每当我们踏进一个陌生的环境，大脑会瞬间做出无数个微妙的判断：这里适合步行吗？那条路能骑自行车吗？远处的水域可以游泳吗？这些看似理所当然的"空间直觉"，实际上是人类认知能力中最为精妙的表现之一。阿姆斯特丹大学的最新研究揭示了这一能力背后的神经机制，并发现即使是最先进的人工智能模型，包括ChatGPT在内，在这方面仍然远远落后于人脑的天然智慧。

这项发表在《美国国家科学院院刊》上的突破性研究，不仅为我们理解大脑的工作原理提供了全新视角，更揭示了当前人工智能发展中一个关键的盲点。研究团队通过功能性磁共振成像技术，首次在神经科学层面证实了心理学中"可供性"概念的生物学基础，并发现这种能力的神经表征是完全独立于视觉内容本身的。

从心理学概念到神经科学发现

"可供性"这一概念最初由生态心理学家詹姆斯·吉布森在20世纪70年代提出，用来描述环境为生物体提供的行动机会和可能性。简单来说，就是我们看到一个环境时，不仅能识别出"这是什么"，更能直观地感知到"我能在这里做什么"。

阿姆斯特丹大学计算神经科学家艾里斯·格罗恩领导的研究团队，决定从神经科学角度验证这一理论。他们招募了志愿者在MRI扫描仪中观看各种室内外环境的照片，包括山路、繁忙街道、河流、公园等场景。参与者需要通过按钮表明这些图像是否适合步行、骑自行车、开车、游泳、划船或攀岩等不同活动。

研究结果令人惊叹：大脑视觉皮层中的特定区域会因为感知到的"行动可能性"而激活，而这种激活模式完全独立于图像中可见的物体、颜色或其他视觉特征. 更重要的是，即使研究人员没有明确要求参与者思考能在环境中做什么，大脑仍然会自动进行这种处理。

博士生克莱门斯·巴特尼克解释说："我们发现的是独一无二的现象。这些大脑区域不仅代表可以看到的东西，还代表你可以用它做什么。"这种自动化的处理过程表明，人类大脑在进化过程中已经将环境感知与身体行动能力紧密整合，形成了一套高效的空间认知系统。

AI的"具身智能"缺失

为了全面评估这种能力的独特性，研究团队将人类的表现与多种AI模型进行了比较，包括图像识别模型和GPT-4等大型语言模型。结果显示，即使是最先进的AI系统，在预测环境中可能的行动方面都表现不佳。

这一发现揭示了当前AI发展中的一个根本性问题：缺乏"具身智能"。格罗恩指出："即使是最好的AI模型也不会给出与人类完全相同的答案，尽管这对我们来说是一项非常简单的任务。这表明我们的观看方式与我们与世界互动的方式密切相关。我们将我们的感知与我们在物理世界中的体验联系起来。AI模型无法做到这一点，因为它们只存在于计算机中。"

这种差异的根源在于人类认知与AI认知的本质不同。人类的感知系统是在数百万年的进化过程中，通过与物理环境的直接互动而形成的。我们的大脑不仅要识别环境中的物体，更要评估这些环境对于我们身体行动的适宜性。这种评估基于我们对自身身体能力的深刻理解：我们的步幅有多大、我们能跳多高、我们的平衡能力如何等等。

相比之下，当前的AI模型主要基于大量数据的统计学习，缺乏对物理世界的直接体验。它们可以识别出图像中的物体，甚至能够生成关于这些物体的详细描述，但无法真正理解这些环境对于具有特定身体能力的智能体意味着什么。

神经效率与AI可持续发展

这项研究还揭示了人脑信息处理的惊人效率。人类能够在瞬间完成复杂的环境评估，而这个过程消耗的能量微乎其微。相比之下，当前的AI模型需要消耗大量的计算资源和能源才能完成相对简单的任务。

格罗恩强调了这一发现对AI可持续发展的重要意义："当前的AI训练方法消耗大量能源，通常只有大型科技公司才能使用。更多关于我们的大脑如何工作以及人脑如何非常快速有效地处理某些信息的知识，可以帮助使AI更智能、更经济、更人性化。"

人脑的高效率源于其独特的信息处理架构。与AI模型的串行处理不同，大脑采用高度并行的分布式处理方式，同时整合了感觉输入、运动控制、记忆和预测等多个系统。这种整合式的处理方式使得人脑能够在极低的能耗下完成复杂的认知任务。

实际应用的迫切需求

这种"可供性感知"能力的缺失，正在成为AI在实际应用中的重要瓶颈。在自动驾驶汽车领域，车辆不仅需要识别道路上的物体，更需要理解不同路面状况对行驶的适宜性。在医疗机器人领域，设备需要理解不同环境对患者活动能力的影响。在灾难救援机器人领域，机器人必须能够评估复杂地形的通行可能性。

研究团队指出："随着越来越多的行业使用AI，机器不仅要识别某物是什么，还要了解它能做什么，这一点变得越来越重要。例如，必须在灾区找到路的机器人，或者可以区分自行车道和车道的自动驾驶汽车。"

当前一些前沿的AI研究正在尝试解决这一问题。具身智能研究试图为AI系统配备物理身体，使其能够通过与环境的直接互动来学习。视觉可供性学习则尝试让AI系统通过视觉输入来推理可能的交互方式。然而，这些方法仍然无法达到人类大脑的自然效率和准确性。

未来发展方向

这项研究为AI的未来发展指明了新的方向。通过深入理解人脑处理"可供性"信息的神经机制，研究人员有望开发出更加智能和高效的AI系统。这种"神经启发"的AI不仅能够减少能源消耗，还能在复杂的现实环境中表现得更加可靠。

格罗恩表示："如果人工智能融合了关于人脑的这些知识，它可能会变得更加可持续和对人类友好。"这种融合不仅需要技术上的突破，更需要跨学科的深度合作，将神经科学、心理学、计算机科学和机器人学等领域的智慧整合起来。

从更广泛的角度来看，这项研究提醒我们，真正的人工智能不仅要能够处理抽象的符号和数据，更要能够理解物理世界中的身体化体验。只有当AI系统能够像人类一样，将感知与行动、认知与身体紧密结合时，它们才能真正成为我们在复杂现实世界中的可靠伙伴。

人类大脑这种看似简单却极其精妙的"空间直觉"能力，正是我们在漫长进化历程中获得的宝贵遗产。理解并学习这种能力，可能是通向下一代人工智能的关键钥匙。

期刊参考：

1. Clemens G. Bartnik、Christina Sartzetaki、Abel Puigseslloses Sanchez、Elijah Molenkamp、Steven Bommer、Nikolina Vukšić，Iris I. A. Groen。人类行为、大脑和深度神经网络中火车头动作可供性的表示。美国国家科学院院刊，2025 年;122 （24） DOI： 10.1073/pnas.2414005122