假如你正在教一只小狗學(xué)習(xí)新技能。當(dāng)你搖響鈴鐺然后給它食物，重復(fù)幾次之后，只要一搖鈴鐺，即使沒(méi)有食物，小狗也會(huì)留著口水跑過(guò)來(lái)。這就是著名的巴甫洛夫?qū)嶒?yàn)，它展現(xiàn)了生物是如何學(xué)習(xí)的。

而現(xiàn)在，杭州市北京航空航天大學(xué)國(guó)際創(chuàng)新研究院準(zhǔn)聘副教授蔡博睿和皇家墨爾本理工大學(xué)趙堯博士正在嘗試做一件更大膽的事情：他們不滿足于僅僅理解生物如何學(xué)習(xí)，而是要?jiǎng)?chuàng)造一個(gè)真正會(huì)學(xué)習(xí)、會(huì)思考的數(shù)字大腦。這個(gè)被稱為智能基礎(chǔ)模型的新構(gòu)想，可能會(huì)徹底改變我們對(duì)于 AI 的理解。

圖 | 蔡博睿（來(lái)源：蔡博睿）

目前已有的 AI 模型都是在學(xué)習(xí)特定的技能：有的專門學(xué)語(yǔ)言、有的專門識(shí)圖、有的專門處理數(shù)據(jù)。蔡博睿告訴 DeepTech，由于幻覺(jué)等問(wèn)題導(dǎo)致難以實(shí)現(xiàn)真正的 AGI。

圖 | 趙堯（來(lái)源：趙堯）

針對(duì)這一問(wèn)題，業(yè)內(nèi)出現(xiàn)了擴(kuò)展至多模態(tài)如圖像、視頻的研發(fā)路徑，以期通過(guò)處理更復(fù)雜的信息來(lái)提升模型能力。然而，蔡博睿對(duì)這條技術(shù)路線持保留態(tài)度，他認(rèn)為其對(duì)于實(shí)現(xiàn) AGI 而言，方向尚不夠清晰和明確。

一些頂尖 AI 學(xué)者也正在探索更具多樣性、更為根本的通用智能路徑。例如，圖靈獎(jiǎng)得主楊立昆（Yann LeCun）近期就倡導(dǎo)并致力于構(gòu)建“世界模型”來(lái)攻克此目標(biāo)。正是基于這樣的行業(yè)洞察與深入思考，蔡博睿才形成了本次研究的最初構(gòu)想。

（來(lái)源：https://arxiv.org/abs/2511.10119）

研究中，他和團(tuán)隊(duì)提出了一個(gè)新的思路：繞開(kāi)當(dāng)前主流的多模態(tài)路徑，轉(zhuǎn)而從更本質(zhì)的層面去構(gòu)建 AGI，讓 AI 直接學(xué)習(xí)智能本身?；诖耍麄兪状翁岢隽酥悄芑A(chǔ)模型這一全新概念。

這個(gè)想法的靈感來(lái)自于一個(gè)真實(shí)的觀察：世界上有 80 億人，每個(gè)人的大腦構(gòu)造都不完全相同，甚至有個(gè)別案例顯示，即使大腦嚴(yán)重受損，智能依然可以正常運(yùn)作。蔡博睿舉例稱：“19 世紀(jì)的一位法國(guó)數(shù)學(xué)家，盡管他大腦的 95% 都是腦積水，實(shí)際腦容量遠(yuǎn)小于常人，但他的智商依然超過(guò)了 120。

這個(gè)例子強(qiáng)有力地表明，智能背后一定存在著某種不依賴于特定物理結(jié)構(gòu)的、更為底層的通用機(jī)制。”就像無(wú)論用木材、鋼鐵還是塑料造橋，只要遵循正確的力學(xué)原理，橋都可以站穩(wěn)。智能也是如此，它可能是一種深層的運(yùn)作原理，并且完全無(wú)需依賴具體的生物構(gòu)造。

（來(lái)源：https://arxiv.org/abs/2511.10119）

那么，如何建造這樣一個(gè)數(shù)字大腦？蔡博睿團(tuán)隊(duì)設(shè)計(jì)了狀態(tài)神經(jīng)網(wǎng)絡(luò)，這是一個(gè)新穎的架構(gòu)，能夠模仿真實(shí)大腦的工作方式。這個(gè)網(wǎng)絡(luò)中的每個(gè)數(shù)字神經(jīng)元都有自己的內(nèi)部狀態(tài)，能夠記住過(guò)去的信息。

它們之間的連接不是簡(jiǎn)單的前后順序，而是像社交網(wǎng)絡(luò)一樣復(fù)雜交錯(cuò)，信息可以在其中循環(huán)流動(dòng)、分支匯合。同時(shí)，這些連接強(qiáng)度會(huì)根據(jù)使用情況自動(dòng)調(diào)整，常用的連接會(huì)變強(qiáng)，不用的連接會(huì)減弱。這正好模仿了人類大腦用進(jìn)廢退的學(xué)習(xí)原理。

對(duì)于狀態(tài)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，蔡博睿等人不是直接教它具體任務(wù)，而是讓它學(xué)習(xí)和預(yù)測(cè)神經(jīng)元的輸出信號(hào)。這就像不是教小狗具體的指令，而是讓它理解在什么情況下應(yīng)該產(chǎn)生什么反應(yīng)的內(nèi)在規(guī)律。通過(guò)觀察大量的智能行為樣本，系統(tǒng)會(huì)逐漸領(lǐng)悟到智能背后的通用原理。

（來(lái)源：https://arxiv.org/abs/2511.10119）

要想從理論走向現(xiàn)實(shí)，需要一步步地實(shí)現(xiàn)線路圖。這個(gè)長(zhǎng)遠(yuǎn)的計(jì)劃將分階段實(shí)現(xiàn)。第一階段是從小處著手，蔡博睿團(tuán)隊(duì)計(jì)劃先從簡(jiǎn)單的生物開(kāi)始，比如從只有 302 個(gè)神經(jīng)元的秀麗隱桿線蟲(chóng)開(kāi)始。雖然它很小，但是已經(jīng)具備了覓食、交配等基本智能行為。

通過(guò)構(gòu)建線蟲(chóng)的智能基礎(chǔ)模型，即可初步驗(yàn)證這一理念的可行性。第二階段是功能擴(kuò)展，即可以專門開(kāi)發(fā)能被用于工業(yè)機(jī)械臂、家庭助手機(jī)器人等應(yīng)用的智能模型。這些專門的智能體將逐漸融合成為統(tǒng)一的通用智能系統(tǒng)。想象一下，未來(lái)的工業(yè)機(jī)器人不再需要為每個(gè)新任務(wù)重新編程，它們可以像熟練工人一樣，通過(guò)觀察和嘗試來(lái)自學(xué)新技能。

家庭機(jī)器人不僅可以執(zhí)行指令，還能理解你的習(xí)慣和偏好，從而主動(dòng)提供幫助。這種技術(shù)或許還可以幫助那些因傷病失去部分大腦功能的人。通過(guò)植入人工神經(jīng)元，逐步替代受損的腦區(qū)，同時(shí)可以保持意識(shí)的連續(xù)性，從而能為腦損傷治療提供全新可能。

（來(lái)源：https://arxiv.org/abs/2511.10119）

總的來(lái)說(shuō)，本次研究初步提出了機(jī)器意識(shí)這一概念。針對(duì)此前學(xué)術(shù)界關(guān)于大模型是否具備意識(shí)的爭(zhēng)論，蔡博睿等人基于生物學(xué)原理，為機(jī)器意識(shí)給出了一個(gè)清晰的定義。根據(jù)他們的定義，當(dāng)前的大模型顯然不具備機(jī)器意識(shí)。在應(yīng)用前景上，他們的框架為實(shí)現(xiàn)真正的 AGI 指明了一條路徑。

其近期應(yīng)用可能包括開(kāi)發(fā)更智能的家用機(jī)器人、工業(yè)機(jī)器人，以及創(chuàng)造出具備更高級(jí)自主決策能力的智能體。而這個(gè)研究最令人感到興奮的部分，在于它或許能夠打通生物智能與 AI 之間的壁壘。如果智能確實(shí)是一種不依賴于特定載體的通用原理，那么人類的意識(shí)、思維、創(chuàng)造力是否也能在其他媒介中延續(xù)？

更具深遠(yuǎn)意義的是，本次理論框架為解決“智能統(tǒng)一性”這一根本問(wèn)題提供了新的視角。蔡博睿認(rèn)為，如果可以通過(guò)“智能基礎(chǔ)模型”實(shí)現(xiàn)的機(jī)器智能，那么它在本質(zhì)上與人類的智能并無(wú)不同，區(qū)別僅在于實(shí)現(xiàn)的載體——人類依托生物神經(jīng)元，而機(jī)器依托人工神經(jīng)網(wǎng)絡(luò)。這一觀點(diǎn)打破了將人與機(jī)器智能視為完全不同形態(tài)的傳統(tǒng)看法。

因此，本次研究甚至為未來(lái)實(shí)現(xiàn)“意識(shí)上傳”或“心智移植”提供潛在的理論基礎(chǔ)。與創(chuàng)建意識(shí)“復(fù)制體”的思路不同，本次框架支持一種“連續(xù)性心智上傳”的愿景：即通過(guò)技術(shù)手段，將人類大腦中的生物神經(jīng)元緩慢、連續(xù)地替換為人工神經(jīng)元，從而在保持意識(shí)不間斷的前提下，實(shí)現(xiàn)人類心智與機(jī)器載體的融合。

這不是制造一個(gè)復(fù)制品，而是讓原有的意識(shí)在新的載體中繼續(xù)存在和擴(kuò)展。這聽(tīng)起來(lái)像是科幻小說(shuō)，但是基于智能基礎(chǔ)模型的理論，這至少是一條邏輯上可行的路徑。它意味著某一天，人類的思維或許真的能夠突破生物壽命的限制。

當(dāng)然，在這條路上依然充滿挑戰(zhàn)。獲取足夠的神經(jīng)信號(hào)數(shù)據(jù)是首要難題。直接記錄生物神經(jīng)活動(dòng)目前還只能小規(guī)模進(jìn)行，而通過(guò)傳感器間接收集行為數(shù)據(jù)又可能會(huì)丟失細(xì)節(jié)。

另一個(gè)挑戰(zhàn)是如何確保這個(gè)系統(tǒng)真正理解智能的本質(zhì)，而不只是表面模仿。就像真正理解數(shù)學(xué)和背誦公式之間的區(qū)別，因此蔡博睿等人還需找到驗(yàn)證數(shù)字大腦是否真的擁有了智能的方法。

總的來(lái)說(shuō)，本次研究為探索 AI 打開(kāi)了一扇新的大門。它告訴我們，智能可能不是生物獨(dú)有的神秘屬性，而是一種可以被理解、被建模、被重現(xiàn)的復(fù)雜系統(tǒng)特性。

參考資料：

相關(guān)論文 https://arxiv.org/abs/2511.10119

運(yùn)營(yíng)/排版：何晨龍