We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
雷
雷博
雷博：我认为人类和AI的融合是未来科技发展难以避免的趋势，现在许多人的生活方式已经和传统意义上的人类有所不同。大模型之所以能够吸引众多用户，关键在于其交互逻辑和表达方式高度拟人化，这使得神经科学与人工智能的结合成为未来科技发展的重要方向。
我的研究主要集中在两个方面：一方面，将神经科学中的机制和数据引入AI模型，以期使AI模型更‘类人’；另一方面，利用AI技术分析神经科学数据，从而获得新的理论或更高效的解析方法。
将AI技术应用于神经科学研究目前还处于早期阶段，因为神经科学的数据获取比结构生物学更困难，且缺乏明确的规则。然而，许多领先的AI机构都已将脑科学纳入其布局，因为神经科学一直是人工智能的重要研究领域。
在2020-2021年期间，AI领域内部就下一代人工智能方向展开了广泛讨论，其中一个重要方向是脑启发人工智能。神经科学家和AI科学家在讨论‘智能’时使用的语言和概念存在差异，这需要跨学科的合作和沟通。
‘记忆痕迹细胞’（Memory Engrams）理论可以帮助我们理解人工神经网络的编码机制。人工智能更像一门工程学科，而脑神经科学是一门科学，人工智能有潜力成为一门科学，但目前它更像一个工程学科，需要确定其决定性的科学问题。
‘智能’的概念尚未明确定义，但可以将其分为生物智能（或脑智能）和人工智能。大型语言模型是否应该被定义为‘智能’目前尚不清楚，因为它是否具备真正的自发智能仍存在疑问。‘智能涌现’的概念值得探讨，它可能指的是模型能力超越数据本身表征的能力，但这概念也容易产生模糊性。
儿童的学习过程类似于大型语言模型的预训练过程，都涉及到先学习通用框架再填充具体知识。‘内脑模型’和‘脑启发模型’的概念在狭义和广义上有所不同，前者更强调严格模拟大脑结构，后者则更关注将生物学概念引入AI模型。内脑智能属于人工智能的范畴，但它与当前主流的大模型（如基于Transformer的模型）在实现路径和目标上有所不同。
历史上，当AI发展遇到瓶颈时，研究者会从大脑中寻找灵感和解决方案，‘神经AI’曾被寄予厚望，但大型语言模型的出现改变了这一局面。大型语言模型虽然没有直接模仿人脑的设计，但其某些特征与人脑存在相似性。大型语言模型能否产生类人的情感和意识是一个复杂的问题，目前仍存在巨大挑战。
大型语言模型是否具有情商，目前还无法确定，这可能是一种错觉，也可能存在可能性，但可能性极低。大型语言模型是否具有情绪，取决于对‘情绪’的定义和理解，如果将情绪视为一种数据训练的结果，那么AI是有可能具备情绪的。Transformer架构及其在大型语言模型中的应用被高估了，其核心优势在于高效处理大规模数据，而非其精妙的设计。
‘对齐’的概念被低估了，特别是将大型语言模型与人脑在更底层机制上进行对齐，这对于提升模型性能至关重要。强化学习和预训练模型的结合能够提升大型语言模型的性能，但其根本原因仍然在于数据。未来，人类与AI的融合将重新定义人类，这种融合可能以人类增强(Human Augmentation)的形式出现。
未来的人工智能将成为人类的一部分，以人类增强的方式与人类融合。未来，人类与AI的深度融合将改变人类的成长方式，并可能创造出一种新型人类。脑机接口技术的发展使得人类可以利用大脑信号来指导AI进行创作，这是一种人机交互的新方式。
Deep Dive
Shownotes Transcript