好奇心與人工神經網絡的類腦發育

研究以 275 名 8 至 15 個月大嬰兒的眼動追蹤數據設計不同好奇心水平的人工神經網絡，發現好奇心較強的網絡在新測試中表現較佳，並形成類似人腦的分層模組結構。模型完成 20 項任務；高好奇心模型在學習速率低於閾值時切換任務，低好奇心模型則隨機切換。研究者還發現，好奇心最強、結構最接近人腦的網絡連接密度先升後降，按人腦發育曲線估算的「生理年齡」約為 20 歲，低好奇心網絡則約為 9 歲。

劍橋大學團隊模擬嬰兒學習行為，訓練數千個人工神經網絡，發現高好奇心模型在任務泛化能力、模組化結構及連接發育規律上均更接近人腦。研究以275名8–15個月大嬰兒的眼動數據為基礎；高好奇心模型形成的發育軌跡對應約20歲，低好奇心模型則約為9歲。

研究人員發現，具好奇心的人工神經網絡在未見過的測試中表現更好，並會形成類似人腦的複雜結構。研究估算，好奇心最強、結構最接近人腦的網絡生理年齡約為20歲，缺乏好奇心的網絡則約為9歲。