麻省理工学院的一项研究表明，当步行导航时，我们的大脑没有被优化来计算最短的可能路线。在图中，行人路径用红色显示，最短路径用蓝色显示。学分:麻省理工大家都知道两点之间最短的距离是直线。然而，当你走在城市街道上时，直线可能是不可能的。你如何决定走哪条路？麻省理工学院的一项新研究表明，我们的大脑实际上并没有优化到在步行导航时计算所谓的“最短路径”。麻省理工学院团队基于14000多人日常生活的数据集发现，相反，行人似乎选择了似乎最直接指向目的地的路径，即使这些路径最终更长。他们称之为“最尖的路径”
这种被称为基于矢量导航的策略，也出现在从昆虫到灵长类动物的研究中。麻省理工学院团队认为，基于矢量的导航比实际计算最短路线需要更少的脑力，可能已经进化到让大脑将更多的精力投入到其他任务中。
麻省理工学院城市研究和规划系城市技术教授、可感知城市实验室主任卡洛·拉蒂(Carlo Ratti)表示:“似乎有一种权衡，让我们大脑中的计算能力可以用于其他事情——3万年前，为了避开狮子，或者现在，为了避开一辆佩里利奥斯越野车。“基于矢量的导航不会产生最短路径，但它足够接近最短路径，并且计算起来非常简单。”
拉蒂是这项研究的资深作者，这项研究今天发表在《自然计算科学》上。巴黎萨克莱大学副教授、麻省理工学院可感知城市实验室成员克里斯蒂安·邦乔诺是这项研究的主要作者。麻省理工学院计算认知科学教授、大脑、思维和机器中心以及计算机科学和人工智能实验室(CSAIL)成员约书亚·特南鲍姆(Joshua Tenenbaum)也是这篇论文的作者。今年早些时候，这项研究的预印本被张贴到arXiv.org。
矢量导航
20年前，当拉蒂还是剑桥大学的研究生时，他几乎每天都走在他的寄宿学院和系办公室之间的路上。一天，他意识到他实际上走了两条不同的路线——一条是去办公室的路，另一条是回来的路。
拉蒂说:“当然，一条路线比另一条更有效率，但我已经逐渐适应了两条路线，每个方向一条。“我总是前后矛盾，对于一个毕生致力于理性思考的学生来说，这是一个小小但令人沮丧的认识。”
在可感知城市实验室，拉蒂的研究兴趣之一是使用移动设备的大数据集来研究人们在城市环境中的行为。几年前，该实验室在一年的时间里，从走过波士顿和马萨诸塞州剑桥的行人的手机中获取了一组匿名的全球定位系统信号。拉蒂认为，这些数据包含了14000多人走过的55万多条道路，可以帮助回答人们步行在城市中导航时如何选择路线的问题。
研究小组对数据的分析表明，行人没有选择最短的路线，而是选择稍微长一点，但与目的地角度偏差最小的路线。也就是说，他们选择的路径允许他们在开始路线时更直接地面对他们的终点，即使一条从更向左或向右开始的路径实际上可能会更短。
“我们没有计算最小距离，而是发现最具预测性的模型不是找到最短路径的模型，而是试图最小化角位移的模型——尽可能直接指向目的地，即使以更大的角度旅行实际上会更有效率，”可感知城市实验室和意大利国家研究委员会的主要研究科学家、该论文的相应作者保罗·桑蒂(Paolo Santi)表示。"我们提议称之为最尖锐的路径."
对于波士顿和剑桥的行人来说，情况确实如此，这两个城市的街道网络错综复杂，而旧金山的街道布局是网格式的。在这两个城市，研究人员还观察到，人们在两个目的地之间往返时，倾向于选择不同的路线，就像拉蒂在研究生时代一样。
拉蒂说:“当我们根据到达目的地的角度做出决定时，街道网络会把你引向一条不对称的道路。“基于成千上万的步行者，很明显，我不是唯一的一个:人类不是最佳的领航员。”
在世界各地移动
对动物行为和大脑活动的研究，尤其是海马体的研究，也表明大脑的导航策略是基于计算向量的。这种导航与智能手机或全球定位系统设备使用的计算算法有很大不同，后者可以根据存储在内存中的地图几乎完美地计算任意两点之间的最短路线。
特南鲍姆说，由于无法获得这类地图，动物大脑不得不想出在不同地点之间导航的替代策略。
“你不可能把一张详细的、基于距离的地图下载到大脑中，那你还打算怎么做？更自然的事情可能是使用我们从经验中更容易获得的信息，”他说。“根据参考点、地标和角度进行思考，是一种非常自然的方法，可以根据您从自己在世界各地移动的经验中学到的知识，构建用于绘制地图和导航空间的算法。”
拉蒂说:“随着智能手机和便携式电子产品越来越多地将人类和人工智能结合起来，更好地理解我们大脑使用的计算机制以及它们与机器使用的计算机制之间的关系变得越来越重要。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
