🧠 大脑如何在尝试之前就“想象”出解决方案？

我们的大脑仅消耗20瓦——相当于一个灯泡——却能瞬间完成规划、导航和解决新问题。相比之下，大型AI系统需要巨大的能量和漫长的训练时间。如果我们模仿大脑真正的工作方式会怎样？📄 最近发表在《Nature Machine Intelligence》上的一项研究回答了这个问题：“Neural sampling from cognitive maps enables goal-directed imagination and planning”，作者为 H. Lin、Y. Yang、R. Zhao、G. Pezzulo 和 W. Maass — 第8卷，第1045–1065页（2026）。DOI: 10.1038/s42256-026-01254-4。该方法是“神经形态的”，字面意思就是“大脑形状的”：模仿真实神经元的算法，从经验中学习，而不必在目标变化时重写一切。🗺️ 这个想法的核心是“认知地图”。就像你心中的城市地图：不是一张照片，而是一个由地点和运动之间关系构成的网络。大脑在抽象问题上也使用类似的地图，并在上面“想象”通往目标的路径——就像你在出门前，会在脑中预演路线一样。✨ 该模型（GCML）的新颖之处在于为这种想象加入了一点可控的随机性。结果如何？不是单一的解决方案，而是一系列可能的解决方案，且全部朝向目标。有点像我们寻找最佳解决办法时的“直觉”。⚡ 为什么这很重要？ • 它能在探索过程中自主学习，利用简单、局部的规则。 • 它能在目标改变时即时适应。 • 它消耗的能量非常少：非常适合小型（边缘）设备，而不只是大型数据中心。🎓 我们的贡献：我们创建了一个教育程序，使用POWER-KI开发，让任何人都能亲手体验这项技术。只需点击几下，你就能训练认知地图，实时观察它想象路线、绕过障碍并解决组合性问题。👉 可在此获取：POWER-KI/GCML-PWK-Neuromorfico-04：生成式认知地图学习器（GCML）的原生POWER-KI实现 —— 通过认知地图的神经采样进行目标导向的想象与规划，复现GCML论文（《Nature Machine Intelligence》，2026年）。💡 这一信息很有力量：解决前所未见的问题并不一定需要巨大的模型。它可以源于受大脑启发的简单、优雅且高效的原理。AI的未来可能不仅“更大”，而且“更像大脑”。🌱