新传媒网当人类探索周围的世界并体验新事物时，他们本能地开始理解他们遇到的事情，在他们遇到的物体、人、地点和事件之间建立心理联系。几十年来，神经科学家一直试图确定支持这种“知识的心理组合”的神经过程，他们的研究已经收集了几个重要发现。
近年来，由于人工神经网络 (ANN) 的出现，针对这一主题的研究有所加强，人工神经网络是受大脑神经网络结构和功能启发的计算工具，可以通过训练来处理不同的任务。更好地理解使人类能够成功组装知识的神经过程，最终可能有助于调整人工神经网络的设计，并提高它们在可从这种能力中受益的任务上的表现。
同时，一些研究人员也开始将人脑处理特定任务的方式与支持 ANN 功能的过程进行比较。这些比较可以揭示人工智能和人脑之间有趣的相似之处，这可能对神经科学和计算机科学研究都有好处。
牛津大学的一个研究小组最近进行了一项有趣的研究，专门探索人脑和基于 ANN 的计算模型的知识组装。他们的论文发表在Neuron上，确定了一种有助于增强 AI 工具中的知识组装的方法。
Stephanie Nellie、Lukas Braun 和他们的同事在他们的论文中写道：“当新信息出现时，人类对世界的理解会迅速改变，例如当小说作品中出现情节转折时。”“这种灵活的‘知识组合’需要针对对象和事件之间的关系对神经代码进行少量重组。然而，现有的计算理论在很大程度上对这种情况如何发生保持沉默。”
为了研究人脑如何组合知识，研究人员开展了一系列涉及 34 名参与者的实验。这些参与者被要求完成一项简单的计算机化任务，这要求他们对屏幕上显示的新对象做出决定。
当参与者完成这项任务时，他们的大脑会使用功能性磁共振成像 (fMRI) 扫描仪进行扫描。这是一种成像方法，可以检测与大脑活动相关的血流微小变化。
Nellie、Braun 和他们的同事在他们的论文中解释说：“参与者在接触到揭示它们如何联系的新知识之前，在两个不同的环境中学会了新对象之间的传递排序。”“背侧额顶皮质区域的血氧水平依赖性 (BOLD) 信号表明，在接触到最少的链接信息后，物体在神经流形上迅速而显着地重新排列。”
