两点之间,大脑并不会选最短
来源:中国数字科技馆
大家都知道,两点之间直线距离最短。然而当你走在城市的街道上,一条完全的直线不一定存在。那么,你要如何决定走哪条路呢?
麻省理工学院(MIT)的一项新研究表明,步行时,我们的大脑实际上并没有被优化到可以计算所谓的“最短路径”。这项基于14000多人日常生活数据的研究发现,行人似乎会选择指向目的地的最直接路径,即便距离不是最短也是如此。研究者称之为“最尖路径(pointiest path)”。
这种策略被称为基于矢量的导航(vector-based navigation),在从昆虫到灵长类动物的研究中也有发现。MIT的研究小组认为,基于矢量的导航会比计算最短路径消耗更少的脑力。这种策略可能已经演化到可以让大脑将更多的精力投入到其他任务上。
“这似乎是一种权衡策略,允许我们的大脑将其计算能力用于其他事情——30000年前是为了躲开狮子,现在是为了躲开马路上危险的SUV轿车,” MIT城市研究与规划系(Department of Urban Studies and Planning)城市技术教授兼可感知城市实验室(Senseable City Laboratory)主任Carlo Ratti表示,“基于矢量的导航策略不会生成最短路径,但也接近最短了,而且这让大脑运算起来非常简单。”
Ratti是这项发表于《自然·计算科学》(Nature Computational Science)论文的研究的资深作者。法国巴黎-萨克雷大学(Université Paris-Saclay)副教授、MIT可感城市实验室的成员Christian Bongiorno是这项研究的第一作者。MIT计算认知科学教授,大脑、思维和机器中心(Center for Brains, Minds, and Machines)以及计算机科学和人工智能实验室(CSAIL)的Joshua Tenenbaum也是这篇论文的作者之一。这项研究的预印本在今年早些时候发布在arXiv上。
基于矢量的导航
20年前,当Ratti还是英国剑桥大学的一名研究生时,他几乎每天都要来往于住宿学院和系办公室之间。有一天,他意识到,自己来回实际上走了两条不同的路,去办公室和回来的路略微不同。
Ratti说:“其中一条路线显然比另一条更高效便捷,但我已经逐渐适应了两条路线,每条指向不同的方向。我竟然总是前后不一致,这对于一个毕生致力于理性思考的学生来说,虽是小事却令人沮丧。”
在可感知城市实验室,Ratti的研究兴趣之一是使用来自移动设备的大量数据集来研究人们在城市环境中的行为。几年前,实验室获得了一组来自行人手机的匿名GPS信号数据集,取自他们在马萨诸塞州波士顿和剑桥市一年之中的行走数据。Ratti认为,这些数据包括14000多人走过的55万多条路径,可以帮助解释人们在步行游览城市时如何选择路线的问题。
研究小组的数据分析显示,行人并不选择距离最短的路线,而是选择稍微长一点的路线,但会尽量减少与目的地的角度偏离。也就是说,即便存在偏左或偏右的更短路径,人们依然会选择一开始就能更直接面对终点的那条路。
“人们不会计算最小距离,而是试图尽量减少角位移——即使偏移角度更大的行进路线实际上更快捷,他们也要尽可能直接指向目的地,”可感知城市实验室和意大利国家研究委员会(Italian National Research Council)的首席研究科学家、该论文的通讯作者Paolo Santi说,“我们建议称其为最尖路径。”
波士顿和剑桥的行人也是如此,这两个城市都有着错综复杂的街道网络。旧金山则有着网格式的街道布局。在上述城市,研究人员观察到,正如Ratti在研究生院时所经历的,人们在两个目的点之间往返时,会倾向于在一来一去时采用不同的路线。
Ratti说:“在我们基于与目的地之间的偏移角度做决策时,街道网络会把我们引导至非对称的路线。成千上万步行者的数据表明,我不是唯一一个这么走的。这说明人类并非最佳领航员。”
周游世界
对动物行为与其大脑活动尤其是海马体活动的研究也表明,大脑的导航策略基于矢量计算。这种导航方式与智能手机或GPS设备使用的计算机算法截然不同,后者可以根据存储在内存中的地图,近乎完美地计算出两点之间的最短路线。
Tenenbaum说,在没有这些地图的情况下,动物的大脑不得不想出在不同地点之间导航的替代策略。
“人不可能把一张详细的、以距离为基础的地图下载到大脑中,那还能怎么做呢?更自然的做法可能是从经验角度,运用我们易于获取的信息,”他说,“人们可以基于出行经验,根据参考点、地标和角度,构建地图和空间导航的计算方法。这对我们来说是一种非常自然的方式。”
Ratti说:“随着智能手机和便携式电子产品逐渐将人脑和人工智能结合在一起,更好地理解我们的大脑运算机制,以及大脑与机器的运算机制之间的关系也变得愈发重要了。”
翻译:闭诗林
编辑:魏潇
引进来源:麻省理工学院