麻省理工学院的一项新研究表明，人类大脑无法在步行导航时计算出“最短路径”。根据超过 14,000 人日常生活的数据集，麻省理工学院的团队发现，行人似乎选择最直接指向目的地的路径，即使这些路径最终更长。

这种被称为基于矢量的导航的策略，也出现在从昆虫到灵长类动物的研究中。麻省理工学院团队建议，基于矢量的导航需要比实际计算最短路线更少的脑力，可能已经进化为让大脑将更多的力量投入到其他任务中。

基于矢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。

使用来自移动设备的大型数据集来研究人们在城市环境中的行为方式。

几年前，该实验室从行人的手机中获得了一个匿名 GPS 信号数据集，当时他们在一年内走过波士顿和马萨诸塞州的剑桥。这些数据包括 14,000 多人走过的 550,000 多条路径，可以帮助回答人们在步行游览城市时如何选择路线的问题。

研究小组对数据的分析表明，行人没有选择最短的路线，而是选择稍长但与目的地的角度偏差最小的路线。选择的路径可以让他们在开始路线时更直接地面向终点，即使开始时向左或向右行驶的路径实际上可能会更短。

研究人员没有计算最小距离，而是发现最具预测性的模型不是找到最短路径的模型，而是试图最小化角位移的模型，尽可能直接指向目的地，即使以更大的角度行驶实际上会更有效率。

波士顿和剑桥的行人都是如此，它们拥有错综复杂的街道网络，而旧金山的行人则拥有网格式的街道布局。在这两个城市，研究人员还观察到，人们在两个目的地之间往返时，倾向于选择不同的路线，就像拉蒂在研究生时代所做的那样。

当人们根据到目的地的角度做出决定时，街道网络将引导您走向不对称的路径，基于成千上万的步行者，人类不是最佳的导航者。

对动物行为和大脑活动的研究，特别是在海马体中。这种类型的导航与智能手机或 GPS 设备使用的计算机算法大不相同，后者可以根据存储在其内存中的地图，几乎可以完美地计算出任意两点之间的最短路线。

由于无法访问这些地图，动物大脑不得不想出替代策略来在不同位置之间导航。

人们无法将详细的、基于距离的地图下载到大脑中，那么能怎么做呢？

大多数时候，可能是使用从经验中获得的信息，根据参考点、地标和角度来思考是一种非常自然的方法，可以根据从自己在世界各地移动的经验中学到的知识，来构建映射和导航空间的算法。

随着智能手机和便携式电子产品越来越多地将人类和人工智能结合起来，更好地了解我们大脑使用的计算机制以及它们与机器使用的计算机制之间的关系变得越来越重要。