重力感知：人类意识在改变重力下的深度学习模型与 LLM 模拟
神经元与认知
2025-11-11 v1 人工智能
机器学习
信号处理
摘要
地球的重力从根本上塑造了人类发展，引导大脑将前庭、视觉和躯体感受输入整合为内部重力模型：一种动态神经表征，使人类能够预测和解释引力力。本工作提出了双重计算框架，用于定量建模这些适应。第一个组件是一个轻量级多层感知器（MLP），预测 g 负荷导致的关键脑电图（EEG）频段变化，代表大脑的皮层状态。第二个组件利用一组独立的高斯过程（GP）建模身体更广泛的生理状态，包括心率变异性（HRV）、皮肤电导活性（EDA）和运动行为。两个模型都在源自对抛物飞机文献的综合性综述中获得的数据上进行训练，使用已发表的发现作为锚点构建稳健、连续的函数。为了补充这一定量分析，我们使用大语言模型（Claude 3.5 Sonnet）模拟了不同重力负荷下的主观人类经验，范围从微重力（0g）和部分重力（月球 0.17g、火星 0.38g）到与航天飞机发射和再入相关的超重力（1.8g）。该模型被要求根据生理参数生成对警觉性和自我意识的内省叙述，这些叙述与来自 EEG 和生理模型的定量发现密切一致。该组合框架将定量生理建模与生成式认知模拟集成，为理解和预测改变重力下的人类性能提供了一种新方法。
引用
@article{arxiv.2511.05536,
title = {Gravity-Awareness: Deep Learning Models and LLM Simulation of Human Awareness in Altered Gravity},
author = {Bakytzhan Alibekov and Alina Gutoreva and Elisa Raffaella-Ferre},
journal= {arXiv preprint arXiv:2511.05536},
year = {2025}
}
备注
64 pages, 8 figures, 2 datasets, 1 protocol