种行为并非随机，它们的视线方向与它们对目标位置的内部估计高度吻合，这表明眼睛正充当着记忆的物理延伸。
研究人员随后询问了驱动这种行为的原因。他们怀疑，只有当大脑的内部记忆变得吃力或不可靠时，大脑才会转向寻求身体的帮助。为了测试这一点，他们创建了具有不同水平内部记忆容量的人工智能智能体。一些智能体拥有强大、清晰的内部记忆，而另一些则被赋予了“嘈히”（noisy）或不可靠的记忆，这使得它们更难在脑海中保持目标位置。结果令人震惊：拥有完美内部记忆的智能体几乎不通过移动眼睛来追踪目标。但随着内部记忆变得愈发有缺陷，智能体越来越依赖眼睛，利用眼球运动来补偿其内部处理能力的不足。当研究人员强制这些智能体保持眼睛不动时，它们的导航表现显著下降，这证明了眼球运动确实在进行实际的计算工作。这表明该系统并非固定不变，而是根据当前哪个资源更可靠，动态地在脑与身之间分配记忆任务。
为了验证这一原则是否适用于真实的脑部，团队研究了来自猕猴顶叶皮层（大脑中负责处理空间信息的区域）的记录。他们分析了神经元是如何表征隐藏目标的位置的。他们发现，大脑的策略与计算机模型的预测相匹配。当任务的几何结构使得通过眼睛进行水平追踪更容易时，大脑更多地依赖眼睛获取信息，且神经元对目标的独立表征较弱。相反，对于垂直追踪（此时眼睛的精度较低），大脑则更多地依赖其内部神经状态。这表明大脑并不只是将信息存储在一个地方，而是将记忆分布在内部神经状态和外部身体状态之中，通过不断平衡负载来确保获得最准确的结果。
这项研究揭示了智能的一个基本法则：记忆并不局限于大脑，而是分布在任何可用且最可靠的资源之中。无论是在虚拟森林中导航的灵长类动物，还是学习移动的计算机程序，系统都会根据可靠性自动决定存储信息的位置。如果内部记忆不稳定，系统就会将任务卸载给身体；如果身体不可靠，系统则会更多地依赖大脑。这一发现挑战了将心智与身体分离的传统观点，转而表明智能行为源于心智与身体之间灵活的伙伴关系——在这里，身体不仅是一个输出设备，更是心智记忆中一个活跃且不可或缺的组成部分。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。