时长：
78分钟
播放：
26
发布：
15小时前
主播...
简介...
📝 本期播客简介
本期我们克隆了：硅谷深度对话播客《Dwarkesh Podcast》Adam Marblestone – AI is missing something fundamental about the brain
为什么人类大脑只需极少的数据就能学会复杂的技能，而大语言模型（LLM）即便吞噬了整个互联网的文本，在逻辑推理上依然显得“笨拙”？本期嘉宾 Adam Marblestone 带来了一个颠覆性的视角：AI 缺少的可能不是参数，而是大脑中那套由进化精心编码的“损失函数”。
Adam 是 Convergent Research 的 CEO，也是神经科学与 AI 交叉领域的领军人物。在这场深度对话中，他拆解了大脑的“双系统”架构：一个负责全向推理的“学习子系统”（皮层），以及一个内置了千万年生存智慧、负责引导学习方向的“操纵子系统”。从连接组学的技术挑战，到用 Lean 语言实现数学证明的自动化，再到如何通过“专注研究组织”（FRO）填补科学基础设施的空白，Adam 展示了一幅通往通用人工智能（AGI）的全新路线图。这不仅是一场关于神经科学的科普，更是一次关于智能本质的终极追问。
👨⚕️ 本期嘉宾
Adam Marblestone，Convergent Research 首席执行官，前 MIT 物理学家，曾任 Google DeepMind 研究员。他致力于通过“专注研究组织”（FROs）推动科学基础设施的变革，目前正领导包括 E11 bio（大脑连接组图谱绘制）和 Lean（形式化数学语言）在内的多个前沿项目。
⏱️ 时间戳
00:00 开场 & 播客简介
大脑与 AI 的效率之争
02:01 千万亿美金的问题：为什么大脑比 AI 更高效？
04:54 进化的“课程表”：大脑如何内置复杂的损失函数
08:10 皮层：一个拥有“全向推理”能力的通用预测引擎
11:39 为什么 LLM 擅长预测下一个词，却不擅长“填空”？
进化的秘密：奖励函数与泛化
14:12 “摊销式推理”：为什么大脑反应飞快而 AI 需要思维链？
18:29 基因组的瓶颈：为什么区区 3GB 数据能构建出智能？
23:06 操纵子系统：进化如何把“怕蜘蛛”编码进你的神经元
28:25 奖励函数的“下游”：如何把抽象概念连接到本能反应
生物硬件与数字心智
33:19 20 瓦的奇迹：大脑的能效优势与硬件协同设计
35:55 突触 vs 代码：细胞层面的复杂性是在做“胶水”工作吗？
42:24 逆向工程大脑：我们离“全脑仿真”还有多远？
解密大脑：连接组学与技术革命
49:43 绘制大脑地图：从电子显微镜到光学连接组学的跃迁
53:58 行为克隆：能不能把大脑的内部状态“蒸馏”给 AI？
56:59 为什么我们需要几十亿美金去画一张小鼠大脑图谱？
数学自动化与可证明的未来
01:00:37 Lean 语言：当数学证明变成强化学习的信号
01:04:30 自动化的“聪明” vs 智能：黎曼猜想能被机器攻克吗？
01:06:26 可证明软件：如何打造一个“不可黑掉”的数字世界
科学的基础设施：FRO 与差距地图
01:11:16 为什么科学家不只需要白板，还需要“哈勃望远镜”？
01:12:30 差距地图：寻找那些被风投和政府忽视的科学盲区
01:15:03 结语：科学的未来在于规模化与基础设施的协同
🌟 精彩内容
💡 大脑的“双系统”理论
Adam 提出，大脑并非一个单一的学习算法。皮层（学习子系统）是一个极其通用的预测机器，但它需要被皮层下区域（操纵子系统）引导。进化虽然没有给大脑预装知识，但它预装了一套极其精密的“奖励函数”，告诉大脑哪些信息是关键的。
“进化可能在损失函数里内置了大量的复杂性……就像有大量的 Python 代码，为大脑不同部分生成了一套特定的‘课程表’。”
🛠️ 摊销式推理（Amortized Inference）
为什么人类看到危险会瞬间躲避，而 AI 往往需要多步推理？Adam 解释了“摊销”的概念：大脑通过长期的演化和学习，将复杂的贝叶斯推理固化成了前馈的神经反应。
“大脑把一些东西‘固化’进了近似的前向传播里，而不需要像 AI 那样在测试时进行大量的采样计算。”
🚀 连接组学：大脑的“哈勃望远镜”
Adam 正在推动的 E11 bio 项目旨在通过降低成本来绘制完整的大脑连接组。他认为，如果我们能像人类基因组计划那样，将大脑图谱的绘制成本降低几个数量级，我们将能直接看清智能的物理结构。
“如果你能用几十亿美元就全面解决这个问题，在 GPU 价值数万亿美元的宏大背景下，这笔投资是极其合理的。”
💻 形式化数学与 Lean
作为 Lean 的董事会成员，Adam 认为数学证明是强化学习的完美赛道。因为证明的正确性是可以被机器自动验证的，这为 AI 提供了一个清晰的奖励信号。
“我们将能够拥有搜索证明并找到它们的工具，就像我们有 AlphaGo 一样。有了可验证的信号，它就能行。”
❤️ 科学的“差距地图”
Adam 提出了“专注研究组织”（FRO）的概念，旨在解决那些“对研究生太难，对初创公司太亏”的科学工程问题。他认为，现代科学正处于一个需要“规模效应”的转折点。
“很多科学领域都需要规模。我们缺少一些可扩展的基础设施，这在几乎每个领域都存在，甚至包括数学。”
🌐 播客信息补充
翻译克隆自：Dwarkesh Podcast
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的；
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
本期我们克隆了：硅谷深度对话播客《Dwarkesh Podcast》Adam Marblestone – AI is missing something fundamental about the brain
为什么人类大脑只需极少的数据就能学会复杂的技能，而大语言模型（LLM）即便吞噬了整个互联网的文本，在逻辑推理上依然显得“笨拙”？本期嘉宾 Adam Marblestone 带来了一个颠覆性的视角：AI 缺少的可能不是参数，而是大脑中那套由进化精心编码的“损失函数”。
Adam 是 Convergent Research 的 CEO，也是神经科学与 AI 交叉领域的领军人物。在这场深度对话中，他拆解了大脑的“双系统”架构：一个负责全向推理的“学习子系统”（皮层），以及一个内置了千万年生存智慧、负责引导学习方向的“操纵子系统”。从连接组学的技术挑战，到用 Lean 语言实现数学证明的自动化，再到如何通过“专注研究组织”（FRO）填补科学基础设施的空白，Adam 展示了一幅通往通用人工智能（AGI）的全新路线图。这不仅是一场关于神经科学的科普，更是一次关于智能本质的终极追问。
👨⚕️ 本期嘉宾
Adam Marblestone，Convergent Research 首席执行官，前 MIT 物理学家，曾任 Google DeepMind 研究员。他致力于通过“专注研究组织”（FROs）推动科学基础设施的变革，目前正领导包括 E11 bio（大脑连接组图谱绘制）和 Lean（形式化数学语言）在内的多个前沿项目。
⏱️ 时间戳
00:00 开场 & 播客简介
大脑与 AI 的效率之争
02:01 千万亿美金的问题：为什么大脑比 AI 更高效？
04:54 进化的“课程表”：大脑如何内置复杂的损失函数
08:10 皮层：一个拥有“全向推理”能力的通用预测引擎
11:39 为什么 LLM 擅长预测下一个词，却不擅长“填空”？
进化的秘密：奖励函数与泛化
14:12 “摊销式推理”：为什么大脑反应飞快而 AI 需要思维链？
18:29 基因组的瓶颈：为什么区区 3GB 数据能构建出智能？
23:06 操纵子系统：进化如何把“怕蜘蛛”编码进你的神经元
28:25 奖励函数的“下游”：如何把抽象概念连接到本能反应
生物硬件与数字心智
33:19 20 瓦的奇迹：大脑的能效优势与硬件协同设计
35:55 突触 vs 代码：细胞层面的复杂性是在做“胶水”工作吗？
42:24 逆向工程大脑：我们离“全脑仿真”还有多远？
解密大脑：连接组学与技术革命
49:43 绘制大脑地图：从电子显微镜到光学连接组学的跃迁
53:58 行为克隆：能不能把大脑的内部状态“蒸馏”给 AI？
56:59 为什么我们需要几十亿美金去画一张小鼠大脑图谱？
数学自动化与可证明的未来
01:00:37 Lean 语言：当数学证明变成强化学习的信号
01:04:30 自动化的“聪明” vs 智能：黎曼猜想能被机器攻克吗？
01:06:26 可证明软件：如何打造一个“不可黑掉”的数字世界
科学的基础设施：FRO 与差距地图
01:11:16 为什么科学家不只需要白板，还需要“哈勃望远镜”？
01:12:30 差距地图：寻找那些被风投和政府忽视的科学盲区
01:15:03 结语：科学的未来在于规模化与基础设施的协同
🌟 精彩内容
💡 大脑的“双系统”理论
Adam 提出，大脑并非一个单一的学习算法。皮层（学习子系统）是一个极其通用的预测机器，但它需要被皮层下区域（操纵子系统）引导。进化虽然没有给大脑预装知识，但它预装了一套极其精密的“奖励函数”，告诉大脑哪些信息是关键的。
“进化可能在损失函数里内置了大量的复杂性……就像有大量的 Python 代码，为大脑不同部分生成了一套特定的‘课程表’。”
🛠️ 摊销式推理（Amortized Inference）
为什么人类看到危险会瞬间躲避，而 AI 往往需要多步推理？Adam 解释了“摊销”的概念：大脑通过长期的演化和学习，将复杂的贝叶斯推理固化成了前馈的神经反应。
“大脑把一些东西‘固化’进了近似的前向传播里，而不需要像 AI 那样在测试时进行大量的采样计算。”
🚀 连接组学：大脑的“哈勃望远镜”
Adam 正在推动的 E11 bio 项目旨在通过降低成本来绘制完整的大脑连接组。他认为，如果我们能像人类基因组计划那样，将大脑图谱的绘制成本降低几个数量级，我们将能直接看清智能的物理结构。
“如果你能用几十亿美元就全面解决这个问题，在 GPU 价值数万亿美元的宏大背景下，这笔投资是极其合理的。”
💻 形式化数学与 Lean
作为 Lean 的董事会成员，Adam 认为数学证明是强化学习的完美赛道。因为证明的正确性是可以被机器自动验证的，这为 AI 提供了一个清晰的奖励信号。
“我们将能够拥有搜索证明并找到它们的工具，就像我们有 AlphaGo 一样。有了可验证的信号，它就能行。”
❤️ 科学的“差距地图”
Adam 提出了“专注研究组织”（FRO）的概念，旨在解决那些“对研究生太难，对初创公司太亏”的科学工程问题。他认为，现代科学正处于一个需要“规模效应”的转折点。
“很多科学领域都需要规模。我们缺少一些可扩展的基础设施，这在几乎每个领域都存在，甚至包括数学。”
🌐 播客信息补充
翻译克隆自：Dwarkesh Podcast
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的；
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
评价...
空空如也
小宇宙热门评论...
暂无小宇宙热门评论
