🔹 研究核心發現：AI與大腦的機制失配
研究發現人工神經網路（ANNs）雖然能預測大腦識別物體的反應，但其內部運作邏輯與靈長類大腦並不一致。透過『反向預測性測試』，研究人員證實大腦活動無法有效預測AI模型的內部特徵，顯示AI可能採用了生物大腦未使用的視覺策略來完成任務。
요약
AI 생성 커버 이미지
約克大學研究團隊於2026年3月發表於『自然機器智慧』期刊的研究指出，現今被視為具備『類腦』特性的人工神經網路（ANNs），在處理視覺資訊的內部運作機制上，與靈長類大腦存在顯著差異。儘管AI模型能預測大腦對物體的識別反應，但反向測試顯示，大腦活動卻無法有效預測AI模型的內部特徵，這意味著AI可能透過大腦未使用的策略來達成視覺任務。 研究作者Kohitij Kar教授強調，這種『類腦』假象可能隱藏了AI模型在解釋大腦運作機制上的潛在弱點。若不解決此模型與生物大腦間的結構性不匹配，將可能導致在臨床研究（如自閉症或創傷後壓力症候群）中誤用AI模型，進而產生誤導性的科學結論。 研究團隊透過1,320張自然照片及300張變體圖像進行測試，開發出一套『反向預測性測試』工具。該工具能診斷AI模型內部特徵與大腦活動的對應程度，協助開發者建立更具生物學解釋力的模型，確保AI在模擬人類視覺與行為時的可靠性與準確度。 此項研究為神經科學與人工智慧的跨領域整合提供了關鍵的診斷指標。對於研究人員而言，這不僅提醒了在應用AI進行行為科學研究時需保持謹慎，更提供了一套具體的技術框架，用以優化AI模型，使其真正成為理解人類大腦運作機制與輔助臨床診斷的有效工具。