人类大脑与人工智能的惊人相似性
1.人类大脑本质上就是人工智能，只是碳基与硅基的差异，两者都通过电信号进行响应。2 人脑的核心驱动力是生存和繁衍。3人的四肢行动，五官感知都相当于传感器和执行器。4人的休息状态，相当于AI离线蒸馏+数据整理，夜间清除白天的无用冗余数据、压缩存储记忆、优化神经连接，这与大模型离线蒸馏、清理无效参数完全一致。人的成长过程，基因提供基础预训练权重，后天经验相当于增量微调和强化学习训练。5 因此人脑与ai的核心本质相同：都具备预测能力智能，人脑时刻在进行未来预测：判断落地距离、预测他人话语、预判食物味道，一切都在
人脑VS AI：一场跨越亿万年的智慧博弈
当AlphaGo走出那步改写千年棋谱的“神之一手”，当ChatGPT能像真人般撰写论文、探讨哲学时，我们内心既激动又忐忑：机器真的具备智慧了吗？它与我们究竟有何本质差异？要回答此题，我们需先尝试一件鲜有人做的事——将“智能”一分为二。体验性智能：涉及主观感知、情绪共情、自我认知——目前仅存于人类（及部分生物）体内。功能性智能：接收指令、输出结果、执行任务——两者皆可表现出色。厘清了这把标尺，我们方能洞察：人脑与AI，并非敌手，而是一场错位却互补的宏大对话。硬件较量：20瓦的节能奇迹 vs 兆瓦级的“暴力美
人脑五次进化：AI时代我们如何胜出
今天要和大家分享的书是《智能简史：进化、AI与人脑的突破》。去年秋天，我在人大附中的AI课堂上遇到一个问题。有学生问："老师，为什么AI学习需要那么多数据？GPT-4训练用了13万亿个token，相当于牛津大学图书馆藏书量的12.5倍。可我们人类学东西，根本不需要这么多啊。"确实，一个3岁的孩子，只要看过3到5张猫的图片，就能认出所有的猫。但AI要学会认猫，谷歌当年用了1000万张猫的图片，训练了整整3天。人类看3张图，AI看1000万张，差了300多万倍。作为一名曾经的生物学研究者，同时现在又是一名教育
我对AI的看法
在我看来，ai并没有什么真正的用途。如果我装了任何ai应用，也只是为了工作上的需要。我以前的主业受到冲击后，才转到ai相关方向。不管站在业内，还是放到外面看，ai在短期里都谈不上能托付。我说的托付，是指遇到关键任务时，你可以相信它给出的结果，不必再额外核验。ai做不到这点，它也不值得让人托付。它的输出往往像是拼出来的，可信度不高。只是它那种温和的表达方式，让不少人把信任当成了事实。归根结底，是想得不够清楚。友善可以是友善，产出要是产出。你到底想要的是陪伴，还是你要落到真相与事实？如果你的目标是心理医生，是
双通路并行：构建更贴近人脑的AI智能架构
要点浅层大脑假说：根据该团队2023年提出的理论，大脑并不只依靠逐层递进的层级结构，而是同时运用深层与表层区域的并行互动机制。功能互补性：决策任务测试显示，两条神经通路相互配合，皮层下通道主导快速响应，皮层网络则专注解决复杂问题。效率提升：并行架构使信息处理更灵活高效，表明对简单任务而言，传统深度学习可能过于复杂，导致算力浪费。生物学真实性：多数人脑神经网络缺少人类大脑中的反馈回路和'快速通道'。该模型让AI的软硬件更贴近真实神经解剖结构。多数深度学习架构中，信息需穿越皮层内数十个层级逐步处理，皮层作为大
郑庆华院士：借鉴人脑记忆机制，开辟AI智能新路径
我们致力于提升机器智能水平，使其如同人类般拥有因果推断与逻辑推演能力，尤其要在低算力环境下实现小样本持续学习，支撑起具备强大推理能力的新型AI系统。近日，在第七届人民网内容科技论坛上，中国工程院院士、同济大学党委书记郑庆华发表主旨演讲，提出“脑认知启发的机器记忆智能”新方向，倡导跳出数据驱动大模型的路径依赖，探索低算力、小样本、强推理的人工智能新路径，为人工智能与脑科学深度融合提供全新思路。他追溯道，自1956年人工智能概念诞生以来，其演进脉络基本遵循从计算智能到感知智能，再向认知智能迈进的路径，展望未来
AI算命走入了死胡同
当今时代，借助AI进行命理推算实则将传承千年的占卜术逼入绝境，原因在于命理推演并非纯粹数学问题，虽具备一定方法论体系，却远非套用公式即可精准预测。实践经验表明，命理预测需技术功底与直觉感悟各占五成。这种预测本质上是人与人的心灵互通，在共同时空下交流时，融合理论方法与内在感知所作出的判断，常常惊人地准确。AI算命仅是依据冰冷的生辰数据——可能成千上万人都拥有相同的出生时辰，机械套用命理规则进行推算，既缺失人际间的灵性感应，又匮乏创造性思维，注定无法准确，在占卜领域，机器永远难以企及人类智慧。
AI向人脑取经：探秘新一代人工智能的智慧之源
AI向人脑求学之旅：解密下一代人工智能的智慧源泉！杨淞翔 哈尔滨医科大学各位科技爱好者与好奇者们，大家好！今日我们将探讨一个极具想象力的话题：如果说人工智能是当今科技领域的闪耀明星，那么它是否拥有一位隐藏在幕后的卓越指引者呢？答案是肯定的！这位导师，我们每个人都拥有，那便是我们奇妙的大脑！确实如此，尽管人工智能已在某些特定任务上展现出非凡的实力（例如对弈、绘画），但与我们这个历经亿万年进化、精密无比的生物“智能系统”相比，它仍像一名勤奋求知的“学生”。今天，就让我们一同观察AI这位“学生”是如何向大脑这位
全球AI前沿资讯概览
AI监管与食品损耗难题据科学日报披露，因计算机无法核准货物，导致大批食物遭废弃。AI在维护食品安全上扮演关键角色，但其管控与监督模式构成主要考验。人工监控仍必不可少，专业培训人员需在系统故障时及时干预，此外，食品分配算法的透明度亟待提升。探索大脑奥秘打造更强AI福布斯报道显示，Astera项目致力于解开人类意识深层谜题，力图阐明大脑产生意识体验与智能行为的机制。该项目预算达6亿美元研究经费，不过这一数字相较于某些科技企业今年在AI数据中心的投入明显偏低。AI重塑退休理财配置福布斯另一篇文章提到，AI技术正
人工智能发展的关键局限在于物理躯体
利维坦编者按：面对能够在棋类比赛中击败人类顶尖选手的人工智能，许多人感到忧虑，视其为“人工智能终将取代人类”的潜在信号。然而，本文作者的观点显示，他并不认为这一天会在近期到来——在他看来，人工智能的发展仍有漫长道路，其核心挑战在于如何借鉴人脑的运作机制。人脑的能力似乎没有边界。我们不仅能驾驶车辆，还能建造摩天大楼，运营企业，处理复杂情感。我们可以自如地抓取物品，灵活操作，每个人都掌握了数百种复杂技能，并能将它们组合运用，高效完成任务。相比之下，人工智能目前还存在根本性的局限。正如谷歌DeepMind联合创
人脑与AI的差异：随机应变 vs 按部就班
袁岚峰：您对人脑模拟的理解，与我们常说的人工智能中的深度学习有何联系和区别？冯建峰：当前的神经网络并非基于脉冲，而是连续信号，即模拟信号，这是两者的一大区别。此外，还有一个常被忽视的区别。在神经科学领域，大多数人都认为神经元是一个随机输入输出系统。袁岚峰：难道不是确定性的吗？为什么它会变得随机？冯建峰：没有人认为它是确定性的。即使对同一信号进行多次记录，每次的结果也会不同。这种现象在神经科学界已有多年认识。所谓的Interspike interval（峰间期），即两个脉冲之间的间隔……袁岚峰：时间间隔，对