剑桥研究：好奇心驱动人工网络形成类脑结构

剑桥大学团队训练数千套学习模式各异的人工神经网络后发现，好奇心最强的网络在未见过的测试中表现更好，并自发形成分层、模块化等类脑结构。 研究还采集275名8至15个月婴儿的眼动数据，用来设定网络的好奇心机制。高好奇心网络的连接密度先升后降，与人脑突触发育规律吻合。 上述结果为团队发布的实验结论，尚待更多独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。