聰明人在解決問題時是否比其他人思考得更快？柏林夏里特大學（Charité University Berlin）人腦項目的研究人員和他們在巴塞羅那龐培法布拉大學（University Pompeu Fabra in Barcelona）的合作夥伴的新發現質疑了這一在智力研究領域根深蒂固的觀點。
他們的研究成果最近發表在《自然通訊》（Nature Communications）雜誌上。
他們從生物學角度出發，構建了650個個性化大腦網絡模型（BNM）。這些模型是利用從人類連接組項目（Human Connectome Project）收集到的數據創建的，使研究小組能夠模擬大腦在解決問題過程中所經歷的過程。
大腦模擬的觀察結果與參加賓大矩陣推理測試（PMAT）的650名參與者的經驗數據進行了比較，賓大矩陣推理測試包括一系列難度越來越高的模式匹配任務。這些結果被量化為參與者的流體智能（FI），大致可以描述為在新情況下做出困難決定的能力。
"我們發現，與流體智力（FI）較低的人相比，流體智力（FI）較高的人需要更多的時間來完成難度較大的任務。他們只是在回答簡單問題時更快，"該研究的資深作者、夏里特大學的Petra Ritter解釋說。"我們首先在模擬實驗中觀察到了這一點，然後才發現參加智力測驗者的經驗數據與這一趨勢相符"。里特爾的實驗室和HBP的許多其他研究小組使用大腦模擬來補充觀察數據，以便建立大腦如何工作的理論框架。"
"在這種情況下，大腦模擬被用來確定大腦功能和結構連通性與認知能力之間的聯繫。同步性更強的大腦更善於解決問題，但速度不一定更快。"里特爾說："隨着同步性的降低，大腦中的決策迴路會更快地得出結論，而大腦區域之間的同步性越高，就能更好地整合證據和更強大的工作記憶。直覺上這並不令人驚訝：如果你有更多的時間並考慮更多的證據，你就會在解決問題上投入更多，並提出更好的解決方案。在這裡，我們不僅從經驗上證明了這一點，而且還證明了所觀察到的成績差異是個性化大腦網絡模型動態原理的結果。因此，我們提出了新的證據，對人類智力的一個普遍概念提出了挑戰。"
以前建立的工作記憶（WM）和決策（DM）的局部電路模型對智力都很重要，這些模型被插入到虛擬大腦（TVB）中，後者提供了全腦水平的模擬。
模擬使用多尺度腦建模方法運行；腦成像數據使用自動化容器流水線處理。高敏感腦數據的處理在EBRAINS健康數據云的安全虛擬研究環境中進行。這些技術通過EBRAINS向全球研究界開放。
這項研究的最終目標不是要找出你應該思考得有多快，而是要了解生物網絡如何決定決策，以開發生物啟發工具和機器人應用。因此，智能決策的大腦動力學建模是構建智能應用的一種很有前景的方法。里特爾說："我們認為，生物學上更現實的模型未來可能會超越經典人工智能。"
-
-
-
-
-
-
-
-
-
-