大腦原來識得「重用」神經模組：同一組神經元可記住聲音，亦可維持行動計劃

經過訓練後，人工網絡亦發展出相應的模組化組織：部分功能群組可以在不同計算工作之間重用。研究中對特定群組進行「靜音」處理時，會影響相應的計算功能。

這個結果不代表人工網絡與小鼠大腦完全一樣，但支持一個可能性：可重用的模組並不只是小鼠神經活動的偶然特徵，而可能是處理這類任務時具有計算效益的解決方案。

「認知積木」對學習和AI有咩啟示？

這種架構支持「組合式認知」的概念。大腦可以把已經學會的基本操作重新組合，再套用到新任務，而不是每次都由零開始學習。

理論上，這樣做可以提高學習效率：大腦只需要改變積木的組合方式，或者改變某個模組所承載的資訊，就有機會較快掌握相關的新任務。

它亦可能有助解釋人類點解能夠快速在不同任務、規則、記憶和計劃之間轉換。對人工智能而言，這種可重用架構亦是一個設計方向，因為現時不少AI系統面對相關但不完全相同的新任務時，仍可能需要大量再訓練。

不過，研究結果不應被解讀為已經完整揭示人類靈活思考的機制。小鼠實驗主要是相關性證據：研究人員觀察到與神經元群組重新分工一致的活動模式，但仍未證明任何一個群組是直接造成相關行為的原因。

下一步：測試神經元群組是否真的有因果作用

研究團隊計劃進行因果實驗，在任務的特定時段選擇性干預或操控已識別的前額葉神經元群組，檢查同一群神經元是否真的會由維持感官記憶，轉為維持行動計劃。

關鍵預測是：如果在不同時間點干擾同一個群組，應該會分別損害不同的資訊功能。例如，在第一段延遲期間干擾，可能影響聲音記憶；在後一段延遲期間干擾，則可能影響行動計劃。不過，現有資料未有提供足夠細節，說明實驗會採用哪一種具體干預方法，或何時進行。

研究由誰資助？目前證據不足

現有來源未有足夠證據確認這項MIT與普林斯頓研究的具體資金來源。部分資料提到美國國家情報總監辦公室及美國國立衛生研究院，但該資金聲明是針對另一項小鼠腦連接組研究，不能直接套用到今次研究。

另外，相關研究資料亦需要留意其發表狀態：所提供的PubMed資料將其中一份工作標示為預印本，代表尚未經期刊同行評審。