**AGI的未来：从脑科学到数字永生** **——刘嘉教授的「智脑AI」构想** --- ### **Transformer的「序列建模」困境** 当前AI的基石——Transformer架构，虽然在文本生成、图像识别等领域取得突破，但其核心机制存在根本性局限。 1. **感知并行性缺失** 人类大脑的感知并非线性处理，而是多线程并行。例如，面对飞来的黑球，人会本能躲避，而非先分析颜色或来源。Transformer的序列处理模式难以模拟这种并行机制，导致AI在动态环境中表现笨拙。 2. **计算可约性瓶颈** LLM依赖海量数据预训练，通过公式推导预测结果。但现实世界本质是「不可约」的，需一步步模拟。例如，小猫跳跃时依靠的是直觉物理引擎，而非牛顿公式推导。当前「世界模型」虽能推理，却无法实现运动仿真。 --- ### **NeuroAI的崛起：大脑仿真的新纪元** 刘嘉教授提出，要实现真正的类人AGI，需从脑科学汲取新启发，构建「感知-思维-运动」三位一体的系统。 1. **NeuroAI的核心价值** - **生物神经网络工具**：开发真实神经模拟器，如Nature近期发表的「小鼠视觉模型」，从神经元级仿真实现感知。 - **数据革命**：用钙成像捕捉神经元对刺激的反应，替代传统文字/图像数据。 - **学习算法优化**：如SimuLearn，提升精细神经元模型的效率。 2. **三大关键挑战** - **学习框架**：需构建高效的生物神经网络工具，目前处于实验阶段。 - **数据**：需神经元放电模式，如小鼠对刺激的反应数据。 - **算法**：优化学习方法，使神经元模型更高效。 --- ### **应用前景：从药物研发到数字永生** 1. **药物研发革命** - 传统药物测试需10-15年，而NeuroAI可模拟100万个「仿真大脑」，将新药研发时间压缩至数周。 - 例如，AlphaFold预测蛋白质结构，但药物安全性仍需神经仿真验证。 2. **脑机接口突破** - 当前BCI依赖运动皮层拓扑，无法直接解码人类意图。NeuroAI可构建生物神经元模型，实现真正的「脑控」。 3. **数字永生的可能** - 库兹韦尔预测2040-2050年，人类可将意识上传至计算机，实现数字永生。 - 条件：算力指数级增长、高级AI兼容大脑、神经科学全面解码大脑结构。 --- ### **「心智冰山」的觉醒** 刘嘉教授以弗洛伊德的「心智冰山」模型收尾： - **水面之上**（20%）：意识层，LLM推理和语言处理在此解决。 - **水面之下**（80%）：潜意识层，掌控感知和运动，如小脑协调投掷动作。 - **AGI的终极目标**：整合感知（并行）、推理（序列）、运动（仿真），实现类人智能。 --- ### **结语：AGI时代的创造者** 新智元作为AI领域的桥梁，正连接思想火花。刘嘉教授的「智脑AI」构想，指向一个无界未来——或许，数字永生不再是科幻，而是现实的下一个章节。