人工智能解码大脑的智力通路

在发表于的一项新研究中美国国家科学院院刊科学家们证明，人工智能可以通过分析大脑中的连接来预测不同类型的人类智力。使用数百名健康成年人的神经影像数据，他们发现一般智力的预测最准确，其次是结晶智力，然后是流体智力。这些发现揭示了智力的分布式和动态本质，表明它产生于大脑网络的全局相互作用，而不是孤立的区域。

虽然之前的研究已经证实智力并不局限于单个大脑区域，而是涉及分布式网络，但许多研究仍然依赖于专注于孤立大脑特征的传统方法。这些方法对于智力如何从大脑结构和功能的相互作用中产生提供了有限的见解。通过利用机器学习来分析大脑连接性，研究人员旨在克服这些限制。

这项研究的一个重点是区分智力的三种主要形式：一般智力、流体智力和结晶智力。一般智力，通常被称为“g”，是一种广泛的认知能力衡量标准，包括推理、解决问题和跨各种环境的学习。它是一个首要因素，捕获特定认知技能之间的共享元素。

流体智力是一般智力的一个子集，是指在不依赖先验知识或经验的情况下推理和解决新问题的能力。这种类型的智力通常与抽象思维、模式识别和适应能力相关。相比之下，结晶智力代表使用通过教育、文化和经验获得的知识和技能的能力。它包括词汇、阅读理解和事实知识等能力。

– 我们的研究小组旨在研究智力或一般认知能力的个体差异如何在人脑中体现。研究作者表示，我们相信不同大脑区域之间的互连（据信反映了沟通路径）发挥着特别关键的作用。克尔斯滕·希尔格维尔茨堡朱利叶斯·马克西米利安大学行为和认知网络研究小组的负责人。

近年来发表的许多研究都根据这些沟通途径（称为功能性大脑连接）预测了智力的个体差异。然而，这些研究的主要目标往往是实现尽可能高的预测性能，而对智力概念以及智力如何从这些沟通途径中产生的问题的深入了解基本上不存在。

“通过我们的研究，我们的目标是通过提供方法和途径来获得对智力概念的可解释的见解，即真正了解智力如何从大脑进化而来，从而解决这一局限性，”她解释道。

为了预测智力，研究人员使用了人类连接组计划的数据。他们的分析包括 806 名年龄在 22 岁至 37 岁之间的参与者，他们没有认知障碍。使用功能磁共振成像（fMRI）在静息状态和旨在激活不同认知过程（例如工作记忆、语言和情感识别）的七项任务中评估大脑连接性。流体智力是通过独立于先验知识的测试来测量的。通过词汇和阅读任务来评估结晶智力。一般智力结合了两者的要素，计算为综合分数。

研究人员训练机器学习模型来分析 8 种认知状态下 100 个定义的大脑区域之间的联系。他们将使用领先智能理论提出的连接的模型与使用随机选择连接训练的模型进行了比较。此外，他们应用了一种称为相关性传播的技术来识别哪些大脑连接对预测贡献最大。

在所检查的不同类型的智力中，机器学习模型预测的一般智力是最准确的。这一发现表明，与其他类型相比，一般智力作为一种总体认知能力，可能与更一致或更突出的大脑连接模式相关。结晶智力的预测也相当准确，而流体智力的预测则不太精确。

关键的见解之一是，在认知要求较高的任务中，大脑活动比静息状态下的活动能更准确地预测智力。例如，需要工作记忆或语言处理的任务显着提高了模型预测流动智力和一般智力的能力。这一发现强调了大脑连接的动态本质及其在支持更高层次的认知过程中的重要性。

相比之下，与长期知识和技能相关的结晶智力似乎更依赖于稳定的、与任务无关的大脑网络。潜在连接测量的使用，整合了多个大脑状态的信息，进一步增强了对结晶智力的预测，这表明这种形式的智力可能来自大脑中广泛、稳定的通信模式。

研究人员还发现，结合顶额叶整合理论等理论所强调的大脑区域之间的联系的模型优于在随机选择的区域上训练的模型。这强化了这样一种观点，即某些大脑网络，特别是那些涉及前额叶和顶叶区域的大脑网络，是认知功能不可或缺的一部分。然而，全脑模型的表现始终优于理论驱动的模型，这表明智力可能来自比以前理解的更广泛和分布式的连接网络。

“智力的个体差异并不表现在大脑中的几个有限区域，而是表现在涉及整个大脑的沟通机制中，”希尔格告诉 PsyPost。– 以前的智力神经认知模型并没有错，但需要扩展到整个大脑的包容性，并更多地关注机制而不是特定的大脑区域。 –

分析发现，大约 1000 个特定的大脑连接最能预测智力。这些连接并不局限于孤立的区域，而是分布在整个大脑中，涉及默认模式网络、额顶控制网络和注意力网络等主要网络。这些发现强调了这样一种观点，即智力是大脑的整体属性，而不是单个区域或系统内活动的产物。

有趣的是，研究人员发现大脑补偿缺失连接的能力非常高。即使整个网络被排除在模型之外，智力预测也只受到最小程度的影响。

“人工移除完整的大规模功能性大脑系统对预测性能的影响却出人意料地小，”希尔格说。– 因此，智力差异的神经代码似乎存在一些冗余。 –

虽然这项研究对智力的神经基础提供了重要的见解，但它并非没有局限性。一个值得注意的限制是参与者的年龄范围狭窄，其中仅包括 22 至 37 岁的健康成年人。这限制了研究结果在整个生命周期中的普遍性，特别是对于儿童和老年人。

此外，尽管该研究发现大约 1,000 个大脑连接最能预测智力，但这些连接的确切性质及其功能作用仍不清楚。研究这些连接支持的特定过程（例如记忆、注意力或执行控制）可能有助于阐明它们如何对不同类型的智力做出贡献。此外，探索解决问题和知识应用的神经策略的个体差异可能会解释为什么某些连接比其他连接更具预测性。

研究人员总结道：“总之，我们的研究结果表明，智力是从整体大脑特征中产生的，而不是从孤立的大脑区域或单个神经网络中产生的。”– 在更广泛的背景下，我们的研究为未来的预测建模研究提供了一个框架，该框架优先考虑对人类复杂特征的有意义的洞察，而不是仅仅最大化预测性能。 –

这项研究，——选择解释而不是表现：基于机器学习的大脑连接对人类智力的预测的见解, — 由 Jonas A. Thiele、Joshua Faskowitz、Olaf Sporns 和 Kirsten Hilger 撰写。