人工智能架构的范式转移：引入皮层下“捷径”

在当前的人工智能领域，主流的深度学习架构主要模拟了大脑皮层——即负责感知与决策等高级功能的“外层”结构。然而，神经科学研究早已揭示，大脑的复杂功能并非仅由皮层主导，皮层下结构（subcortical structures）在调节运动、情绪及刺激-反应行为中扮演着至关重要的角色。长期以来，这些深层结构在人工神经网络设计中被严重忽视。

近日，由荷兰研究团队在《Current Research in Neurobiology》发表的一项研究，通过引入“浅层大脑假说”（Shallow Brain Hypothesis），提出了一种全新的计算模型。该模型不仅保留了传统皮层的层级架构，还整合了一条“快速、浅层”的皮层下通路。这种并行架构模拟了人类大脑在处理信息时的真实机制：皮层下通路负责快速的本能反应，而皮层网络则负责处理复杂的逻辑问题。

研究人员通过卷积神经网络和层级预测编码模型验证了这一架构。实验结果显示，这种并行设计极大地提升了系统的灵活性与计算效率。对于简单的刺激-反应任务，AI无需经过冗长的深层处理，即可通过“捷径”做出即时响应，从而避免了计算资源的浪费。这一发现不仅为AI系统提供了更具生物学合理性的设计思路，也暗示了现有的深度学习模型在处理简单任务时可能存在“过度计算”的问题。

该研究由“人类大脑计划”（Human Brain Project）支持，为未来构建兼具“直觉”与“深度思考”能力的下一代人工智能系统奠定了理论基础。