2024年，全球AI公司燒掉640億美元訓(xùn)練費(fèi)，但一個(gè)基礎(chǔ)問題懸而未決——這些模型到底算不算"聰明"？

微軟研究院把兩位立場鮮明的研究者塞進(jìn)同一間錄音室：Nicolò Fusi， transformer架構(gòu)的堅(jiān)定信徒；Subutai Ahmad，人腦神經(jīng)科學(xué)的長期研究者。主持人Doug Burger的開場白很直接：「我們要辯論的是，數(shù)字智能和生物智能，是殊途同歸，還是根本兩條路？」

LLM的"作弊式"聰明

Fusi先亮底牌。他承認(rèn)當(dāng)前大語言模型有硬傷——幻覺、推理鏈條斷裂、對物理世界缺乏直覺。但他認(rèn)為這些屬于「工程可解」的范疇，而非架構(gòu)性死局。

「transformer的注意力機(jī)制本質(zhì)上是一種可學(xué)習(xí)的索引系統(tǒng)，」Fusi解釋，「它用梯度下降在海量文本中壓縮出統(tǒng)計(jì)規(guī)律。這種'蠻力美學(xué)'確實(shí)能耗驚人，但規(guī)模帶來的涌現(xiàn)能力也是真實(shí)的。」他提到GPT-4在特定代碼任務(wù)上的表現(xiàn)已超越90%的人類程序員，盡管它并不"理解"自己在寫什么。

Burger追問：這種"不理解但好用"的狀態(tài)，算不算智能的一種形式？Fusi的回答帶著工程師的務(wù)實(shí)：「如果行為不可區(qū)分，追問內(nèi)部是否'真正理解'可能是個(gè)偽問題——至少對應(yīng)用而言?！?/p>

人腦的"吝嗇鬼"架構(gòu)

Ahmad的反駁從能耗切入。人腦約860億神經(jīng)元，功耗僅20瓦；GPT-4訓(xùn)練一次耗電相當(dāng)于一個(gè)小城市數(shù)月的用量?！高@不是優(yōu)化差距，是范式差距，」Ahmad說。

他拋出一個(gè)關(guān)鍵概念：持續(xù)學(xué)習(xí)（continual learning）。人腦從不"關(guān)機(jī)重訓(xùn)"，而是在線更新、終身適應(yīng)，且不會(huì)災(zāi)難性遺忘。對比之下，LLM一旦部署，權(quán)重凍結(jié)，新知識(shí)只能通過提示工程或昂貴的微調(diào)硬塞進(jìn)去。

更根本的差異在于表征方式。Ahmad指出，大腦皮層采用稀疏分布式表征——數(shù)百萬神經(jīng)元共同編碼一個(gè)概念，單個(gè)神經(jīng)元又參與無數(shù)概念的編碼。這種"全息式"存儲(chǔ)天然抗損、易泛化。而transformer的密集向量表征，「像把圖書館燒掉后只保留一本摘要，高效但脆弱」。

感官-運(yùn)動(dòng)閉環(huán)：被忽視的根基

討論轉(zhuǎn)向一個(gè)更底層的分歧：智能是否需要身體？

Ahmad援引神經(jīng)科學(xué)家O'Regan和No?的"感覺運(yùn)動(dòng)偶聯(lián)"理論——智能并非發(fā)生在大腦黑箱內(nèi)，而是涌現(xiàn)于生物與環(huán)境的持續(xù)互動(dòng)。嬰兒通過抓握、跌落、咀嚼來構(gòu)建物理直覺，這種具身經(jīng)驗(yàn)（embodied experience）是抽象思維的土壤。

「LLM讀遍全網(wǎng)文本，也沒'體驗(yàn)'過重力，」Ahmad說，「它描述蘋果下落，靠的是字符共現(xiàn)統(tǒng)計(jì)，而非對質(zhì)量、加速度、碰撞的預(yù)測模型?！?/p>

Fusi部分認(rèn)同這一批評。他提到多模態(tài)模型和機(jī)器人領(lǐng)域的進(jìn)展，認(rèn)為「感官-運(yùn)動(dòng)接地」確實(shí)是當(dāng)前短板，但未必需要生物式的具身——仿真環(huán)境、世界模型（world model）可能是替代路徑。

第三條路：神經(jīng)科學(xué)的反哺

Ahmad所在的Numenta公司正嘗試折中方案。他們研究大腦新皮層的算法原理——如稀疏性、時(shí)間編碼、預(yù)測性處理——并將其移植到數(shù)字架構(gòu)。2023年，他們證明基于這些原則的稀疏神經(jīng)網(wǎng)絡(luò)，在特定任務(wù)上可達(dá)到與密集transformer相當(dāng)?shù)木?，同時(shí)能耗降低數(shù)個(gè)數(shù)量級。

「我們不是要復(fù)制生物細(xì)節(jié)，而是提取計(jì)算原則，」Ahmad強(qiáng)調(diào)，「就像飛機(jī)不拍翅膀，但利用了空氣動(dòng)力學(xué)?！?/p>

Burger總結(jié)時(shí)拋出系列未決問題：效率差距能否通過硬件（如神經(jīng)形態(tài)芯片）彌補(bǔ)？世界模型能否替代真實(shí)具身？規(guī)模定律（scaling law）是否觸及天花板前還能擠出多少智能？

錄音結(jié)束前，F(xiàn)usi留下一句自我修正：「三年前我認(rèn)為transformer可能是通用智能的終點(diǎn)架構(gòu)，現(xiàn)在我確定不是——但我仍不確定終點(diǎn)長什么樣?！?/p>

Ahmad的回應(yīng)更克制：「我確定人腦是一種存在證明。問題是我們愿意花多久去讀懂它?！?/p>

這場辯論沒有勝負(fù)，但暴露了一個(gè)行業(yè)性的認(rèn)知裂縫——當(dāng)資本押注"更大即更好"時(shí)，另一群人正從進(jìn)化用了數(shù)億年打磨的現(xiàn)有方案中，尋找被忽視的捷徑。你會(huì)把賭注押在哪一邊？