更新时间：2025-05-17 19:04作者：佚名
视频加载.
目前，正在制定中国大脑计划（2030年主要科学和技术项目“脑科学与大脑样研究”）的第二阶段。在许多方面，大型语言模型似乎比人脑强大。我们仍然需要研究大脑吗？ DeepSeek的“疯狂”为中国科学界带来了什么启蒙运动？ Jiefang Daily的一名记者采访了中国脑科学和智能技术中心学术总监，中国科学学院的学术总监，中国科学院的学术总监，中国科学学院，中国科学学院的学术总监。
[以前所未有的速度“从1到100”]
Jiefang Daily：您如何评估DeepSeek的“无处不在”？
PU Muming：2025年将成为近几十年来中国科学领域最令人难忘的岁月之一。 DeepSeek的推理人工智能Model R1具有与该领域最强的OpenAI-O1相当的性能。它巧妙地使用了混合的专家模型，增强学*和蒸馏方法来达到意外的推理效率，并且首次向用户显示了推理的“思维链”。令人惊讶的是，其模型预培训的成本远低于当前一流语言模型的成本。
当然，DeepSeek-R1不像反向传播算法和变压器（变换模型）体系结构那样新的突破性技术。它分别在深度学*和大型语言模型中触发了两种人工智能革命。反向传播算法也赢得了2024年诺贝尔物理奖的认可。但是我要强调的是，尽管DeepSeek-R1并不是从“ 0到1”的原始突破，但它是“从1到100”的人工智能的前所未有的发展。它清楚地表明，“从1到100”的发展可能比“从0到1”具有更大的影响。
Jiefang Daily：DeepSeek会带来什么想法“ 1到100”？
pu muming：有两种反射。首先，中国的人工智能研究机构获得了大量政府资金，近年来发表的论文数量急剧增加，但是在人工智能领域真正影响力的发现或发明仍然很少见。 DeepSeek是杭州的一家小型人工智能公司。头部的Liang Wenfeng没有明显的学术背景。他的论文仅发表在普通的《技术报告》上，很少受邀在人工智能学术会议上发表讲话，但是这个年轻的团队做了如此有影响力的工作。
其次，人工智能界有一项规模定律，它认为模型越大，参数越大，计算能力越高，性能就越高。尽管有证据表明该法律正在接近其极限，但这仍然是主流观点。 DeepSeek采取了不同的路径——算法创新。我听说一些人工智能研究人员讨论他们不敢做这么宏伟的事情，因为风险太大。现在，大多数中国科学界正在进行“从1到10”进行增量研究，这既不是“从0到1”的原始突破，也不是“ 1到100”的应用值。但是，这样的工作很容易发表论文，因此逐渐和小的增量研究很普遍。 DeepSeek的目标是探索如何实现通用人工智能。关键问题是推理和概括能力。他们专注于最重要的关键问题，并在有限的资源限制下探索解决方案。这正是因为他们有热情和勇气克服重要问题，因此他们实现了跨越的发展。
【“约瑟夫·尼德姆（Joseph Needham）的问题”的第二个问题】
Jiefang Daily：论文从“ 1到10”的普及背后的根深蒂固的原因是什么？
pu muming：在此之后，我们的科学研究受到欧洲和美国国家的影响。我们只想紧随其后，很少有勇气追赶。以Neurobrain Science为例。我们大多数人目前正在进行“后续”研究，而不是“开创性”。
但是，欧洲和美国的科学研究方法不一定适合我们。我做了一个统计数据，即从1970年到现在，诺贝尔奖中有25的医学或生理学奖与神经科学直接相关，但是为什么没有可以治愈脑部疾病呢？要开发一种药物，从发现目标到成为销售药物，您必须做“ 1至100”的工作。我认为，欧洲和美国的科学家更倾向于进行前端“ 0至1”研究，这些研究可以赢得诺贝尔奖和可以产生高端论文的“ 1至10”研究，以及一些所谓的实验室结果以获取原则证明。他们并没有真正投资于“ 10至100”的创新研究和开发工作，并在后端进行了实际应用。
著名的“约瑟夫·尼德姆（Joseph Needham）的问题”只是一个，而不是另一个。实际上，他凝结了两个重要问题。第一个问题是为什么现代科学没有出现在中国文明中，而仅在欧洲发展。这个问题是众所周知的，他的回答是“官僚封建制度”。第二个问题是，为什么从公元5日到13世纪，中国文明比西方文明更有效，并为世界做出了独特的贡献，即将人类的自然知识应用于人类的实际需求。很少有人知道这个问题，他的回答是“实用主义的传统”。
在现代，许多中国的科学和技术成就始于实用性，旨在与科学和技术密切相结合。例如，天文学，数学，化学，生物学，工程和导航技术都与人类实际需求直接相关。我认为这是一个很好的科学传统。它符合面向应用程序的实际基础研究。
我经常举个例子。科学探索就像在海上钓鱼。目标非常重要。 ——首先，您必须弄清楚要钓到大鱼还是小鱼？因为如果您打算钓大鱼，那么您就不会因为钓到一些小鱼而回去航行。同样，探索“钓鱼的乐趣”和对“钓鱼大鱼”的探索之间存在着根本的区别。我认为目前我们的社会最需要的不是只关心“钓鱼的快乐”，而是“想捕鱼”的科学家。
Jiefang Daily：DeepSeek的创新文化给您留下了深刻的印象？
PU Muming：他们鼓励自下而上的积极创新，只要他们有好主意，他们就可以提出这些创新，然后将资源集中在其中。这与“小型团队”的结构有很大关系。无论是Meta的前身苹果，微软还是Facebook，他们都是小型团队，有些是在自己的车库里摆弄的。像DeepSeek这样的小型团队在快速的闭环互动中更有效地效率，迈向了既定目标，并连接团队成员的精神。我希望DeepSeek将继续建立一种在不断扩大团队的早期阶段内建立的小型团队的文化。
我们的大多数科学研究机构无法实现“自下而上的积极创新”，几乎没有足够的空间让年轻人追求自己的想法。
Jiefang Daily：我们如何释放年轻研究人员的创新才能？
PU Muming：我感谢麻省理工学院的Whitehead学者计划，该计划针对了才华横溢的生物学新鲜博士学位。该计划不需要他们照常进行博士后研究，而是直接提供三年的研究资金和独立的研究实验室，以在最具创意的时期培养年轻科学家。最好的例子是Zhang Feng，他被聘为Whitehead Scholar，并获得了诺贝尔奖获奖成就——，他第一次将CRISPR-Cas9基因编辑技术应用于哺乳动物和人类细胞。
另一个例子是杰拉尔德·莫里斯·埃德曼（Gerald Morris Edelman）。当他在美国的洛克菲勒大学（Rockefeller University）担任研究生时，他没有固定的导师，并亲自学*。后来，他因发现抗体的化学结构而获得了诺贝尔奖。
根据我的建议，中国科学院的脑科学和智能技术卓越中心也发布了类似的年轻研究员计划。三名杰出的新鲜博士生被聘为年轻研究人员，并拥有自己的独立实验室。三年后，他们可以直接成为研究人员。目前，此举非常有效。
我什至知道是否要在新鲜毕业生中选择最好的学生，并给他们两到三年的科学研究基金和资源。没有必要构架导师，但是他们可以去任何需要寻求建议的“导师团队”，这种环境特别鼓励年轻人追求自己的想法。新生小牛不怕老虎是有道理的。
[是否仍需要研究大脑以促进人工智能？]
Jiefang Daily：人工智能的诞生与神经科学密切相关，人造神经元模型直接受到生物神经元的启发，但是为什么大多数人工智能研究人员很少关注大脑的工作原理？
PU Muming：当发布深度学*模型时，最初对脑科学感兴趣的人工智能研究人员并没有引起太多关注，因为它太方便和强大。它更多地依赖数学优化和大规模数据，而不是直接模仿大脑的机制。人造网络的深度学*和强化学*模式都与大脑的学*模式不同。
Jiefang Daily：在许多方面，大语言模型似乎比人脑强大。我们仍然需要研究大脑以促进人工智能吗？
pu muming：大语言模型是一个软件。只有将此软件集成到物理系统中，才能真正与环境进行交互。我认为，具有高级体现智能的人形机器人将是未来5到10年中最活跃的领域，但是如何将大型语言模型与感觉和运动系统相结合的关键技术尚未得到克服。例如，要制作具有通用人工智能的人形机器人，我们需要具有直接与外界互动的大型语言模型。大型语言模型可以用作机器人的大脑，并且需要将其连接到可以感觉到外界行为的运动系统和输出行为的电机系统。通过与外界相互作用的这两个物理系统，大型语言模型可以建立一个“世界模型”，该模型不断发展，并且与经验，不断建模和理解外部世界，从而做出适当的决策和计划。
大型模型和物理系统的结合将带来人工智能的下一个飞跃，脑科学将做得很好。我们需要更加注意研究大脑如何实现有效的计算以及如何在可以有效与外界相互作用的系统中反映人类智力。例如，整合多模式感官信息是人脑擅长的。有一个“鸡尾酒会现象”。即使在嘈杂的环境中，我们也可以专注于我们感兴趣的人的对话，同时滤除其他无关的噪音，这需要有效的视觉和听觉整合。人类运动系统可以通过大脑指令并行地激活数百种肌肉，并进行序列模式，以执行平滑而精确的行为。大型语言模型的说明如何启动这样的运动系统？脑科学可以做出关键的贡献。
Jiefang Daily：中国大脑计划的第二阶段是否有任何考虑，以结合大型模型和物理系统的结合？
pu muming：一些专家已经提出了这一建议。中国大脑计划的重点是“脑科学和类似大脑的研究”。带有先进体现智能的人形机器人将是一个可以结合脑科学和类似脑部智力技术的好平台。
在类物理机器人等物理系统中开发具有体现的智能需要在软件工程师，生物工程师和神经科学家之间进行密切的跨学科合作。在接下来的五年中，我期待看到这个场景。
原始标题：视频| pu muming：目前最需要的科学家不仅是关于“钓鱼的欢乐”，还关乎“捕捞大鱼”
标题图片的来源：Huang Haihua照片
资料来源：作者：解放日报Huang Haihua