全站搜索

媒体中心MEDIA CENTER

既然看到模拟那艘外星飞船的可能性,为什么不试试?

既然看到模拟那艘外星飞船的可能性,为什么不试试?

公司动态 模拟芯片 34 0

来源:中国新闻周刊

从清华大学心理与认知科学系主任刘嘉的办公室走出,我很难不去思考人类意识的本质。

当在瓢泼大雨中感受雨滴撞击指尖,或是沉浸在耳机旋律带来的躁动,我正在亲历意识,但说不清它是什么,是怎么来的。意识是所有人感知世界的滤镜,是自我存在的证明,也是科学与哲学的百年未解之谜。

刘嘉问了我一个问题:为什么只有人类会埋葬同类?在人类与猿猴分道扬镳的三百万年,我们不仅埋葬逝者,还会放锅碗瓢盆进去,甚至相信肉体死了之后灵魂还存在。这在刘嘉看来,是意识出现的旁证。考古学告诉我们,埋葬行为大约在距今四万年前才普遍出现,可以推测,人类意识是最近四万到十万年间的产物,这在人类进化史上是非常近的事。

就在同一时间段内,人的大脑容量增加了三倍。“神经元越来越多、组织形式越来越复杂,意识也许就自然而然涌现了。”刘嘉自然地秉持着一种极尽理性的还原视角。还原是指,他认为只要不承认意识是“上帝”的手笔,或源于某种人类永远无法理解的力量,它就一定可以被解析,被复现,被某套数学或物理法则所约束。

AI正是人类已知法则的具象化。它完全按照逻辑运算与规定法则行动,即便是被称为“黑箱”的深度神经网络,其决策过程也在逐渐被“开箱”。人们愿意相信AI是可解释的。那么,AI有可能对人类大脑具备解释力吗?刘嘉的回答是,从结构上复刻大脑,一定是可能的。

只是,这并不意味着人类能理解意识的本质。这就好比,摆在我们面前的是一艘能瞬间移动的外星飞船,我们可以扫描它,理解并复刻它的每个元件,甚至造一艘一模一样的飞船,但我们不能肯定这个复制品也会瞬间移动,也无法解释瞬间移动如何发生。

实践中,意识研究永远是间接的。意识是一种“属于我”的专属体验,我们永远无法通过扫描大脑,直接看到情绪和感受。科学家能做的,只是将可观测的大脑活动,与受试者口述的意识体验进行匹配。

这种口述甚至也不被信任。最新研究指出,人类大脑中负责分析推理和共情自省的网络,采用的是互不兼容的表达方式,且会互相抑制。当人类试图客观理解意识时,“身临其境”的体验感反而被压制了。受试者给出的反馈可能永远是“非真实的”。

这或许是意识研究陷入僵局的根源。当下,如果问意识是什么,大多数人会认为其源于大脑的物理活动,也有人认为意识超出科学的理解范畴,甚至可能是大脑营造的“错觉”。这甚至引向了对决定论和自由意志的终极探讨。如果大脑和世间万物一样可以被物理拆解,组成它的每个粒子的碰撞轨迹都能被其前一秒的处境所描述,那么这一切都可以追溯到宇宙大爆炸的那一刻。这样一来,世间所有人的命运,我们大脑看似能做出的每一个选择,从那时就是确定的。自由意志也是一种“错觉”吗?

刘嘉相信AI能帮助人类从哲学探讨中抽离出来。“先做出来看看”是他的目标。既然看到了模拟那艘外星飞船的可能性,为什么不试试呢?科学的魅力在于可证伪,他更想看到一个“所有人都可以来证明它错了”的东西出现,而非理论空谈。

1998年,一位美国神经科学家曾与一位澳大利亚哲学家打赌,预言到2023年,人类将发现大脑神经元产生意识的机制。显然,科学家败了。2023年6月,他公开承认赌输,并向哲学家交付了一箱葡萄酒。

一曲终了,指尖雨滴的触感消失。多年以后,也许有某个模拟大脑,被输入了相同的历史数据和环境参数,悄悄想起了它“曾读到过”的这则逸事。恰如此时此刻。

于2026.8.17总第1248期《中国新闻周刊》杂志

标题揭开人类意识的终章

记者:周游

(nolan.y.zhou@gmail.com)

编辑:杜玮

运营编辑:肖冉

特别声明:以上内容仅代表作者本人的观点或立场,不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的,请于上述内容发布后的30天内进行。

上一篇: 下一篇:

相关推荐

  • 物联网变送器:场景闭环中的选型陷阱与隐性损耗真相

    8

    选型误区与生产损耗:场景闭环的“隐形杀手”在实际交付中,我们发现物联网变送器的选型远非“参数匹配”这么简单。很多标称数据背后的真相是:实验室环境与生产现场的差距,足以让一款“完美参数”的变送器沦为“鸡肋”。选型陷阱:场景适配比参数更重要很多用户选型时只盯着“精度0.1%”、“量程0-100℃”这些标称数据,却忽略了场景闭环中的关键变量——比如电磁干扰、温度漂移、长期稳定性。听起来可能反直觉,但变送...

    查看全文
  • 电饭煲芯片的伪需求:揭开选型背后的技术迷雾

    2

    电饭煲芯片的伪需求:揭开选型背后的技术迷雾在实际交付中,我们发现一个令人困惑的现象:很多客户在选型时,执着于追求电饭煲芯片的“高精度”“多功能”,甚至要求支持所谓的“智能烹饪算法”。听起来可能反直觉,但这些需求往往只是伪需求,真正决定产品表现的,是底层逻辑中的稳定性与抗干扰能力。选型误区:被数据绑架的“高精度”很多标称数据背后的真相是,所谓的“高精度”在电饭煲这种低动态、低复杂度的应用场景中,几乎...

    查看全文
  • 端侧AI处理器:场景闭环的真相与生产现场的隐性损耗

    9

    端侧AI处理器:场景闭环的真相与生产现场的隐性损耗在实际交付中,我们发现端侧AI处理器的选型,远比参数表上的数字复杂。很多客户拿着“TOPS/W”的标称数据来对比,却忽略了场景闭环的底层逻辑——功耗、延迟、算力利用率,这些才是决定产品表现的关键。听起来可能反直觉,但端侧AI的“高效”,往往不是靠堆算力,而是靠精准匹配场景需求。选型误区:标称数据的“陷阱”很多标称数据背后的真相是:实验室环境与生产现...

    查看全文
  • BMS电池管理芯片韧性测试:撕开标称数据的“遮羞布”

    11

    韧性测试不是“过家家”:选型误区与生产现场的隐性博弈很多标称数据背后的真相是,BMS电池管理芯片的“韧性测试”正在被严重低估。选型时,工程师往往盯着“-40℃~125℃工作温度”“0.1% SOC估算精度”这类纸面参数,却忽略了实际交付中,芯片在复杂工况下的“韧性崩溃”——比如高温老化后SOC跳变、低温启动时采样失真,甚至在电池组均衡时因电流冲击直接宕机。这些问题的根源,藏在“韧性测试”的底层逻辑...

    查看全文
  • 智能变送器替换成本:别被标称参数蒙蔽双眼

    6

    选型陷阱与隐性损耗:一场被忽视的成本战争在实际交付中,我们发现很多客户在替换智能变送器时,第一反应是比对“量程范围”“精度等级”“响应时间”这些标称参数。听起来可能反直觉,但这些数据在实验室环境下或许成立,到了生产现场却可能完全失效——尤其是当设备需要24小时连续运行、承受电磁干扰、应对温度剧烈波动时,所谓的“高精度”可能连基本稳定性都保证不了。选型误区:参数漂亮≠能用很多标称数据背后的真相是:它...

    查看全文
  • 家用音频芯片选型:避开“参数陷阱”,直击应用场景适配本质

    9

    家用音频芯片选型:别被“参数表”骗了,场景适配才是硬道理在实际交付中,我们发现一个扎心现象:很多客户拿着“高信噪比、低失真”的芯片参数表来选型,结果装到产品里,声音要么干瘪刺耳,要么动态范围被压缩得像被掐住脖子。问题出在哪?家用音频芯片的选型,从来不是“参数越高越好”的简单逻辑,而是要穿透标称数据,直击应用场景的底层适配逻辑。选型误区:参数表的“甜蜜陷阱”很多标称数据背后的真相是——实验室环境与真...

    查看全文
展开更多

  • 回到顶部
  • 回到顶部