为什么我们的大脑选择“最指向目的地的路径”,而非最快路线?

here are two people using a map to plan their route
"Vector-based navigation does not produce the shortest path, but it’s close enough to the shortest path, and it’s very simple to compute it.”Image: UNSPLASH/pixpoetry
本内容由人工智能自动翻译。
  • 一项麻省理工学院的新研究表明,我们的大脑在步行导航时,实际上并未针对计算所谓的“最短路径”进行优化。

  • 事实上,行人更有可能选择基于向量的导航方式。

  • 这种导航策略也曾在其他动物身上观察到。与寻找最短路线相比,它消耗的脑力更少,让大脑能够专注于其他事情。

  • 然而,智能手机等技术恰恰相反,总会计算前往目的地的最快路线。

人人都知道,两点之间最短的距离是一条直线。然而,在城市街道上步行时,直线可能走不通。你会如何决定往哪个方向走?

一项麻省理工学院的新研究表明,我们的大脑在步行导航时,实际上并未针对计算所谓的“最短路径”进行优化。麻省理工学院团队根据一项涵盖14,000多人的日常活动数据集发现,行人似乎会选择看起来最直接指向目的地的路线,即使最终走的路更长。他们将其称为“最指向目的地的路径”。

这种被称为基于向量的导航策略,也曾在从昆虫到灵长类动物的研究中观察到。麻省理工学院团队认为,与实际计算最短路线相比,基于向量的导航消耗的脑力更少;这种策略或许是在进化过程中形成的,让大脑能将更多资源用于其他任务。

“这似乎是一种权衡,让我们大脑的计算能力可以用于其他事情——3万年前用来躲避狮子,如今则用来躲避危险的SUV。”麻省理工学院城市研究与规划系城市技术教授、Senseable City Laboratory主任Carlo Ratti说。“基于向量的导航不会产生最短路径,但它足够接近最短路径,而且计算起来非常简单。”

在这张图中,观察到的行人路径以红色显示,最指向目的地的路径为黄色,最短路径则以虚线表示。Image: 麻省理工学院研究人员
在这张图中,行人路径以红色显示,最短路径为蓝色。Image: 麻省理工学院研究人员

Ratti是这项研究的资深作者,该研究于今日发表于《自然·计算科学》。巴黎萨克雷大学副教授、麻省理工学院Senseable City Laboratory成员Christian Bongiorno是该研究的第一作者。麻省理工学院计算认知科学教授、脑、心智与机器中心以及计算机科学与人工智能实验室(CSAIL)成员Joshua Tenenbaum也是论文作者之一。

基于向量的导航

二十年前,Ratti还是剑桥大学的研究生,几乎每天都步行往返于住宿学院和系办公室之间。有一天,他意识到自己实际上走的是两条不同的路线——去办公室时走一条,回程时则稍有不同。

“其中一条路线肯定比另一条更高效,但我渐渐习惯了两条路线,一条去程,一条回程。”Ratti说,“我总是前后不一致。对一个毕生致力于理性思考的学生来说,这是个小小的、却令人沮丧的发现。”

在Senseable City Laboratory,Ratti的研究兴趣之一是利用移动设备的大型数据集,研究人们在城市环境中的行为。几年前,该实验室获得了一组匿名GPS信号数据,来自行人在马萨诸塞州波士顿和剑桥步行时携带的手机,数据覆盖一年时间。Ratti认为,这些数据记录了14,000多人走过的55万多条路线,或许能帮助回答人们步行穿行城市时如何选择路线这一问题。

研究团队对数据的分析显示,行人没有选择最短路线,而是选择了稍长一些、但能尽量减小前进方向与目的地方向之间角度偏差的路线。也就是说,他们选择的路径能让自己在起步时更直接地朝向终点,即使一开始更偏左或偏右的路线实际上可能更短。

“我们发现,最具预测力的模型并非计算最短路径,而是试图尽量减小角位移——尽可能直接指向目的地,即便以更大的角度前进实际上会更高效。”Senseable City Lab及意大利国家研究委员会首席研究科学家、论文通讯作者Paolo Santi说。“我们提议将这种路线称为‘最指向目的地的路径’。”

在街道网络错综复杂的波士顿和剑桥,以及街道呈网格状布局的旧金山,行人都表现出这一特点。研究人员还观察到,在这两座城市里,人们往返于两个地点时往往会选择不同路线,就像Ratti读研时那样。

“当我们根据目的地的方位角做决定时,街道网络会让你走出一条不对称的路线。”Ratti说,“根据数千名行人的数据,很明显我并非个例:人类并不是最优的导航者。”

在世界中四处移动

有关动物行为和大脑活动(尤其是海马体)的研究也表明,大脑的导航策略可能基于向量计算。这种导航方式与智能手机或GPS设备使用的计算机算法截然不同;后者可以根据存储在设备中的地图,近乎完美地计算任意两点之间的最短路线。

Tenenbaum说,动物大脑无法获取这类地图,因此不得不想出其他策略,在不同地点之间导航。

“你不可能把一张详细的、基于距离的地图下载到大脑里,那还能怎么做?更自然的方式可能是利用从经验中获得、对我们来说更容易获取的信息。”他说,“以参照点、地标和角度来思考,是一种非常自然的方式,可以根据你在世界中移动时积累的经验,构建用于绘制地图和空间导航的算法。”

“随着智能手机和便携式电子设备日益将人类智能与人工智能结合起来,更好地理解大脑使用的计算机制及其与机器所用机制的关系,变得越来越重要。”Ratti说。

这项研究由麻省理工学院Senseable City Lab Consortium、麻省理工学院脑、心智与机器中心、美国国家科学基金会、MISTI/MITOR基金以及Compagnia di San Paolo资助。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。