研究：好奇心或驱动人工神经网络形成类脑结构
Miranda 一项研究提出，好奇心不仅是人类大脑复杂结构的产物，也可能反过来塑造大脑形态。研究人员训练了数千套学习模式不同的人工神经网络，结果显示，好奇心最强的网络认知能力更灵活，并自发形成类似人脑的模块化结构。
团队采集了275名婴儿的眼动数据，观察他们对不同信息量的反应。当学习速率低于平均水平时，婴儿会转移视线。研究者以此搭建不同好奇心水平的网络并完成20项任务：高好奇心模型在学习变慢时切换任务，低好奇心模型随机切换。训练后所有网络都掌握训练任务，但高好奇心模型在未见过的新测试中表现更好。
在模拟人脑三维空间并惩罚长距离连接后，单纯约束不足以催生复杂结构；叠加好奇心机制后，网络出现分层模块化结构，连接密度先增后减，与人类出生第一年突触先大量生成、再修剪的过程相近。估算显示，好奇心强、类脑特征明显的网络对应的生理年龄约20岁，缺少好奇心的网络约9岁。剑桥大学波利推测，好奇心驱动的主动学习可能参与突触筛选。
德国哥廷根大学莫迪尔沙内奇认为，好奇心提升学习效率不意外，但好奇心催生类脑架构出乎意料，仍需验证无好奇心网络是否只是更慢。波利表示，延长训练时间可能不会改变结果，好奇心改变的是学习方式。研究还提示，幼年阶段强迫孩子长时间做同一件事可能产生反效果。在AI开发上，波利认为好奇心驱动、学习方式接近人类是可行路径；莫迪尔沙内奇认为规模扩展仍有效，但好奇心原理有望让模型主动提问、弄清用户意图后再输出回答。
