一项新的国际研究聚焦人工智能记忆领域，引入了“弯曲神经网络”这一受几何学启发的新型人工智能记忆架构。该研究通过改变人工智能“思考”的“空间”，实现爆炸性记忆回忆，效果类似人类大脑的灵光一现，为类脑计算、神经科学及下一代机器人技术发展开辟新途径。

巴斯克应用数学中心、Araya公司、萨塞克斯大学和京都大学组成的研究团队，开发出曲线神经网络这一新型人工智能模型。研究成果发表于《自然通讯》，展示如何借助曲面几何，实现人工智能更复杂、逼真的记忆过程，且无需额外计算负担。传统人工智能系统依赖简单连接，而人脑则是多向交互，该团队引入曲面几何，正是为了解决这一差异。曲线神经网络具备三个关键特性：爆炸性记忆回忆，系统能轻松跳转至存储记忆;自我调节智能，人工智能在回忆时自动调整“焦点”，加快反应速度;更少的错误，单个调节参数可平衡记忆能力与准确性。

Araya公司的Pablo A Morales指出：“这些属性并非硬编码，而是自然从模型的弯曲几何形状中产生。”这一发现有望使人工智能系统更具适应性、高效性，且更易于理解，相较于当前功能强大却难以解释的“黑匣子”模型，是一大飞跃。萨塞克斯大学的费尔南多·E·罗萨斯表示：“这展现了几何学和物理学如何引领自然和人工智能的进步，为思考大脑和机器如何高效存储和检索信息开辟新思路。”京都大学副教授岛崎英明则称，最初简单的想法——在神经网络中使用曲面几何，后来发展成深度合作，这一发现将为人工智能的未来做出贡献。

更多信息： Miguel Aguilera 等人，《通过弯曲统计流形中的高阶相互作用实现爆炸式神经网络》，《自然通讯》(2025)。期刊信息： 《自然通讯》