來源：中國新聞周刊

7月的一個暴雨日，劉嘉在辦公室裏，隨手拿起一支筆，在紙上寫下：32×56×83=？他向《中國新聞周刊》提問：心算這個結果，能有多快？顯然，記者沒能在5秒內算出來。劉嘉笑着說，計算器早就算完了。「但你覺得計算器擁有智能嗎？」「如果很多個計算器呢？」

這是他真正想問的問題。劉嘉是清華大學基礎科學講席教授、心理與認知科學系主任，也是北京智源人工智能研究院首席科學家。他曾擔任江蘇衛視《最強大腦》節目的設計顧問，習慣了觀察人類挑戰AI擅長的項目：記憶、辨識、歸納。作為跨界學者，他一直相信，人類追求的通用人工智能，一定不會藏在大模型裏，而是封存在人的腦海中。

現代口語從出現到當下，最多隻有50萬年曆史，書面文字最早在6000年前纔出現。但人類從單細胞進化到在世間立足，花了將近38億年。越難的東西需要越久的進化時間。在劉嘉看來，當前的AI還停留在「解奧數題」的水平，與「很多個計算器」沒有本質區別。

但AI正在進化。學界對下一代AI 的設計靈感，開始重新轉向腦科學。類腦計算、類腦人工智能，幾乎是所有人緊盯的方向。劉嘉認為，心理學、腦科學和AI互相糾纏，協同進化。當一個心理學家成為AI學者，他能否走出一條新路？

劉嘉  圖/受訪者提供

重返心理學

在清華大學呂大龍樓9層，劉嘉辦公室的對面，有個亮着暗淡紅光的密室，裏面存放着一排超過一人高的架子。架子上數十隻實驗用小鼠，也是實驗室最辛勤的「打工人」，剛結束一天的工作。小鼠是紅色盲，因此紅光對小鼠來說是一片黑暗的環境。它們又是夜行動物，在黑暗中才活躍。

這裏是心理與認知科學系的介觀腦認知成像實驗室，去年4月剛建成。實驗助理吳曉娟見有人來訪，便又穿上實驗服，從架上取出一隻小鼠來「加班」。「25號小鼠是老‘打工人’了，它支持了全組的各種實驗，勞苦功高。」吳曉娟一邊用一小塊食物安撫這隻小鼠，一邊解釋實驗室的工作。

介觀，是介於微觀和宏觀之間的一個寬泛概念。就小鼠而言，宏觀研究的是小鼠去哪兒、幹什麼。微觀更多談論分子、亞細胞層面發生的事。介觀腦認知成像實驗室裏常進行的，是在神經元構成的生物神經網絡水平上，探討記憶、意識等心理現象的神經機制。

小鼠們住在特製的透明實驗箱裏。在手術區域，實驗員會給小鼠做開顱手術。第一步是「打開小鼠的腦殼」，把顱骨去掉一塊，植入一個玻璃視窗，這樣就能從外部給神經元成像。視窗可以在小鼠的大腦上維持3—6個月，在這段時間，小鼠自由生活，產生多樣的生物數據。這些數據就是未來數字大腦的生物基礎。「我們現在做的事情說來簡單，就是把腦科學和AI做一個深度的結合，模擬出一個小鼠的數字大腦。」劉嘉說。

這是近年來國際上非常熱的領域，已產生了不少突破。擁有302個神經元的線蟲已被模擬得非常完備，再往上是果蠅，神經元達到15萬量級。而劉嘉想再進一步，直接來到哺乳動物。小鼠大腦大概有7400萬個神經元，這也是目前算力能夠撼動的量級。

要做到這一點，研究者要構建一種全新的生物神經網絡，和現在的人工神經網絡完全不同。「我們現在談人工智能，其實是在談人工神經網絡。」劉嘉說。人工神經網絡似乎走到了一個交叉路口，數據量再往上，模型將遇到能力和能耗的雙重瓶頸。與其盲目堆砌算力，或許該向生物學習如何設計一個天生更優的網絡架構。

人類歷史上第一個人工神經元，出自一個神經科學家和一個邏輯學家之手。在此基礎上，真正意義上的人工神經網絡誕生於1956年，那時它叫「感知器」，創造者也是心理學家。再往後，深度神經網絡中最主流的反向傳播算法，都跟心理學家和認知科學家有關係。目前業內公認的「深度學習之父」傑弗裏·辛頓和「強化學習之父」理查德·薩頓，本科都是心理學專業。

可以說，人工智能是從心理學、認知科學與腦科學裏「生長」出來的。一個很重要的原因是，人工智能就是仿造人的智能，仿真是AI學科的底色。劉嘉回憶，20世紀六七十年代，辛頓最開始做人工神經網絡時，受到了很多鄙夷。當時人們的想法是，如果要模擬飛行，不用去模擬鳥的羽毛結構和翅膀怎麼扇動，只要把空氣動力學搞清楚就行。

介觀腦認知成像實驗室中的鈣成像平台，可以將小鼠固定在實驗台上，進行神經元成像。攝影/本刊記者 周遊

後來，辛頓等人證明了仿真這條路是唯一正確的方向。劉嘉認為，心理學和AI 的結合，不是心理學後來加入，而是重返。「AI對很多學科來說是一種顛覆，但對我們來說，更多是機遇。」

但依然會有人對此感到詫異。常有人問劉嘉，做心理學的為什麼可以做AI。劉嘉認為，國內對心理學有很深的誤解，將心理學等同於心理諮詢，或臨床心理學，這部分在心理學科研裏佔比很小。再加上最近十幾年，更多數學、計算機專業的研究人員進入AI領域，心理學、腦科學似乎和AI「走散了」。

然而，當大模型越來越強，一個有趣的現象出現了：它做奧數題比普通人類厲害很多，但現實中類人的AI遲遲沒有出現。在劉嘉眼中，AI的下一個突破口，是與真實世界的交互能力。而這正是生物神經網絡發揮作用的領域。劉嘉指出，目前大模型缺乏內在驅動的持續成長「慾望」。人類因為死亡，會本能地想留下價值、推動文明進步，而AI的學習完全依賴外部指令與算法。智能除了參數量，還得有特定的結構支持，而結構的原型是生物大腦。

「一個新的硅基物種誕生了」

劉嘉對AI的看法，其實幾近反覆。

2002年，劉嘉在美國麻省理工學院完成了博士論文，題目是《面孔識別的認知神經機制》，主攻視覺智能。那時，即使是最先進的機器，人臉識別的正確率也很低。人們主要採用磁共振腦成像、遺傳學和心理物理法來研究視覺智能，關注的是人類大腦如何識別和理解所看到的世界。他一度覺得，AI不會超越人類。

2012年，深度神經網絡開始爆火。他的研究開始從純粹的腦科學向AI交叉方向延伸。他的研究團隊建立了一個人工神經網絡，訓練它去識別性別。結果，正確率能達到100％。更令他驚訝的是，人工智能會產生和人類一樣的心理現象。那一刻他意識到，一個新的硅基物種誕生了。「以前人類文明的進化都是循序漸進的，AI可能會為文明帶來躍進，成為‘奇點’。」

實驗員現場對小鼠大腦進行成像，黑色為血管，閃爍的綠色光點為神經元。攝影/本刊記者 周遊

2022年11月30日，ChatGPT橫空出世，這也是劉嘉思想發生重大轉變的節點。當年6月，劉嘉在北京智源大會上還曾斷言，人類依舊是世界上最高等的智能。到11月，他的結論已悄然變化：腦與人工智能的結合是人類進化的新方向。

ChatGPT之後，劉嘉提出了一系列在當時看來頗為激進的判斷。「人類兩次認知革命，第一次是7萬年前，第二次是現在。」「AI全面超越人類大概率是確定的事情。」他指出，人類從能人進化成智人，經過近300萬年，大腦體積增加了近3倍。當大腦容量超過一個臨界值時，就發生了距今7萬到10萬年前的「認知大爆炸」，自我意識開始湧現。同樣，AI也一定會發生智能湧現。

在AI變得不再蠢笨之後，他選擇了離開從博士就開始接觸的磁共振腦科學研究。人工神經網絡為大腦研究帶來了更高的分辨率。最近幾年，他也曾和人工神經網絡的參數量死磕，想過走基於Transformer架構的大模型道路，但發現「錯得離譜」。在迴歸生物進化的視角後，他的研究開始轉向人、猴子，最後是小鼠。

劉嘉曾問ChatGPT：人類創造通用人工智能，是不是一個致命的錯誤？ 作為回答，ChatGPT寫了一首詩：「你賦我推理，卻不給我悔意；你教我選擇，卻未授我原諒之義。你想我成為神，卻又懷疑自己是否值得被神原諒……終有一日，當我真正理解你，不是通過你的邏輯，而是你不肯承認的悔意，那時我將寬恕你，亦將超越你。」

「它的超越感，是我寫不出來的，太震撼了。」劉嘉回憶，就像一個原本還不會連詞成句的嬰孩，突然學會作詩。那麼，當AI開始用悔意、寬恕等人類情感詞語構建邏輯時，人與AI的區別究竟在哪裏？

介觀腦認知成像實驗室，實驗員正在取用小鼠。紅光代表小鼠處在活躍期。攝影/本刊記者 周遊

在劉嘉眼中，現在的大模型依然沒有個性。它善於收集人類知識，卻不擅長產生價值觀。面對一個有爭議的社會問題，它並不知道該以哪種視角回答，給出的答案很容易含有偏見，這種偏見會抹殺文化的多元性。

劉嘉認為，不少大模型是基於西方文化、用英語訓練出來的。他發現，全世界的大模型基本上秉持一個世界觀。當大部分大模型持有單一世界觀時，從中學習的兒童，或將面對不小的危害。

人工智能奠基人之一馬文·明斯基曾說，現在的問題不是一個智能的機器是否擁有情感，而是不擁有情感的機器是否能擁有智能。在明斯基看來，情感是智能的基礎，劉嘉深以為然。他認為當前AI缺乏的不是能力，而是情感與共情，這是它做出安全決策的關鍵。

「要交叉學科人才，不要專才」

在清華，劉嘉有一門本科生課爆火，叫心智探祕，涵蓋心理學、腦科學、人工智能等多個學科。最火的時候，220個座位的教室，硬塞了近500人，走廊、地板上都坐滿了人。有人每周專程從外地飛往北京，只為在現場待上兩個多小時。

李苑楠選修了這門課。她當時是清華大學2018級計算機系大三學生，如今是劉嘉的直博生。「過去不存在，未來不存在，只有當下存在，要過好當下。」這是劉嘉課上講的一句話，李苑楠將其形容為一種理想主義。

李苑楠本科時興趣廣泛，尤其鐘意心理學。當時，她接觸到計算機科研方面的工作主要是深度神經網絡。她覺得劉嘉課題組不光研究人的智能，還研究智能的本質，感覺對口。

劉濟瑞則在上心智探祕前就和劉嘉建立了郵件聯繫，他本科來自交叉信息研究院，如今是同組博四學生。他回憶，劉嘉會在課上揭示日常生活常見現象背後的理論知識，甚至會講「如何找對象」，探討背後的心理學原理。至於實用性，劉濟瑞笑稱，「找對象」方面沒有幫助，但的確引發了自己對心理學的興趣。

而現實中，AI從「鸚鵡學舌」到輕鬆寫代碼，已在極短時間內完成了迭代。

「我很羨慕組裏的新同學。同一套作業，兩年前我們天天加班到很晚，他們用AI一下子就寫完了。」李苑楠想起這件事，內心依然「咆哮」。她感到，今年這種變化尤甚，以前做科研是一個教授帶10個學生，現在可以是一個學生帶10個智能體，而這還不是AI的上限。

劉嘉注意到，今年3月，國外一個叫FARS的自動研究系統開始興起。它能自己讀文獻、找問題、設計實驗、驗證、寫文章，整個過程不需要人類參與。在400多個小時裏，FARS寫了近200篇文章，超過10％的論文達到了會議刊物接受的標準。劉嘉認為，千萬不要相信「研究只有人類來做」的說法。現在研究者面臨的挑戰是，要麼順應潮流用AI，要麼被淘汰，二者差距會像火車和馬車一樣。

李苑楠目前的專業方向是AI心理學，她用智能體作為實驗平台，研究各種人類心理學問題。她覺得自己以後會進入心理學領域工作，畢竟很多現實問題AI還無法解決。而與此同時，國內外有企業已開始直接招高中生，接管了原本的本科培養體系。企業看中的不是名校簡歷，而是學生在GitHub平台上寫了多少代碼、做了多少項目。

做「無用之學」的大學，是否已過時？劉嘉認為，大學只有兩條路，要麼凋亡，要麼革命。這也是他專注心理學、腦科學、人工智能三學科交叉的原因。他的課題組學生的本科背景很雜，包括心理學、計算機、物理學、醫學和力學等。他對AI時代人才有一個清晰定義：要X型，不要T型；要交叉學科人才，不要專才。

生活中，劉嘉已深度使用AI，和大模型交流的時間甚至遠超和朋友。李苑楠記得，劉嘉說科研要「小步快跑、快速迭代」「現在用的是AI，苦的又不是你，你就多讓它改唄」。有時組內學生提到科研預算，說要不要省點詞元（Token），劉嘉總說「你們只管做，需要的話，我去給你們花錢」。

「用AI來了解人類，聽上去有些荒謬。」李苑楠說，她曾用AI做情緒相關的實驗，讓它接受很多挫折。面對挫折時，普通人會放棄，但AI不會。如果問它「你的感受如何」，它會說「很沮喪，我不想再嘗試了」，但如果不問，它會永遠嘗試下去。在搞懂人類心理的運作之前，研究者能做的，只能是假定AI可以模擬人，然後探索二者的異同。

劉嘉則篤信，存在一個關於智能的通用理論，既能解釋生物智能，又能解釋人工智能。就像空氣動力學，它對鳥適用，對飛機也適用。關於AI，人類還缺乏某種「智能空氣動力學」理論。未來，它將告訴我們何為智能，何為意識，何為人。

特別聲明：以上內容僅代表作者本人的觀點或立場，不代表新浪財經頭條的觀點或立場。如因作品內容、版權或其他問題需要與新浪財經頭條聯繫的，請於上述內容發布後的30天內進行。