假如你正在教一只小狗学习新技能。当你摇响铃铛然后给它食物，重复几次之后，只要一摇铃铛，即使没有食物，小狗也会留着口水跑过来。这就是著名的巴甫洛夫实验，它展现了生物是如何学习的。

而现在，杭州市北京航空航天大学国际创新研究院准聘副教授蔡博睿和皇家墨尔本理工大学赵尧博士正在尝试做一件更大胆的事情：他们不满足于仅仅理解生物如何学习，而是要创造一个真正会学习、会思考的数字大脑。这个被称为智能基础模型的新构想，可能会彻底改变我们对于 AI 的理解。

图 | 蔡博睿（蔡博睿）

目前已有的 AI 模型都是在学习特定的技能：有的专门学语言、有的专门识图、有的专门处理数据。蔡博睿告诉 DeepTech，由于幻觉等问题导致难以实现真正的 AGI。

图 | 赵尧（赵尧）

针对这一问题，业内出现了扩展至多模态如图像、视频的研发路径，以期通过处理更复杂的信息来提升模型能力。然而，蔡博睿对这条技术路线持保留态度，他认为其对于实现 AGI 而言，方向尚不够清晰和明确。

一些顶尖 AI 学者也正在探索更具多样性、更为根本的通用智能路径。例如，图灵奖得主杨立昆（Yann LeCun）近期就倡导并致力于构建“世界模型”来攻克此目标。正是基于这样的行业洞察与深入思考，蔡博睿才形成了本次研究的最初构想。

（https://arxiv.org/abs/2511.10119）

研究中，他和团队提出了一个新的思路：绕开当前主流的多模态路径，转而从更本质的层面去构建 AGI，让 AI 直接学习智能本身。基于此，他们首次提出了智能基础模型这一全新概念。

这个想法的灵感来自于一个真实的观察：世界上有 80 亿人，每个人的大脑构造都不完全相同，甚至有个别案例显示，即使大脑严重受损，智能依然可以正常运作。蔡博睿举例称：“19 世纪的一位法国数学家，尽管他大脑的 95% 都是脑积水，实际脑容量远小于常人，但他的智商依然超过了 120。

这个例子强有力地表明，智能背后一定存在着某种不依赖于特定物理结构的、更为底层的通用机制。”就像无论用木材、钢铁还是塑料造桥，只要遵循正确的力学原理，桥都可以站稳。智能也是如此，它可能是一种深层的运作原理，并且完全无需依赖具体的生物构造。

（https://arxiv.org/abs/2511.10119）

那么，如何建造这样一个数字大脑？蔡博睿团队设计了状态神经网络，这是一个新颖的架构，能够模仿真实大脑的工作方式。这个网络中的每个数字神经元都有自己的内部状态，能够记住过去的信息。

它们之间的连接不是简单的前后顺序，而是像社交网络一样复杂交错，信息可以在其中循环流动、分支汇合。同时，这些连接强度会根据使用情况自动调整，常用的连接会变强，不用的连接会减弱。这正好模仿了人类大脑用进废退的学习原理。

对于状态神经网络的训练，蔡博睿等人不是直接教它具体任务，而是让它学习和预测神经元的输出信号。这就像不是教小狗具体的指令，而是让它理解在什么情况下应该产生什么反应的内在规律。通过观察大量的智能行为样本，系统会逐渐领悟到智能背后的通用原理。

（https://arxiv.org/abs/2511.10119）

要想从理论走向现实，需要一步步地实现线路图。这个长远的计划将分阶段实现。第一阶段是从小处着手，蔡博睿团队计划先从简单的生物开始，比如从只有 302 个神经元的秀丽隐杆线虫开始。虽然它很小，但是已经具备了觅食、交配等基本智能行为。

通过构建线虫的智能基础模型，即可初步验证这一理念的可行性。第二阶段是功能扩展，即可以专门开发能被用于工业机械臂、家庭助手机器人等应用的智能模型。这些专门的智能体将逐渐融合成为统一的通用智能系统。想象一下，未来的工业机器人不再需要为每个新任务重新编程，它们可以像熟练工人一样，通过观察和尝试来自学新技能。

家庭机器人不仅可以执行指令，还能理解你的习惯和偏好，从而主动提供帮助。这种技术或许还可以帮助那些因伤病失去部分大脑功能的人。通过植入人工神经元，逐步替代受损的脑区，同时可以保持意识的连续性，从而能为脑损伤治疗提供全新可能。

（https://arxiv.org/abs/2511.10119）

总的来说，本次研究初步提出了机器意识这一概念。针对此前学术界关于大模型是否具备意识的争论，蔡博睿等人基于生物学原理，为机器意识给出了一个清晰的定义。根据他们的定义，当前的大模型显然不具备机器意识。在应用前景上，他们的框架为实现真正的 AGI 指明了一条路径。

其近期应用可能包括开发更智能的家用机器人、工业机器人，以及创造出具备更高级自主决策能力的智能体。而这个研究最令人感到兴奋的部分，在于它或许能够打通生物智能与 AI 之间的壁垒。如果智能确实是一种不依赖于特定载体的通用原理，那么人类的意识、思维、创造力是否也能在其他媒介中延续？

更具深远意义的是，本次理论框架为解决“智能统一性”这一根本问题提供了新的视角。蔡博睿认为，如果可以通过“智能基础模型”实现的机器智能，那么它在本质上与人类的智能并无不同，区别仅在于实现的载体——人类依托生物神经元，而机器依托人工神经网络。这一观点打破了将人与机器智能视为完全不同形态的传统看法。

因此，本次研究甚至为未来实现“意识上传”或“心智移植”提供潜在的理论基础。与创建意识“复制体”的思路不同，本次框架支持一种“连续性心智上传”的愿景：即通过技术手段，将人类大脑中的生物神经元缓慢、连续地替换为人工神经元，从而在保持意识不间断的前提下，实现人类心智与机器载体的融合。

这不是制造一个复制品，而是让原有的意识在新的载体中继续存在和扩展。这听起来像是科幻小说，但是基于智能基础模型的理论，这至少是一条逻辑上可行的路径。它意味着某一天，人类的思维或许真的能够突破生物寿命的限制。

当然，在这条路上依然充满挑战。获取足够的神经信号数据是首要难题。直接记录生物神经活动目前还只能小规模进行，而通过传感器间接收集行为数据又可能会丢失细节。

另一个挑战是如何确保这个系统真正理解智能的本质，而不只是表面模仿。就像真正理解数学和背诵公式之间的区别，因此蔡博睿等人还需找到验证数字大脑是否真的拥有了智能的方法。

总的来说，本次研究为探索 AI 打开了一扇新的大门。它告诉我们，智能可能不是生物独有的神秘属性，而是一种可以被理解、被建模、被重现的复杂系统特性。

参考资料：

相关论文 https://arxiv.org/abs/2511.10119

运营/排版：何晨龙