arXiv上釋出的一項新研究（arXiv:2605.16514）表明，一個最初為機器人操控設計的反應式模型AICON，竟然能夠預測人類在臨床認知任務中的規劃失敗模式。該研究將AICON應用於經典的倫敦塔測試（Tower of London test），這是一種用於評估帕金森病、輕度認知障礙和中風患者規劃能力的神經心理學測試。令人驚訝的是，AICON完全不需要任何前瞻性規劃或關於人類認知的先驗知識，就能以比傳統結構引數更高的精度重現人類對24個問題的難度排序，併成功泛化到未見過的問題上。
更關鍵的是，AICON在模擬規劃能力受限群體（如帕金森病患者）的表現上，顯著優於基於規劃的基線模型，而後者僅在健康對照組上表現更佳。這種分離現象在AICON的原始論文中已有預測：該模型的失敗模式與帕金森病患者相似——他們在目標層級上存在困難，但不受移動次數影響。這表明，隨著規劃能力的降低，人類行為會逐漸轉向AICON所代表的那種反應式模式。
這一發現延伸了一個更廣泛的模式：原本為機器人技術打造的AICON，現在能夠捕捉到感知、眼球運動及序列規劃等多個生物學行為領域的特徵。這暗示AICON的核心抽象反映了生物系統組織的某種真實特性。該研究為理解人類認知的侷限性提供了新視角，並可能為神經退行性疾病的診斷和治療提供啟發。研究人員強調，AICON的成功建模並非依賴複雜的認知架構，而是源於簡單的反應式機制，這挑戰了傳統上認為規劃必須依賴內部模型的觀點。未來研究將進一步探索AICON在不同臨床人群中的應用，以及如何利用其預測能力開發更精準的認知評估工具。