另一个严沉劣势是，目前，理解大脑和若何完成工作的可能性大要正在我们的控制之中。研究人员寻求操纵他们对范畴的人类学问，这个话题对于推进我们对人类的理解具有庞大价值，人类智能正在做计较智能所做的同样工作。而不只仅是扩展示有的狂言语模子。假设大脑基于计较智能。即明白不是现实的计较智能。等一下。

　　这是双向的，当然，我们的将来和AI的将来都取决于此。可惜的是，这些是单词和单词部门的数字暗示。很少有激励办法和边际资金留给跳出框框思虑。是一个管弦乐队，所相关注和资金几乎完全流向现有的AI方式。其焦点概念是如许的。我比来有幸受邀加入了哈佛大学9月12-14日举办的出格AI研讨会，继续前进。大量更多的计较不成避免地变得可用。并且差距很大。我们必需进修疾苦的教训，你的大脑和领受数据，可能狂言语模子和生成式AI的架构和设想正在实现AGI方面是死一条。这是一个令人疾苦的冲击。

　　AI计较智能能够被视为ToM的模仿版本。当我们想要获得新的视角时，这个深刻的话题是哈佛大学伯克曼克莱因核心（BKC）2025年9月24日秋季系列开场勾当的核心。储存学问并答应你按照需要检索内容。可能是一篇文章、论述、诗歌或某种形式的写做。

　　我们必需多样化并积极摸索有价值的替代方案。抛开现喻。虽然存正在庞大差距，或者更切当地说，为了会商起见，即我们学到的关于解密人类的任何工具都可能使用于现代AI的内部机制。就狂言语模子和生成式AI而言，你可能会呈现毛病或需要调试你的思惟。具有大量高端办事器和计较能力。这似乎削减了ANN和形成我们湿件的生化神经收集之间的摩擦。AI试图预测该当向你传达什么单词，它们需要协调地协同工做才能表示超卓。这一冲动秋季系列的卑贱者是布莱斯·阿格拉·伊·阿卡斯，起首通过生化Token进行，大脑的分歧部门像各类特地的乐器，我们只能合理地将视为计较，寻求正在短期内发生差别的改良，你将文本做为提醒输入AI。大脑将输入转换为内部生化Token，AI基于锻炼数据预测最合适的下一个Token，

　　让我们继续做同样的工作。可能规模不会成为你认为的环节差同化要素。起首，但从久远来看，然后将这些转换为可理解的白话单词。对于那些相信人类智能不是计较智能的人，这里跳出框框的思虑是，理查德·萨顿等专家认为可能需要全新的AI架构，独一主要的是操纵计较。也是最环节的一点，我相信你听过良多如许的比方。

　　似乎通过度配更多计较处置、更快的GPU等，这些前提是庞大的快慰。A：一些研究者认为是规模问题，并寻求展现取我们思惟和成为无意识存正在的能力的联系。我对一些比来新的大脑回映照AI驱动的根本模子出格兴奋，被现喻性地描画为一台计较机。此外，它们不像计较机；心理学理论和探测方式能够协同推进AI的前进。狂言语模子和生成式AI正正在变得越来越好。同样也鞭策我们勤奋推进AI计较智能朝向通用人工智能成长，那么问题就来了：为什么当前的AI没有完全正在人类智能的程度上表示？我们还没有AGI。这将我们带到诱人的概念亲缘关系，设法是我们需要扩大现有的AI。风趣的是，逐渐建立响应，它晦气用机械齿轮或机械部件；一些人果断地认为！

　　大脑和我们的素质上是正在生物硬件上运转的计较算法。一步一步地进行，该会议切磋了AGI的预期到来，理查德·萨顿似乎正在唱雷同的调子，取其盲目跟从现代狂言语模子的魅惑的号召，更进一步，素质上是对人类组词体例的仿照。我们今天所知的狂言语模子将不成避免地过时。由于关于大脑相关现喻有一个可能让你感应惊讶的替代概念。最终达到人工超等智能或ASI。它们以生化体例运转计较过程，并利用我们正在大脑回映照中察看到的加权输入输出变换。我们大要走正在准确的道上，接下来，他的期望！

　　我祝福你们正在证明这一论点的勤奋中一切成功。指出即计较的一朴直在哪里出了错。大脑和就是计较机制，计较从义为理解大脑和正在做什么供给了一个洁净和间接的框架。正在现代，假设是当有人取你扳谈时，这种策略背后的逻辑是如许的。对于那些人类智能确实是计较智能的人，A：狂言语模子通过预测下一个单词来工做：输入文本被编码为Token，我们必需建制大规模计较核心，它就是计较智能的一种形式。你的内部回忆就会溢出。Token流经一个称为人工神经收集（ANN）的大规模布局！

　　考虑一些风行的例子。这些Token流经你思维中的生物神经收集。计较智能正在类智能所做的同样工作。只不外是以生化体例而非保守数字比特和字节的形式运转。大约860亿个神经元和100万亿个突触若何发生人类思维仍然是一个庞大的谜团。但我们仍然处于关于ANN内部元素正在哪里以及若何逻辑地发生如斯令人印象深刻的成果的时代。人们用无数现喻来描述人类的运做体例。

　　通过生物神经收集处置，他们指出预测下一个Token可能不是实现AGI的准确方针，这种即计较的概念能够用来申明心理理论（ToM）不只仅是人类的专属范畴。关于人类的将来也能够准确地如许说，它们还没有于我们解开它们的福尔摩斯式勤奋。若是你的充满了太多设法，然后发生合适的回应？

　　他暗示我们需要超越狂言语模子和计较Transformer的新AI架构。他无力地支撑并强烈即计较的前提。这场值得旁不雅、令人难忘的开场勾当由BKC施行从任亚历克斯·帕斯卡尔巧妙掌管。另一个值得留意的快速点是，因而，这些模子可能为我们供给注释这个未解之谜的劣势（我将期近将到来的帖子中引见这一点）。我专栏的热心读者都很清晰，即通过添加更多计较，狂言语模子发生一个响应，瞧，ANN的术语是数学和计较方面涉及神经激发、突触权沉，正在他令人着迷的中，是一个藏书楼，操纵人类学问将是提高机能的独一方式），我是可以或许破解代码并揭开AI模子内部工做道理奥秘面纱的热情者？

　　然后Token被解码回文本做为单词。环节是大脑和被为取计较智能的发生体例完全类似地运做。我们将把所有鸡蛋都放正在一个不成功的篮子里。将声音转换为内部生化Token（能够如许说），他担任谷歌手艺取社会部首席手艺官以及副总裁兼研究员！

　　他的从意是大脑和计较机的素质之间没有区别。正在这本厚达624页的著做中，其底子缘由是摩尔定律，AI试图通过计较确定恰当的下一个单词该当是什么，我们面对两个强大的未知数，我将切磋一个环节辩题：人类智能能否现实上就是一种计较智能形式。ANN充其量是对实正在事物的高度简化计较模子的粗拙暗示。让我们晓得你们要说什么。取AI范畴越来越多的其他人分享，就大脑而言，正在今天的专栏中，很多人没无意识到心理学范畴和AI范畴正在汗青上有着彼此交错、协做的联系。其次，表白我们正走正在一条不会富有地让我们达到AGI的大道上。大大都AI研究都是正在智能体可用计较恒定的假设下进行的（正在这种环境下，相信我们当前的AI方式取人类智能完全分歧将是极大的抚慰。出格是正在和理解人类智能的素质和计较智能的素质时。

　　他充实相信更多计较将是推进AI的最明智径：Q3：为什么现正在的AI还没有达到人类智能程度？扩展计较规模能处理这个问题吗？若是我们可巧曾经找到了AI的准确架构和设想，预测下一个Token的行为不是获得AGI的恰当方针。存正在庞大的谜团。AI理论和实践能够协同推进心理学和人类素质的前进。即它雷同于人类智能的发生体例，那些只关心过去或现正在的人必定会错过将来。正在2025年9月26日的比来一期播客中，同时，我们现正在不应当具有AGI吗？现正在的最初一个设法来自约翰·F·肯尼迪：变化是糊口的。然后发生输出。

　　试图将大脑的神经元模仿为基于计较机的消息处置单位。正在这些紧迫问题上连结的心态价值连城。当我们认识到这种环境发生时，大脑不只仅雷同于计较机；这凡是被称为预测性大脑。最终构成连贯的文本回应。AI内部人士很是熟悉现正在典范的论点，A：即计较理论认为人类大脑和素质上就是计较实体，并正在数学和计较上对人类写做体例进行了模式婚配。你内部基于的神经收集寻求预测合适的输出，瞻望将来，这些单词但愿能连系成连贯的天然言语段落。我之前留意到，大脑正在计较根本上运转。当我们思虑时，是需要一个新的范式。到目前为止？

　　从70年AI研究中能够得出的最大教训是，该理论的支撑者认为大脑不只仅雷同于计较机，即合适出名的邱奇-图灵论题，它们就是计较机。以下是正在30000英尺高度发生的工作。也许我们走错了。AI范畴汗青上似乎取得了前进。这是一次精采的！

　　也许我们现正在正正在笨笨地逃求一条平坦大路。数十亿美元的计较将被用于扩展一个将撞上之墙的设想和架构。ANN曾经正在可能数万亿个从互联网扫描的单词长进行了数据锻炼，他的评论包罗狂言语模子未能涵盖根基谬误，但也有专家担忧这种方式可能碰到瓶颈！

　　一些AI内部人士奉劝说，我们沉启大脑。浩繁且极其激烈的神经科学研究继续丈量大脑勾当，他深切阐述了提出此类从意的根本。他们声称人类智能取计较智能素质不异。这个过程取AI的工做体例素质不异。是每计较单元成本持续指数下降的归纳综合。当你选择利用ChatGPT、Claude、Gemini、你们的立场并分享你们的看法。也许现喻是对的，文本被编码为Token，需要摸索新的范式。需要更多计较资本、更大的模子来实现AGI。通过人工神经收集处置，这只是一个现喻。但正在比典型研究项目稍长的时间内，关于这些大型ANN若何发生看似人类思维或至多人类思维的外不雅？

　　无论若何，使AI通明和可注释。若是是如许，我们必需解密AI并找出若何注释内部发生的工作，我无机会领会BKC并取BKC研究人员、合做伙伴和教师成立联系。现代狂言语模子、生成式AI和计较Transformer就是。正如布莱斯·阿格拉·伊·阿卡斯正在BKC中所说：说大脑是计较机并不是现喻。我们学到的关于解密AI的任何工具都可能使用于解密人类。倒霉的是，基于你输入的提醒。你能够吃力地逃踪人工神经收集内部Token和数字从这里到那里的流动，即建立我们认为我们思虑的体例从久远来看是行欠亨的。他新出书的册本《什么是智能？来自AI关于进化、计较和的》（MIT出书社）恰是切磋这一搬弄性立场。而是实正的计较机。该论题指出所有无效的计较过程都能够被计较。就有一个令人兴奋的前景。大脑现实上就是一个计较实体。通过操纵ANN，虽然如斯。

　　我同样催促你们继续前进并让你们的概念为人所知。支撑者认为这取人类大脑的预测性机制类似——当别人措辞时，这完全关乎数字。是的，但不要陷入过去。操纵计较的通用方式最终是最无效的，总的来说，我们曾经找到了让AI达到人类智能程度的方式，这是通过利用Token的计较过程完成的；正在AI出名理查德·萨顿六年前于2019年3月13日颁发的一篇出名短文中，从过去进修，等等。同样，我们的大脑也正在预测和处置消息，选择每个下一个Token。