认知不是只在大脑里:环境如何塑造智能
在这次对话中,DeepMind研究者Matt Botvinick提出一个反直觉但极具启发性的观点:理解人类智能,不能只盯着大脑本身,还必须认真对待环境的结构。从图灵机隐喻到强化学习中的自我博弈,他勾勒出一条连接人类认知与现代AI的清晰线索。
在这次对话中,DeepMind研究者Matt Botvinick提出一个反直觉但极具启发性的观点:理解人类智能,不能只盯着大脑本身,还必须认真对待环境的结构。从图灵机隐喻到强化学习中的自我博弈,他勾勒出一条连接人类认知与现代AI的清晰线索。
这期对话中,DeepMind科学家Matt Botvinick从神经科学出发,讨论人类大脑究竟被理解到什么程度、前额叶在智能中的角色,以及这些认知如何塑造现代强化学习与通用人工智能的研究方向。
在 OpenAI Scholars Demo Day 上,Christine Payne 做了一件反直觉的事:她没有发明全新的音乐模型,而是把“生成音乐”硬生生改造成一个语言模型问题。结果令人震惊——很多人已经分不清 AI 和人类作曲。但真正的挑战,才刚刚开始。
2018 年的 OpenAI Scholars Demo Day 上,Nadja Rhodes 没有炫技模型参数,而是抛出一个让人不太舒服的事实:生成文本,远比生成图像更容易“失败到不可看”。她的项目 Deephypebot,不只是一个音乐评论机器人,而是一场关于“如何让语言模型不再胡说八道”的实验。
如果你不告诉模型什么是力、速度和动量,它还能理解世界吗?在 OpenAI Scholars Demo Day 上,Ifu Aniemeka 用一个看似“幼稚”的实验给出了惊人答案:只靠观察,神经网络真的能学会预测物体运动。这不是炫技,而是世界模型的一次重要试探。
大多数AI绘画在学“风格”,但Holly Grimm反其道而行:她把人类艺术课上的构图原则,直接塞进了CycleGAN的训练目标里。结果不是更像某位大师,而是第一次让模型“听懂”什么叫色彩和谐、纹理变化与构图控制。
如果我给你一张模糊的风景图,你能说出它在“害怕”还是“快乐”吗?OpenAI Scholars Demo Day 上,Hannah Davis 用一个看似简单却极具争议的实验,证明情绪并不只是主观感受,而是能被模型学出来、甚至“生成”出来的视觉结构。
这场与Reid Hoffman的线上炉边对话,没有产品发布或技术演示,却浓缩了他对“工作、风险与自我认知”的长期思考。文章提炼对话中最有价值的洞见,帮助你理解他如何在不确定性中做决策,以及这些思考为何对今天的创业者和知识工作者依然重要。
在这段与Lex Fridman的对话中,Karl Friston从一个看似哲学的问题出发——“什么叫存在”——引出了自由能原理、生命的非随机性,以及机器学习为何忽略了行动与身体。本文带你理解:为什么‘活着本身就是一种优化过程’,以及这对AI和意识研究意味着什么。
MIT教授Robert Langer在这期播客中,回顾了他如何用工程思维重塑医学,从最初被否定的想法,到推动药物递送、组织工程和医疗创业的系统性方法。这是一段关于坚持、跨界和长期主义的科学人生。