陈天桥在AIAS提出：发现型AI而非生成型AI才是AGI的标准

人工智能加速科学研讨会（AIAS 2025）于10月27-28日在美国旧金山举行。报告称，此次会议聚焦人工智能如何推进科学发现，汇聚了近 30 位全球领先的学者和行业参与者。会上，盛大集团、天桥脑科学研究所创始人陈天桥发表主旨演讲，首次系统阐述了“发现智能”这一新概念，指出它是真正的通用人工智能，并提出了其实现路径。 2025年新任诺贝尔奖获得者、加州大学伯克利分校教授奥马尔·八木（Omar Yagi）；大卫·贝克（David Baker），华盛顿大学教授、2024 年诺贝尔奖获得者； Jennifer Doudna，加州大学伯克利分校教授、2020 年诺贝尔奖获得者；以及图灵奖获得者、斯坦福大学第十任校长、现任董事会主席 John Hennessy董事阿德。 Alphabet（谷歌的母公司）等人参加了会议，分享主题并进行小组讨论。 （袁宁）附陈天桥先生演讲全文： 真正的智能是能够“发现”的智能。 1.人类的进化从未停止，我们只是改变了我们的习惯。自从智人出现以来，我们的身体几乎没有发生什么变化。一些研究甚至表明，与旧石器时代相比，人类大脑的大小有所减小。然而，这并不意味着人类进化已经停止。我们用我们的智慧在我们体外的新进化器官中做出科学发现和技术发明。我们发明武器是为了获得爪子和尖牙，发明衣服是为了获得新皮肤，发明汽车是为了跑赢猎豹，发明飞机是为了跑赢鸟类。我们的葡萄树希望平均年龄从20多岁增加到近80岁，但这种差异仅存在于物种之间的生物学上。可以说，人类并没有停止进化文。相反，通过不断发现未知，我们将我们的功能外化，并在时间和空间上扩展了我们的触角。科学发现和技术发明是人类进化的主要驱动力。 2.“发现智能”是最严格意义上的通用人工智能。因此，科学AI不应该被视为人工智能应用的一个方向。这定义了人工智能与人类之间的关系。人工智能的价值不在于以更快、更便宜或更高效的方式取代现有的人类工作。从人类进化的角度来看，科学的人工智能就是人类进化的人工智能。帮助人类发现未知是人工智能对人类的价值或根本。如今，许多模型声称“发现”了新结构、新分子，甚至新理论。然而，这些“发现”大多还停留在成果层面。他们在能量函数、统计模式或分布中找到新样本已知语料库的引用。这不是科学意义上的发现，而是搜索空间内的估计。真正的发现是提出问题的能力，而不仅仅是答案。理解原理，不要只预测结果。这种能够主动构建可检验的理论模型（可检验的世界模型），提出可证伪的假设，并通过与世界的交互和自我反思不断修正自己的认知框架的智能，才是真正的通用人工智能。我们称之为“启发式智能”。这与智力的其他定义不同。 ➢ 它超越了模仿，因为创造和发现是智慧的本质。 ➢ 这一发现是可证伪的，因为它是一个可观察的事件，而不是像“意识”这样模糊的哲学定义。 ➢ 重新定义AGI 的含义。我们不是“取代人类”，而是“进化人类”。 3、规模路径与结构路径：“发现”的两条路径以“发现智能”为新标准，我们回顾一下今天人工智能发展的两个主要流派。第一个是“阶梯路径”。他强调，参数是知识，智能是规模的产物。只要模型足够大、数据足够大、计算能力足够强大，智能就会自然而然地出现。这条路径催生了令人惊讶的应用，让人工智能能够预测蛋白质、生成化合物，甚至辅助科学研究。这绝对是人工智能，是最成功的工程生涯。与此同时，另一种路径，即“结构路径”，正在悄然形成。这里的“结构”不是指模型的架构，而是指智能的“认知解剖学”，它是一个通过神经动力学随时间演化的知识系统，基于记忆、因果和动机，这些机制赋予了连续性、可解释性。情报的ty和方向。科学发现的本质是对未来的推测。这种观点认为，只有时间结构的情报才能在分布之外保持有效。 4、大脑的镜子：时间结构分析 那么，所谓的“大脑时间结构”到底指的是什么？这并不是指大脑的特定物理区域，而是指大脑处理信息的基本“操作范式”。当前人工智能中的“空间结构”（缩放路径）范式本质上是“快照”和“静态”的，利用大量的空间参数来拟合世界的“快照”。大脑的“时间结构”范式本质上是“连续的”和“动态的”，其存在的目的是管理和预测时间流中的信息。为了随着时间的推移管理信息，系统必须具有五项主要功能。它们共同构成了一个完整的“时间结构”闭环。 1.神经动力学：有必须是随着时间的推移“存在”的持续能量基础，而不是“即时计算”。大脑是一个持续运转的动态能量系统。即使在缺乏信息的情况下，大脑也能以同样的方式自我组织、自我激活和自我纠正。这就是当你头晕时大脑继续工作的方式。这种能量的流动使智力真正“活跃”。 Transformer 是离散的静态计算图。每一次推论结束，“思考”就完全停止，随着时间的推移，没有连续性，下次又从头开始。今天的智能只是计算，而不是存在。智慧必须是“活的”，因为世界在不断变化，只有不断更新的系统才能做出科学发现。 。 2.长期记忆系统：需要可塑性记忆机制来“存储”过去的经历，而不是每次都从头开始。醋。当今大型模型的记忆是“短期工作记忆”当上下文澄清后，智力就会恢复。没有长期记忆，就没有真正的学习。长期记忆让智力重要的不仅是积累经验，更重要的是学会选择性遗忘，在有限参数内高效学习，并提出假设和理论。 3. 因果推理机制：为了及时理解事件的顺序（即什么导致什么），我们必须能够推导出原理。通过现有的大规模模型来理解和再现已知信息，包括因果关系，仍然局限于已知范围内的语言统计，而不是机制的推导。该模型在训练数据的分布范围内完美运行，但随着环境的变化而崩溃，因为它依赖于共存模式而不是世界的结构。科学发现中因果推理的重要性在于重建我们对科学发现的理解未知条件下的世界。这是走出循环的第一步，也是世界模式的起点。 4.世界模型：为了预测未来的轨迹，我们必须能够在内部模拟世界。当前的人工智能虽然具有多模态认知，但仍然缺乏统一的模型来形成内部一致的“现实投影”。人脑有一个统一的表征世界的系统，集感知、记忆、预测和内省于一体。这使我们能够模拟头脑中的世界，预演未来，并不断在神经层面检验假设和因果预测。这才是真正的科学思维。我们在大脑中进行关于未来的实验。 5.元认知和内在动机系统：管理上述复杂的跨期过程。人脑具有元认知功能，能够识别自身的不确定性，调整推理路径，分配注意力，选择策略。这种“思“思考”是科学和创造的起点。现在的人工智能主要依赖于外部指令，不是自主的。包括强化学习在内的奖励函数也是外部设定的。如何在长期记忆和因果推理汇聚到一个世界模型时生成自动元认知，让探索和好奇心油然而生。这是从被动的行动者到主动的探索者的重要一步，也是对生命智能最大的挑战。这些五种能力不是五个平行的方向，而是一个封闭的、主动的、连续的5. 时间结构：年轻人的门户首次清晰可见，因为 Scalepass 近年来取得了巨大成功，我们不可能仅仅通过积累数据和计算来打破真正理解和发现的障碍。力量。现在是回归结构主义思维的最佳时机。我们现在发现自己正处于历史的转折点。我们需要的是新理论、新算法和新想象力，而不是更多显卡。这需要跨学科思维，结合神经科学、信息论、物理学和认知心理学。这就是年轻的优势。我们准备好接受这些年轻人。 ➢ 我们有计算能力。无论选择哪条路，计算能力都是必不可少的。我们计划投资超过10亿美元建设专用计算集群，为年轻科学家提供实时实验的资源环境。这些计算能力不会用于大规模竞争，而是用于探索结构和测试记忆机制、新的因果结构或新的神经动力学假设。 ➢ 我们有一个办公室。我们在世界各地设立研发中心，邀请各个领域的年轻研究人员来往现场分享知识不是白板。目前，超过200名来自世界知名大学的博士在我们办公室工作。 ➢ 基准正在建立。我们计划推出新的基准，全面衡量神经动力学、长期记忆、因果推理、世界模型和元认知。使用人工智能是否“发现”你作为 AGI 指标，允许所有科学家基于 SOTA 目标进行协作和竞争。 ➢ 有专门为年轻人设计的机制。我们正在建立PI孵化器，为世界各地的年轻科学家开辟独立研究渠道。博士生和博士后无需等到毕业即可获得独立资助并在我们的平台上开始自己的职业生涯。为您的实验室命名并指导您的同事独立探索时间智能的未来结构。我们相信“规模是巨人之路，临时搭建是年轻人的机会”。虽然巨头们利用计算能力来突破界限也就是说，年轻人利用结构来重新定义智力。智能是一种不重复现有知识，而是能够提出原创假设、检验世界、修正自身理解的智能。这是可以“发现”的智能。本文来自网易科技报道。关注我们以获取更多信息和深入内容。