面向模块化感知AI的皮层启发架构

本文连接神经科学与人工智能，提出模块化感知AI的皮层启发蓝图。虽然GPT-4V等当前单体模型取得令人印象深刻的性能，但它们往往难以显式支持可解释性、组合泛化和自适应鲁棒性——这些是人类认知的标志。借鉴皮层模块化、预测加工和跨模态整合的神经科学模型，我们主张将感知分解为专门化、相互作用的模块。这一架构通过分层预测反馈回路和共享潜空间使内部推理过程显式化，支持结构化的、受人类启发的推理。我们的概念验证研究提供了模块化分解产生更稳定、更可检视表示的经验证据。通过将AI设计锚定于经过生物学验证的原则，我们迈向不仅能良好执行、还支持更透明、更符合人类对齐推理的系统。