大脑里控制决策的关键区域，除了前额叶皮层，“内侧额叶皮层”的区域在决策中的作用可能更基础。

传统观点认为，大脑做决策大致遵循一个单向的“自下而上”的层级通路：信息从视觉、听觉或躯体感觉等早期感觉区进入，逐级传递到更高层的联合皮层和额叶皮层，最终在这些高阶中枢里完成整合和决策。正是基于这种理解，卷积神经网络等人工智能系统大多也采用类似的分层结构，把智能看作是信息沿固定方向逐层加工、在顶层输出决策的结果。但随着对自然智能认识的加深，越来越多学者开始质疑这种过于简化的流水线模型。

这次研究由该校电气与计算机工程系的尤里·弗拉索夫教授带队，论文发表在美国国家科学院院刊上。团队选择从系统层面重新审视大脑，把它看作进化塑造的自然智能体系，强调不同脑区之间的反馈回路和双向信息流，而不是单一方向的串行加工链条。在这个框架下，决策被看作是多个脑区之间持续交互、共同涌现出来的结果，而不是被高阶区域单向下达的指令。

自然智能一个很显著的特点就是高效节能。在完成复杂的感知、认知和决策任务时，人脑的能耗远低于当今大多数人工智能系统。为了理解这种高效性从哪来，研究团队没有局限在某个功能模块上，而是从整体架构出发，考察不同区域之间的协同方式。弗拉索夫表示，理解大脑在架构层面是如何组织决策计算的，有助于工程界设计出更有效、更节能也更聪明的新一代AI系统。

在具体实验设计上，研究者聚焦于大脑最前期的处理阶段，也就是负责感觉和知觉的区域。他们在小鼠身上做了实验，让动物在一条虚拟现实走廊里移动，通过触须感知环境并据此做出左转或右转的感知性决策。在这个过程中，科研人员记录了小鼠大脑中大面积神经元的活动，尤其关注初级体感皮层的反应模式。结果出乎意料：与传统上认为只处理基础感觉的认知相反，决策相关的信号在初级体感皮层中被清晰地捕捉到了。这说明决策过程并不是只在高层皮层的后端才启动，而是在大脑最前线的感觉处理阶段就已经显现出了明显的决策表征。换句话说，早期感觉区不是简单地把原始数据打包上传，而是在很早的时间点就已经参与了对行动选择的编码。

进一步分析发现，初级体感皮层的活动并不是孤立发生的，而是显著受到了高阶脑区的反馈调制。这种自上而下的回馈信号，跟自下而上的感觉输入共同塑造了S1中的神经活动模式。由此可见，大脑并不是按照单一路径从感知到决策线性推进，而是在多个层级之间通过反馈回路持续往复地交换信息，从而完成对外界信息的解读和对行为的选择。

弗拉索夫指出，大脑的神经编码仍然像一种尚未破译的语言，但从系统层面理解这些反馈回路和动态交互，已经可以为人工神经网络的设计提供有价值的启示。当前人工智能在决策层面仍然有明显短板，而自然智能在同等甚至更复杂的任务下，却能以远低于现代硬件系统的能耗完成运算，这背后的架构经验值得工程界向大自然取经。尽管这项工作还不足以直接给出构建更好AI的工程蓝图，但研究团队认为它提供了一种重新思考AI的视角。通过系统性地研究大脑如何组织和处理信息，科研人员有望总结出一套可迁移的原则，指导AI在架构、能效和决策机制上的改进。未来的AI系统，或许需要跳出严格分层、单向传播的框架，引入更多类似生物大脑的动态反馈和并行交互结构。

接下来，弗拉索夫团队计划继续追踪大脑活动在时间维度的变化，重点研究神经活动的快速时间动力学。他们正在开发新的工具，以更高精度测量和分析神经信号，试图从时间分辨率更高的数据中，揭示反馈回路在决策过程中的具体参与方式。在他看来，只有看清这些反馈环路是如何在时间上被激活、如何在不同处理层级间形成和重构，才能真正理解自然智能的运作方式，并把它们转化为新一代AI架构的设计基础。