拉夫堡大学研究团队在《物理 D：非线性现象》期刊发表成果，提出一种能够揭示学习决策过程的透明人工智能蓝图，旨在终结难以解释的“黑盒”AI 模式。该团队开发了一款具备“大脑”与“记忆”的原型系统，与传统 AI 不同，它能持续学习而不丢失旧知，避免产生虚假记忆，并能以可控方式模拟人类思维的强化或遗忘机制。 项目负责人娜塔莉亚·詹森博士表示，过去智能常被视为黑盒中涌现的产物，而新系统从底层重构，使认知内部运作完全透明。早期测试显示，该原型在无监督情况下成功学习乐谱和旋律，并能识别存储卡通图像中的颜色。在所有任务中，系统行为可预测、可追踪，有效解决了传统 AI 常见的“灾难性遗忘”和虚假记忆问题。 该理论的核心在于“塑性向量场”数学概念，它模拟信息随时间变化的过程，使其反映大脑处理与存储信息的机制，从而让学习的每一个阶段都可追溯。研究团队指出，现有神经网络的设计缺陷导致其难以被解释和控制，并非单纯的技术障碍。 虽然原型系统目前较为简单，需进一步扩展以应对现实应用，但团队计划探索其在新型硬件上的应用，致力于开发既强大又易理解、可信的 AI 技术。研究最终有望推动医疗工具更安全、自动化决策更负责任，使人们能更放心地在日常生活中依赖人工智能技术。