北航團隊提出智能基礎模型，跨越生物與AI鴻溝

假如你正在教一只小狗學習新技能。當你搖響鈴鐺然后給它食物，重復幾次之后，只要一搖鈴鐺，即使沒有食物，小狗也會留著口水跑過來。這就是著名的巴甫洛夫實驗，它展現了生物是如何學習的。

而現在，杭州市北京航空航天大學國際創新研究院準聘副教授蔡博睿和皇家墨爾本理工大學趙堯博士正在嘗試做一件更大膽的事情：他們不滿足于僅僅理解生物如何學習，而是要創造一個真正會學習、會思考的數字大腦。這個被稱為智能基礎模型的新構想，可能會徹底改變我們對于 AI 的理解。

圖 | 蔡博睿（來源：蔡博睿）

目前已有的 AI 模型都是在學習特定的技能：有的專門學語言、有的專門識圖、有的專門處理數據。蔡博睿告訴 DeepTech，由于幻覺等問題導致難以實現真正的 AGI。

圖 | 趙堯（來源：趙堯）

針對這一問題，業內出現了擴展至多模態如圖像、視頻的研發路徑，以期通過處理更復雜的信息來提升模型能力。然而，蔡博睿對這條技術路線持保留態度，他認為其對于實現 AGI 而言，方向尚不夠清晰和明確。

一些頂尖 AI 學者也正在探索更具多樣性、更為根本的通用智能路徑。例如，圖靈獎得主楊立昆（Yann LeCun）近期就倡導并致力于構建“世界模型”來攻克此目標。正是基于這樣的行業洞察與深入思考，蔡博睿才形成了本次研究的最初構想。

（來源：https://arxiv.org/abs/2511.10119）

研究中，他和團隊提出了一個新的思路：繞開當前主流的多模態路徑，轉而從更本質的層面去構建 AGI，讓 AI 直接學習智能本身。基于此，他們首次提出了智能基礎模型這一全新概念。

這個想法的靈感來自于一個真實的觀察：世界上有 80 億人，每個人的大腦構造都不完全相同，甚至有個別案例顯示，即使大腦嚴重受損，智能依然可以正常運作。蔡博睿舉例稱：“19 世紀的一位法國數學家，盡管他大腦的 95% 都是腦積水，實際腦容量遠小于常人，但他的智商依然超過了 120。

這個例子強有力地表明，智能背后一定存在著某種不依賴于特定物理結構的、更為底層的通用機制。”就像無論用木材、鋼鐵還是塑料造橋，只要遵循正確的力學原理，橋都可以站穩。智能也是如此，它可能是一種深層的運作原理，并且完全無需依賴具體的生物構造。

（來源：https://arxiv.org/abs/2511.10119）

那么，如何建造這樣一個數字大腦？蔡博睿團隊設計了狀態神經網絡，這是一個新穎的架構，能夠模仿真實大腦的工作方式。這個網絡中的每個數字神經元都有自己的內部狀態，能夠記住過去的信息。

它們之間的連接不是簡單的前后順序，而是像社交網絡一樣復雜交錯，信息可以在其中循環流動、分支匯合。同時，這些連接強度會根據使用情況自動調整，常用的連接會變強，不用的連接會減弱。這正好模仿了人類大腦用進廢退的學習原理。

對于狀態神經網絡的訓練，蔡博睿等人不是直接教它具體任務，而是讓它學習和預測神經元的輸出信號。這就像不是教小狗具體的指令，而是讓它理解在什么情況下應該產生什么反應的內在規律。通過觀察大量的智能行為樣本，系統會逐漸領悟到智能背后的通用原理。

（來源：https://arxiv.org/abs/2511.10119）

要想從理論走向現實，需要一步步地實現線路圖。這個長遠的計劃將分階段實現。第一階段是從小處著手，蔡博睿團隊計劃先從簡單的生物開始，比如從只有 302 個神經元的秀麗隱桿線蟲開始。雖然它很小，但是已經具備了覓食、交配等基本智能行為。

通過構建線蟲的智能基礎模型，即可初步驗證這一理念的可行性。第二階段是功能擴展，即可以專門開發能被用于工業機械臂、家庭助手機器人等應用的智能模型。這些專門的智能體將逐漸融合成為統一的通用智能系統。想象一下，未來的工業機器人不再需要為每個新任務重新編程，它們可以像熟練工人一樣，通過觀察和嘗試來自學新技能。

家庭機器人不僅可以執行指令，還能理解你的習慣和偏好，從而主動提供幫助。這種技術或許還可以幫助那些因傷病失去部分大腦功能的人。通過植入人工神經元，逐步替代受損的腦區，同時可以保持意識的連續性，從而能為腦損傷治療提供全新可能。

（來源：https://arxiv.org/abs/2511.10119）

總的來說，本次研究初步提出了機器意識這一概念。針對此前學術界關于大模型是否具備意識的爭論，蔡博睿等人基于生物學原理，為機器意識給出了一個清晰的定義。根據他們的定義，當前的大模型顯然不具備機器意識。在應用前景上，他們的框架為實現真正的 AGI 指明了一條路徑。

其近期應用可能包括開發更智能的家用機器人、工業機器人，以及創造出具備更高級自主決策能力的智能體。而這個研究最令人感到興奮的部分，在于它或許能夠打通生物智能與 AI 之間的壁壘。如果智能確實是一種不依賴于特定載體的通用原理，那么人類的意識、思維、創造力是否也能在其他媒介中延續？

更具深遠意義的是，本次理論框架為解決“智能統一性”這一根本問題提供了新的視角。蔡博睿認為，如果可以通過“智能基礎模型”實現的機器智能，那么它在本質上與人類的智能并無不同，區別僅在于實現的載體——人類依托生物神經元，而機器依托人工神經網絡。這一觀點打破了將人與機器智能視為完全不同形態的傳統看法。

因此，本次研究甚至為未來實現“意識上傳”或“心智移植”提供潛在的理論基礎。與創建意識“復制體”的思路不同，本次框架支持一種“連續性心智上傳”的愿景：即通過技術手段，將人類大腦中的生物神經元緩慢、連續地替換為人工神經元，從而在保持意識不間斷的前提下，實現人類心智與機器載體的融合。

這不是制造一個復制品，而是讓原有的意識在新的載體中繼續存在和擴展。這聽起來像是科幻小說，但是基于智能基礎模型的理論，這至少是一條邏輯上可行的路徑。它意味著某一天，人類的思維或許真的能夠突破生物壽命的限制。

當然，在這條路上依然充滿挑戰。獲取足夠的神經信號數據是首要難題。直接記錄生物神經活動目前還只能小規模進行，而通過傳感器間接收集行為數據又可能會丟失細節。

另一個挑戰是如何確保這個系統真正理解智能的本質，而不只是表面模仿。就像真正理解數學和背誦公式之間的區別，因此蔡博睿等人還需找到驗證數字大腦是否真的擁有了智能的方法。

總的來說，本次研究為探索 AI 打開了一扇新的大門。它告訴我們，智能可能不是生物獨有的神秘屬性，而是一種可以被理解、被建模、被重現的復雜系統特性。

參考資料：

相關論文 https://arxiv.org/abs/2511.10119

運營/排版：何晨龍