20日发表在《自然·机器智能》杂志上的一项研究中，英国剑桥大学科学家证明，对 人工智能 （AI）系统施加物理限制，就像人脑务必在物理和生物限制下发育和运作一样，可让它发展出某些与人脑相似的关键特征和策略，从而完成任务。

　　该系统使用计算节点，而不是真实的神经元。神经元和节点在功能上相似，包含接受输入、转换并发生输出，并且单个节点或神经元可能连接到多个其它节点或神经元。

　　团队对系统应用了“物理”约束。他们给系统提供了一个容易的任务。这是一个迷宫导航任务的简化版本，通常在研究大脑时也会用于老鼠和猕猴等动物，系统务必结合多条信息来决定到达终点的最短路径。

　　当系统被要求在物理约束下执行任务时，它使用了与真实人脑相同的技巧来完成任务。例如，为了克服这些限制，人工系统开始形成集线器，这是高度连接的节点，充任跨网络传递信息的渠道。

　　而且，节点发展出了灵活的编码方案。这意味着在不同时刻，节点可能会因迷宫的混合属性而被触发。例如，同一节点能对迷宫的多个位置进行编码，不用专门的节点来对特定位置进行编码。这是在复杂生物体的大脑中才能看到的另外一个特征。

　　团队表示，这一人造大脑为科学家提供了一种方法，让他们能够理解在真实大脑中记录神经元活动时所看到的丰富而令人眼花缭乱的数据。人造大脑还让人们能够注意到在实际生物系统中不会看到的问题。

　　新全面的总体布线成本比典型的 人工智能 系统低得多，更接近真实的大脑。这意味着，用有限的能量资源处理大量不断变化的信息的 机器人 ，亦可从该类脑结构中受益。