哈嘍大家好,今天老張帶大家聊聊,咱就說個扎心事實:現(xiàn)在AI看著牛得不行,能贏圍棋冠軍、能診病,但背地里竟是個“忘事精”。
學了新技能就丟舊本事,跟魚記七秒似的!反觀咱人腦,學會開車再學摩托順風順水,懂一門外語再學第二門事半功倍,這差距到底咋來的?
![]()
![]()
進化出來的智能捷徑
最近普林斯頓大學發(fā)在《自然》雜志上的研究,直接扒出了人腦的“作弊秘籍”!神經科學家蒂姆·布什曼帶團隊做實驗,選的是恒河猴——為啥選猴子?
說白了,這貨的前額葉皮層跟人腦結構、認知功能太像了,研究結果靠譜,能直接套到人身上。
![]()
實驗特簡單:讓猴子看屏幕辨顏色、認形狀,然后用看不同方向答題。別看任務不起眼,實則得把老規(guī)則用到新情況里。
結果用神經成像一監(jiān)測,好家伙,猴子大腦根本不為新任務“從零蓋樓”,而是調現(xiàn)成的“認知樂高積木”——也就是神經模塊,拆拆拼拼就搞定了!
![]()
更絕的是大腦的“智能管理”:不用的模塊會主動降低活動,跟“休眠存檔”似的,既省神經資源,又不干擾當前任務。布什曼都說了,這就像電腦調函數,“管辨色的神經元,輸出能直接連到管動作的功能上”。
咱說實話,這哪是普通機制,分明是進化幾百萬年練出的“最優(yōu)解”——祖先要應對狩獵、社交各種場景,總不能為每個場景長個新腦子,一套積木應對萬種情況,高效又省錢!
![]()
![]()
AI的“專精陷阱”
可AI就慘了,有個叫“災難性遺忘”的死穴,上世紀八十年代就被發(fā)現(xiàn)了。IBM都解釋了,AI學新任務時,存舊知識的“權重參數”會被新的覆蓋,跟刪文件似的。
贏了圍棋冠軍的AI,想學象棋就得清空圍棋技能;能診舊病的醫(yī)學AI,學認新病變就可能忘了老病癥咋診斷,這短板太致命了!
![]()
研究人員也不是沒救過AI:遷移學習想偷懶用舊模型當起點,結果還是丟知識;漸進式神經網絡給每個任務加新模塊,越堆越大,跟囤貨堆成山似的,根本沒法擴展。
彈性權重鞏固想護著舊參數,可任務一多就歇菜。說白了,這些都是“小修小補”,沒摸到根本問題。
![]()
AI和人腦的差距,從來不是算力或存儲,而是學習思路壓根不一樣!AI是“單點專精”,一個任務一個模型,跟定制模具似的,換個任務就沒用。
人腦是“全域適配”,一套模塊拆拼重組,啥新場景都能應對。這就是為啥人類能舉一反三,AI只能在固定賽道打轉——人家人腦玩的是“萬能積木”,AI玩的是“專屬玩具”,根本不是一個量級!
![]()
![]()
這場發(fā)現(xiàn)的雙重價值
這研究可不光揭秘人腦有多牛,還藏著兩大實用價值。先說說AI領域,現(xiàn)在圈里已經開始學人腦了,搞元學習、神經模塊化網絡,但目前還只停留在“堆模塊”階段。
遠沒到人腦“靈活拼搭”的水平。畢竟人腦的模塊協(xié)同是進化幾百萬年磨出來的,AI這人工設計的,還得慢慢沉淀。
![]()
再說說醫(yī)療方面,這發(fā)現(xiàn)簡直是認知障礙患者的福音!有些患者明明會一項技能,換個場景就懵,很可能就是“認知積木”拼不明白了。
要是能搞懂模塊重組的具體機制,說不定就能開發(fā)出針對性療法,幫他們恢復認知靈活性,這可是實實在在的救命線索。
![]()
說到底,真正的智能從來不是“把一件事做到極致”,而是“在變化中持續(xù)成長”。AI再牛,也只是在單項任務上能趕超人類,真要論靈活復用、舉一反三,還得老老實實跟人腦拜師。
畢竟,進化雕琢了幾百萬年的大腦,才是智能領域的“老司機”,而咱每個人都揣著這么個“智能神器”,可比AI金貴多了!
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.