她用反思教AI“像人一样”探索：UCB录取的硬核具身智能项目

在刚刚结束的申请季里，来自上海市民办平和学校的周宸语，成功拿到加利福尼亚大学伯克利分校（UCB）工程数学与统计专业的录取 Offer。

在不少人眼中，擅长编程的理科学生常常更像埋头钻研的“极客”。但周宸语的轨迹却不止于此——她从小就自学 Python，系统学习机器学习算法的同时，也对哲学与心理学保持持续的兴趣。

“我想弄清楚人类是如何接收信息、完成学习与做出选择的；同时思考怎样让 AI 真正理解人类的需求，并能与人类顺畅互动。”

带着这种兼具理性与人文关怀的好奇心，周宸语进入斯坦福中心的 Generation-AI 项目，成为 Embodied AI & Reinforcement Learning（具身智能与强化学习）Track 的一员。她最终以 A+ 的成绩顺利结业，并获 Outstanding Student 表彰。

接下来，让我们走近周宸语的经历，看看她如何把认知科学的灵感落到代码之中，进而赋予 AI 更接近人类的“反思”能力。

01

寻找 AI 的“灵魂”

周宸语的计算机探索始于小学阶段。凭借强大的自学能力，她很早就打牢了 Python 编程基础。进入高中后，她在校内学习 AI PBL 课程，并借助 Coursera 完成了“监督机器学习”的系统训练。

随着能力不断提升，她的思考也随之拓宽：她不再只追求让程序顺利运行，而是更关心背后的问题——人类究竟靠什么机制学会知识？如果 AI 真要融入现实生活，它是否也需要以类似人的方式去理解与思考？

“具身 AI 作为人工智能与物理世界连接的桥梁，能够改善人类生活，并推动科技持续前行。”周宸语说。她希望更深入地钻研具身智能的技术与应用，理解它如何落到具体情境中，从而开发和维护具备“类似人类推理方式”的智能系统。

02

一场关于“常识”的头脑风暴

在 Generation-AI 的先导讲座上，具身智能方向的专家导师张老师的一番分享让周宸语豁然开朗。

张老师在回顾 AI 发展时提到，2018 年左右人工智能在关键环节上遭遇瓶颈：如何让 AI 获得 Common Sense（常识）。

“人类会把日常经验转化为规律。比如看到油锅里翻腾的炸鸡，你不会伸手进去，因为你知道油会烫伤；喝完水后，你也不会把水杯放在桌沿边，因为你知道它可能会掉下来洒掉——这就是常识。”张老师用形象的例子讲得非常直观。

可这些对人类而言再自然不过的常识，却很难用逻辑符号或固定规则直接灌输给 AI。即便如今的大语言模型能通过海量数据“记住”不少常识，它在与真实物理世界的对接上依然存在不足，难以做到完全可靠。

“为什么常识这么关键？因为只要有常识，机器才会更像人、更会理解真实世界，才能真正进入我们的生活并提供帮助。”

张老师关于认知科学对 AI 未来可能性的阐述，立刻点燃了周宸语的兴趣。她决定做一个把认知科学与人工智能结合起来的科创项目。

面对未知的难题，周宸语展现出很强的韧性：“我不想找最容易的路，去做一个看起来轻松但没有挑战的项目。我更想投入真正让我觉得有价值、也让我感到好奇的方向。在一次次克服困难的过程中，既能体现能力，也能真正把自己提升上去。”

03

迷宫里的硬核实验

带着这份清晰的目标，周宸语展开课题研究：Reflect-to-Explore: A Self-Adaptive Exploration Strategy for Deep Reinforcement Learning（反思驱动探索：深度强化学习中的自适应策略学习）。

那么“反思驱动探索”到底是什么？可以把它想成一个学习新知识的聪明学生：如果一次考试没考好，他不会继续按原来的方式机械复习，而是会先“反思”——到底是概念没理解透？练习还不够？随后再根据反思结果调整策略。

周宸语希望 AI 也具备这样的“认知调节机制”。在传统强化学习里，AI 遇到变化多端的环境时常常显得不够灵活，甚至会手足无措。为此，她设计了一个“双层反思框架”：

快速适应层（Fast Adaptation）：类似人类的“下意识反应”。当 AI 发现自己近期表现突然走低时，会立刻对探索策略做出小幅修正，从而迅速处理眼前的变化。

深度反思层（Reflection）：对应人类的“深度复盘”。当 AI 长时间处于低效状态，或表现持续下滑，它会触发更深入的反思，把以往的经验与教训纳入判断，并对长期策略进行大幅优化。

为了让 AI 在复杂的动态迷宫环境中准确衡量自身表现，她还搭建了一个多维度的“自信心评估系统”，综合考虑路径效率、奖励获取的稳定性以及任务成功率。

实验结果让人惊喜：周宸语的方法使 AI 的任务完成率从 37.9% 提升到 50.3%，同时平均步数也减少了 7.8%。这表明，AI 不仅更“聪明”、更会变通，效率同样获得提升。

导师张老师对该项目给予了高度肯定：“周宸语的研究抓住了一个关键难题——在没有大量计算资源的条件下，如何让 AI 在动态环境中仍能保持适应性。她的工作体现出扎实的分析深度、严谨的研究方法，以及富有创造性的解决问题能力。”

04

成为自己项目的“主理人”

在 Generation-AI 的这段旅程中，对周宸语而言最特别的，也许正是角色发生了变化。

在这里，她不再只是被动接受知识的学生，也不再只是小组任务中的跟随者。她逐渐成为真正由自己提出、主导并推进科创工作的 Leader：能够与导师进行更平等、更深入的学术交流；而导师也会倾尽全力，在经验与技术层面为她的想法提供支持。

在持续推进的过程中，周宸语不仅系统性地加深了对 AI 的理解，完成了从“会写代码”到“懂 AI、能驾驭 AI”的转变。与此同时，在 Generation-AI 线下论坛的 Hackathon 环节，她与团队成员进行思维碰撞，看见了许多同样闪耀的同龄人。这种志趣相合的共鸣，也让她在学术之外获得了更大的成长。

更重要的是，这段高强度的科研经历，成为她叩响加州大学伯克利分校（UCB）大门的关键助力。在申请 UCB 工程数学与统计专业时，周宸语在文书中分享了她在 Generation-AI 项目中的跨学科思考路径。

这个项目充分展示了她很强的“建模”能力：把反思、常识这类看似抽象又模糊的概念，转化成能够被量化的数学模型。她也清楚，顶尖名校招生官真正看重的，是跨越学科边界的好奇心，以及把大胆设想落到可执行方案中的能力。

导师张老师也表达了对她未来的期待：“她具有很大潜力，能够在具身智能领域做出有意义的贡献，尤其是在打造更具适应性、更类人化的学习系统方面。”

周宸语希望把冷冰冰的代码，变得能读懂人类的“常识”；让机器学会在迷宫里做到“先想清楚再行动”。

而在带领 AI 学会反思与探索的同时，这个年轻的女孩也完成了自己的“反思与探索”：最终走出升学季的迷宫，迎来加州伯克利灿烂的阳光。

宇宙浩瀚，代码无垠；但赋予技术灵魂的，永远是人类持续跳动的好奇心。