機器會有智能嗎？

在微軟研究院最新推出的播客系列《未來的形狀》第一集中，主持人Doug Burger與兩位頂尖AI研究員——微軟研究院的Nicolò Fusi和Numenta的Subutai Ahmad——圍繞一個核心問題展開了深度對話：當前的機器是否真正擁有智能？

Fusi專注於數字架構，尤其是基於Transformer的大語言模型（LLM）。他解釋了Transformer的兩大核心組件：注意力層和前饋層。注意力層負責建立輸入標記之間的關聯，例如找出句子中“狗”與“跳”的關係；前饋層則存儲知識，比如“杯子被碰倒會摔碎”這類常識。Transformer的並行計算能力使其成為“合適時間出現的合適架構”，突破了RNN的循環依賴瓶頸。

然而，Ahmad從神經科學角度提出了“千腦智能理論”。他指出，人腦新皮層由約10萬個皮質柱組成，每個皮質柱都是一個完整的感覺運動處理單元，獨立構建世界模型。這些皮質柱並行異步運行，不斷進行預測和更新。與Transformer單一的潛在空間不同，人腦擁有數千個協同工作的潛在空間。例如，當手指靠近桌面時，對應指尖的皮質柱會預測即將接觸到的觸感；若接觸到的物感異常冰冷或柔軟，預測失敗會觸發學習。

一個顯著的差異在於學習機制。人腦持續不斷地形成和修剪突觸連接：研究顯示，成年小鼠大腦中每四天約有30%的弱突觸被替換，而強突觸保持穩定。這種“投機性學習”讓大腦能夠快速適應新信息，同時保留重要的知識。Ahmad用地下室台階的比喻説明：當修復一階台階後，第一次下樓梯會因預測失誤而失衡，但經過幾次嘗試，大腦的分子層面便學會了新時序。相比之下，當前LLM的訓練通常採用“教師強制”方法，即每一步都提供即時反饋，這與人類稀疏的獎勵信號截然不同。Fusi批評道，這種密集反饋雖然加速訓練，但可能使模型更脆弱。

此外，效率問題也被提及。人腦的新皮層僅消耗約10瓦功率，卻能完成複雜任務。而LLM無論輸入難易，都消耗固定計算量。Ahmad指出，人腦會根據需要分配資源，例如指尖對應的皮質柱遠多於背部，這啓發了未來更高效的AI設計。

儘管存在差異，但兩者都是基於預測的系統。Burger注意到，在訓練Transformer時，預測錯誤越大，學習調整幅度越大，這與皮質柱對意外刺激的反應相似。Fusi則從信息論角度提出，生成模型本質上是壓縮器——尋找更好的生成模型等同於尋找更優的數據壓縮器。這一視角為理解AI的智能本質提供了信息論層面的洞見。

這場對話揭示，儘管當前AI取得了驚人進展，但與人腦的複雜性相比，仍有巨大差距。未來的AI系統可能需要融合更多生物啓發，例如動態資源分配、異步並行架構和稀疏反饋機制，才能真正邁向通用智能。