核心观点
最近与一位专注脑科学的朋友深聊，得到一个非常启发性的观点：当前以 Transformer 架构为代表的大模型，其根本局限或许不在于规模，而在于信息流动的方向。
一个关键的事实是，人脑中约有 40% 的神经连接是“反向”的。它们并非从感知层一步步传递到高级认知区，而是从额叶等高级区域直接“Piu～”一下投射回视觉皮层等初级处理区。
这在神经科学中被称为 长程反馈（Long-range Feedback）连接。而 Transformer，本质上只有前向的注意力机制，它“只会往前跑”。当遇到信息模糊、需要根据高层理解来重新解释底层信号的情况时，没有反馈机制的模型就很容易“卡住”。
没有反馈，就没有基于经验的“猜测”；没有猜测，就难以实现真正的从0到1的创造。缺乏这种长程反馈回路的AI，更像是一台高效的解题机器，而非拥有直觉和洞见的智能体。
被忽视的“系统1”：小脑的巨量计算
人脑的另一个秘密藏在小脑里。这里聚集了约700亿个神经元（接近整个大脑的神经元总数），主要负责一项我们习以为常却极其复杂的任务：精密的运动控制和实时预测。
端咖啡杯需要用多大力？发现杯子是空的时如何瞬间调整手势？扔出一个球并准确接住另一杯水……这些动作眨眼间完成，其背后所需的实时传感、物理模拟和肌肉控制的计算量，远超解一道奥数题。
这涉及到人工智能领域的另一个前沿方向——具身智能。大模型目前主要攻克了“系统2”（慢思考），如逻辑推理、代码编写；但对于“系统1”（快思考），即感知、反应和与物理世界交互的身体智能，还未真正触及。
现今的人工神经元模型，大多还是简单的加权求和加激活函数，缺乏时间维度和复杂的动力学特性。大脑的进化告诉我们，神经元的数量与网络连接的复杂度，缺一不可。
AI时代的生存法则：重塑“原点”
知识本身的价值正在被快速重构。当所有事实性知识都能被大模型“唾手可得”，传统的、以记忆为核心的应试教育模式已然失效。这并非否定深度思考，而是强调重点的转移。
在AI原生时代，最重要的可能是以下三件事：
- 找到“我”：发掘自身独一无二的特质、热情和创造力。这是机器无法复制的核心。
- 培养AI原生思维：将自己视为与AI共生的新物种。AI不是取代你的对手，而是拓展你能力的伙伴。拥抱这种变化，可以到 云栈社区 这样的开发者聚集地，看看大家是如何与AI协作解决实际问题的。
- 建立演绎推理的“原点”：拥有自己坚实的第一性原理或核心逻辑框架。在信息爆炸的时代，拥有“原点”的人不易迷失，能够判断方向是否正确。就像Geoffrey Hinton坚持神经网络研究40年，并非只因聪明或努力，更是因为他坚信那个正确的“原点”。
这个时代，人类最大的机会或许是：利用AI处理“系统2”的冗余计算，解放自己，去更好地锤炼“系统1”的直觉、感知和创造力，重新做回那个善于猜想、反馈和创造的自己。
想深入探索？ 可以搜索关键词 「neural manifold」（神经流形） 和 「predictive coding」（预测编码），这是理解大脑反馈与预测机制的两个重要计算机基础理论。
本文观点受清华教授刘嘉相关论述启发，结合讨论整理而成。 | 
发表于 昨天 09:55
|
查看: 10|
回复: 0
