神经科学与认知科学
突破级
暂无讲解视频
收录解读
这篇 Science Advances 论文解释了哺乳动物脑演化中一个长期现象：边缘系统相关结构与新皮层之间存在稳定的反向协变。作者不是把脑演化解释成从低级到高级的线性扩张，而是提出前脑中可能存在两类不同计算系统之间的资源竞争。
方法上，作者把任务优化后的人工神经网络表征映射到类似前脑皮层的二维表面。视觉、体感和听觉任务倾向产生有序的 spatiotopic maps，单元主要整合局部输入；嗅觉和关系记忆任务则产生 fractured/disordered maps，依赖分布式信息汇聚。
在多模态网络的演化优化中，不同任务目标会驱动 spatiotopic components 与 disordered components 之间的反向协变，类似真实哺乳动物脑中 neocortex 与 limbic components 的比例 trade-off。这个结果把脑区体积协变、发育约束和任务计算需求统一到一个可计算框架里。
它值得正式收录，因为它直接用 AI 模型作为解释工具，提出一个对 AI 也有启发的宏观原则：不同感知/记忆任务需要不同 inductive biases 和拓扑组织，系统级资源分配会在局部拓扑映射与分布式关系表征之间形成结构性取舍。