新智元报道

编辑：编辑部

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Will Caster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：Brain Power AI」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，AI WORLD 2016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：Walter Pitts和Warren McCulloch；右：Frank Rosenblatt

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，Geoffrey Hinton提出了「深度信念网络」，开启了深度学习的浪潮。

论文地址：https://www.cs.toronto.edu/~hinton/absps/fastnc.pdf

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」（grid cells）、面孔与物体识别神经模块（face and object recognition neural modules）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、Gemini 2.5 Pro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」（Pandemonium model），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。

Stephen Wolfram《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」（World Model）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」（Human Brain Project），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：

学习框架：开发高效的生物神经网络工具，如真实的神经模拟器，目前处于实验级别；

数据：不再是文字/图像数据，而是神经元放电模式。比如，用钙成像捕捉小鼠神经元对刺激的反应；

学习算法：类似SimuLearn优化学习方法，让精细神经元模型更高效。

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。

Demis Hassabis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：

计算能力持续指数级增长：算力的飞速提升只是时间问题

高级人工智能诞生：这是关键，一定要和大脑兼容，可能是NeuroAI架构

神经科学全面解码大脑结构与功能机制

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。