网络结构如何影响决策制定

聪明人在解决问题时是否比其他人思考得更快?柏林夏里特大学人脑项目研究人员与他们在巴塞罗那庞培法布拉大学的合作者在《自然通讯》上发表的一项新研究结果正在挑战情报研究中这一长期存在的假设。他们采用受生物学启发的方法，根据人类连接组计划的数据构建了 650 个个性化大脑网络模型 (BNM)，并模拟了解决问题时涉及的大脑动力学。

将大脑模拟的观察结果与 650 名参加所谓宾夕法尼亚矩阵推理测试 (PMAT) 的参与者的经验数据进行了比较，该测试由一系列难度越来越大的模式匹配任务组成。这些结果被量化为参与者的流体智力(FI)，这可以粗略地描述为在新情况下做出困难决定的能力。

“我们发现，与 FI 较低的人相比，流体智力 (FI) 得分较高的人需要更多时间来解决更困难的任务。他们只会在回答简单问题时更快，”该研究的资深作者、夏里特大学的佩特拉里特解释道。“我们首先在模拟中观察到这一点，然后才看到参加智力测试的参与者的经验数据符合这一趋势。” Ritter 的实验室和 HBP 的许多其他研究小组使用大脑模拟来补充观察数据，以开发大脑如何工作的理论框架。

在这种情况下，大脑模拟已被用于确定大脑功能和结构连通性与认知表现之间的联系。更同步的大脑更擅长解决问题，但不一定更快。“随着同步性的降低，大脑中的决策回路会更快地得出结论，而大脑区域之间更高的同步性可以更好地整合证据和更强大的工作记忆，”Ritter 说。“直觉上这并不奇怪：如果你有更多时间并考虑更多证据，你就会在解决问题上投​​入更多，并提出更好的解决方案。在这里，我们不仅从经验上展示了这一点，而且还展示了观察到的性能差异如何是个性化大脑网络模型中动态原理的结果。

先前建立的工作记忆 (WM) 和决策制定 (DM) 的局部电路模型，对智力都很重要，被插入到虚拟大脑 (TVB) 中，后者提供了全脑水平的模拟。

模拟是使用多尺度大脑建模方法进行的;大脑成像数据使用自动化容器化管道进行处理。高度敏感的大脑数据的处理发生在 EBRAINS 健康数据云的安全虚拟研究环境中。全球研究界可以通过 EBRAINS 访问这些技术。

这项研究的最终目标不是找出你应该思考多快，而是了解生物网络如何决定开发仿生工具和机器人应用程序的决策。因此，对智能决策的大脑动力学进行建模是构建智能应用程序的一种很有前途的方法。“我们认为，生物学上更逼真的模型在未来可能会胜过经典人工智能，”Ritter 说。