对Transformer说不! 清华刘嘉: 2045数字永生降临|新智元十年峰会

新智元报道

[新智元导读]AGI真正降临那天，人类意识上传终获「数字永生」！它将模拟大脑每一次脉冲，预测世界每一种变迁，甚至重构灵魂本质。新智元十周年峰会上，清华刘嘉教授带来了一场思想盛宴。他从脑科学角度，深入解析AGI如何突破生物桎梏，开启无限的可能。

在不远的未来，人类意识如量子之波流转，最终汇入无垠的数字宇宙。

此时此刻，AI正以指数级的速度进化，吞噬着一切不可能。人们尚未察觉到的是，AGI已悄然觉醒！

它不是冷冰冰的算法堆砌，而是如活物般脉动的「大脑模拟器」。

每一丝神经元的脉冲，每一次突触的跃动，都被精准捕捉、放大、重构。

AGI不再满足于预测下一个token，或是生成一幅图像。它开始模拟整个宇宙的演化，遇见无数平行现实的可能性。

甚至，将人类意识上传，或许也不再是科幻电影中的桥段，而成为可触及的现实边界。

《超验骇客》中，男主WillCaster将自己的意识上传至计算机，成为了人机合一的强人工智能

这个科幻般的愿景，并非遥不可及的幻梦。它根植于人类对智能本质的追问：

大脑如何孕育意识？

机器能否真正觉醒？

当AGI到来，我们的命运将如何重塑？

新智元十周年峰会上，清华大学基础科学讲席教授刘嘉，一位脑科学领域的跨界者，以「智脑AI：BrainPowerAI」为题，分享了他的前沿洞见。

新智元十年情缘，脑科学跨界AI

提到刘嘉教授，就不得不说起他与新智元的深厚渊源。

2016年，那一年被誉为「AI元年」的时刻，恰恰也是新智元成立刚满一周年。

新智元一周年，机器人组团庆生

从2015年9月7日上线至今，新智元走过了十年的历程，刘嘉教授也一路陪伴。这份缘分，让他的分享更添温度。

大会现场，刘嘉教授感慨道，「要论资历，我和杨静总大概是在场所有人中，最『老』的两位了」。

这话可不是随便说说的，我有「物证」！

他手持「新智元成立一周年」的纪念邀请函，激动地向全场展示了这份回忆和岁月的见证。

那一年，AIWORLD2016世界人工智能大会在北京隆重召开，刘嘉教授重磅出席了「新智元百人会领袖峰会」的活动。

可以说，我是和新智元一路同行了十年，倍感荣幸，也满怀感慨。

同样在这一年，AlphaGo以4:1的总分，在五场人机大战中战胜了世界级「九段棋王」李世石。

甚至，在第二局棋盘中，AlphaGo下出了石破天惊的「第37步」，后来被人们称之为「神之一手」。

这个里程碑事件，不仅让围棋界为之震动，更让全球目光聚焦于机器智能的潜力。

图右：AlphaGo神之一手——第37步

2016年，对于刘嘉教授个人而言，也是一个转折点。

那一年，他担任江苏卫视《最强大脑》的科学总顾问，亲自策划新一季内容时，突然萌生了「人机大战」的想法——

要不要来场人机大战？人和AI同台竞技，到底谁更厉害？

当时，他们联手百度开启的「人脸识别对战」中，AI在跨年龄任务的识别准确率上超越人类。

这场「人机大战」，在公众中引发了极大轰动。

很多人第一次意识到——AI在人脸识别上，竟然超越了人类的能力极限。

同时，它也让刘嘉教授开始深思：作为脑科学专家，如何将脑科学与AI融合，回应时代的召唤？

AI站上巨浪之巅，脑科学却沉默了？

谈及脑科学与AI的发展，是一种「双螺旋」式的共生关系，相互促进、相互启发。

现场，刘嘉教授用这个比喻，生动地描绘了两者的历史交融。

早期阶段，人工智能的核心进展，受益于脑科学的深刻启发。

早在1943年，第一个人工神经元模型MCP（McCulloch-Pitts）诞生，直接源于脑科学的启发。

它模拟了神经元的「全或无」的放电原理，奠定了现代AI深度学习的基础。

左：WalterPitts和WarrenMcCulloch；右：FrankRosenblatt

1958年，感知机（Perceptron）问世，这是第一个可学习的神经网络，又一次借鉴了大脑的「连接主义」。

可以说，没有脑科学的推动，人工神经网络的发展就难以起步。而这种双向互动，一直持续到了深度学习时代。

2006年，GeoffreyHinton提出了「深度信念网络」，开启了深度学习的浪潮。

自此以后，这一「螺旋式」结构开始解构，AI和脑科学走向了各自的道路。

AI迅猛发展，从卷积神经网络到Transformer架构，征服了图像识别、语言生成等领域。

而脑科学则深入探索「网格细胞」（gridcells）、面孔与物体识别神经模块（faceandobjectrecognitionneuralmodules）等基础领域。

两者之间的交集日益减少，关联逐渐弱化、渐行渐远。

如今，ChatGPT、Gemini2.5Pro等大模型，常借用脑科学概念，比如MoE架构模拟大脑的分工协作。

但刘嘉教授直言，「坦白讲，当前脑科学对LLM并未产生实质性的贡献，更多只是停留在概念层面上的借用」。

这就引发了一个深刻的问题——

脑科学的使命，就这样结束了吗？亦或是，它能进一步启发AI，迈向AGI？

答案是肯定的！

这是因为，如今的王者架构Transformer，无法带人类最终抵达AGI。

Transformer困在「序列牢笼」

作为当代AI的基石，Transformer驱动了从文本生成、到图像、视频、语音多模态跨越的奇迹。

其核心机制——预测下一个token，虽具备了超强的生成能力，但本质上仍是一种「序列建模」的方式。

刘嘉教授犀利地指出，「Transformer的局限性，显而易见」。

首先，是感知问题的非并行性。

人类感知并非线性序列，而是多线程并行。

1960年代提出的「万魔堂」（Pandemoniummodel），一个关于人类感知的经典模型，生动地诠释了这一点。

识别字母「A」时，大魔王（意识层）宣布结果前，无数小鬼（无意识层）并行处理特征。

在有意识加工前，人类大脑存在着大量的无意识加工，而所有无意识的加工，全是高度并行的。

这些并行机制，对于人类生存而言，至关重要。

举个例子，一个黑气球飞来，你不会先去分析它的颜色，谁扔的，第一反应是先躲避。

刘嘉教授以此类比，「这就是为什么现在机器人不能在现实生活中，真正工作的一个根本原因」。

Transformer的序列处理，无法模拟这种并行，导致AI在动态环境中笨拙。

其次，是预训练范式的计算可约性。

LLM通过海量数据预训练，高效预测结果。但这种预训练方式，存在一个根本性问题：

它依赖于「计算可约」或「可压缩」的假设。

StephenWolfram《一种新科学》一书中指出，「真实的世界本质，是不可预测的：只要足够复杂的系统，就一定是不可约的」。

你必须一步步模拟，不能跳跃所有步骤，提前预知结果。

比如，银行利息公式可直接计算百年收益，但人生轨迹不行，五年后的事儿，需要知道每一年发生了什么。

这也恰恰是，当前LLM无法做到的事——计算不可约。

再举个例子，小猫跳栅栏时，小脚跺得可爱到爆，那是它在不断调整姿势，在脑海中「仿真」跳跃。

这个过程依靠的，不是用牛顿公式推导后跳跃，而是「直觉物理引擎」告诉小猫——这次可以跳过去。

当前「世界模型」（WorldModel）虽爆火，却侧重是推理而非仿真。刘嘉教授强调，「运动需要仿真而非推理，这是关键的一点」。

他提到，人类的认知模型，分为感知、思维、运动。

Transformer虽征服了「思维层」，但感知（并行）和运动（仿真）仍留有空白。

也就是说，Transformer、世界模型都走不通了，我们该怎么办？

「大脑仿真」革命来临，AGI真正钥匙

刘嘉教授的一句话，直接点明了要点，「要构建一个真正完备的、类人的智能系统，需要从脑科学汲取新启发」。

要实现真正的类人AGI，就必须在「感知」和「运动」这两个关键环节实现突破。

但到目前为止，人类大脑如何运作仍旧未知，但可以通过「仿真」去实现。

现实中，我们也需要的是NeuroAI——生物启发的神经网络。关键在于「仿真」大脑，而非抽象算法。

实际上，此前已有诸多科学家，在该领域取得了不断的探索。

今年4月，Nature连发8篇文章，模拟小鼠视觉模型。从外侧膝状体（LGN）到视觉皮层（V1），神经元级仿真令人惊叹。

同时，欧盟长达十年的「虚拟大脑计划」（HumanBrainProject），也曾用MRI数据模拟出了全脑活动。

而刘嘉教授正在做的，将微观层面和宏观层面相结合，去构建真正意义上的「大脑」。

但是，要做这件事，确实不易。

它需要解决三大问题，类似于AI中的学习框架、数据、学习算法：

在刘嘉教授看来，当前NeuroAI、BNN的研究，正处于类似「Transformer时刻」，应用潜力巨大、前景广阔。

那么，它具体可以用在哪里？

2045意识上传，人类数字永生

首当其冲的，是大脑健康。

DemisHassabis拿下诺奖之后曾预测，「未来十年，AI开发的新药将会治愈所有疾病」。

刘嘉教授坚定地表示，这一点自己非常赞同。因为AlphaFold已通过「计算可约」，成功预测了蛋白质结构。

但是，人们忽略了一点，药物测试的「计算不可约」。

药物研发出来，是否安全，是否达到了效果，从小鼠到人体至少需要10～15年的时间。

有了「仿真大脑」，就可以直接在数字世界中测试药物效果。

通过并行计算，可同时让100万个「仿真大脑」接受药物测试，并将药物转化为数字形式，精确模拟其对神经元活动的影响。

这种方式，直接将传统新药研发时间，大幅压缩到短短一两周内。

其次，它还可以用在「脑机接口」（BCI）领域。

BCI核心瓶颈不在于电极和通道的数量，而是解码神经元的真正含义。

当前，BCI大多依赖运动皮层拓扑，作为代理路径，并未直接反映人类的真实意图。

而NeuroAI可构建生物神经元模型，解码思维和语言，实现真正的脑控。

最科幻的终极目标，是数字永生。

2005年，库兹韦尔在《奇点临近》一书中预测，2029年AI通过图灵测试，这一观点在当时看来近乎疯狂。

去年，他又写了另一本新书《奇点更近了》，提到：

2040—2050年，人类可以把意识、记忆、个性特征数字化，并上传至计算机，从而摆脱肉体，实现真正的永生。

刘嘉教授认为，「尽管这只是预测，但实现具备一定的可能性」。

主要依赖以下三个关键条件：

届时，我们将拥有一个全新的载体——数字大脑，以及神经元活动读取的方式。

刘嘉教授感慨，这一看似疯狂的梦想也许终将成真。人类或许不再为死亡焦虑，真正迎来「数字永生」。

AGI终将跨越冰山，「三体」觉醒

演讲最后，刘嘉教授以一张1900年弗洛伊德的模型结束分享：

人的「心智」就像一座冰山，一部分是水面之上的意识；另一部分是冰山之下的潜意识。

意识，是我们可以感知的，占人类心智20%。所谓的LLM推理、人类语言，全是在这个层面解决。

而水面之下80%的冰山，是感知和运动。

比如，小脑无需经过思考，就可以协调完成投掷动作，是一种近乎自动的、无意识干预的智能。

从神经结构上看，小脑拥有近700亿个神经元，远超大脑皮层的神经元（160亿个）。

它不在意识中，却支撑着人类大部分本能的动作。

真正的AGI需要整合三者：感知（并行）、推理（序列）、运动（仿真）。这是刘嘉教授努力的方向，也是下一代AI的征途。

新智元作为AI领域的桥梁，连接了无数思想火花，而刘嘉教授的「智脑AI」构想，正是这一桥梁上的全新篇章。

在AGI时代，我们不止是旁观者，更是创造者。

刘嘉教授的「智脑AI」，桥接脑科学与AI的双螺旋，指向一个无界未来。

或许，上传意识不再是梦，而是现实的下一个章节。