90后神经科学家林桥津：AI不必照搬人脑进化路径

广州出发，绕行剑桥再回归

1991年出生的林桥津是土生土长的广州人。小时候，她喜欢给床上排成一排的玩偶编故事，这种想象力成了她最早的科学工具。本科就读于香港科技大学生物学专业，让她养成了跨物种思考的习惯——“学了植物、动物、生态，后来在关注大脑和神经元的时候，不时会想想别的动植物进化出了什么能力”。

真正转向神经科学，是在加州大学伯克利分校交换期间的一门心理学课。课程讲授视觉与听觉如何在大脑中被处理，这与她“喜欢揣测别人意图、喜欢编故事的能力”高度契合。回到港科大后，她的毕业设计选择了神经科学实验室，从此没有回头。

博士阶段，她前往剑桥大学，跟随研究神经元“末梢”的先驱做研究。这个领域有个看似简单的问题：连接脚底的运动神经元长达一米多，如果信号要从末梢传到细胞体再传回来，需要两天时间——那么我们是怎么做到瞬间缩手的？答案在于，神经元会预先在末梢“囤货”，把蛋白质和分子提前部署在那里，一有刺激就地取材。这种预先部署的智慧，后来成了她看待一切系统的底层隐喻。

在剑桥待了将近十年，博士后期间研究低温对大脑的保护作用。“适当的挑战，可以让脑子积累抗压能力，”她说，“遇到更大的灾难时，可以调动前面积累的韧性。”这不只是神经科学的发现，也是她自己的人生逻辑。

2023年，她回到广州，加入香港科技大学（广州）脑与智能研究所，成为助理教授并组建独立课题组。选择回来，除了父母因素，更多是热爱本土美食和这座城市，以及广州校区提供的跨学科可能性——与AI、微电子、具身智能、大数据合作，“探索那些在前面一百年的神经科学都没有办法探索的问题”。

翻译《智能简史》：一半时间在学习

2024年，AI创业者Max Bennett撰写的《智能简史》在圈内引发热议。书中提出，人类智能不是神秘整体，而是五次进化突破按顺序堆叠的结果：转向→强化→模拟→心智化→语言。当前AI跳过了某些基础突破，直接模仿高级能力的“结果”，所以看起来聪明，实则脆弱。

这本书的中文译者正是林桥津。翻译过程始于GPT-3时代，那时大语言模型还不能提供太多辅助。“我觉得我在翻译这本书的过程中其实一半时间都在学习，”她说。让她惊讶的是，Bennett作为非神经科学家，在神经科学部分的知识和原理都非常准确，“他在这个过程中请教了很多神经科学专家，肯定花了很大力气。”

这本书的独特价值在于双向启发：AI背景读者能学到神经科学知识，神经科学背景读者能学到AI知识。对林桥津来说，最有新意的是最早的“转向”突破——“用单细胞动物或者线虫的智能来类比扫地机器人。我以前对这些低等生物的智能没有这么深的体验。”

这个类比打开了她的研究思路。她自己也在做神经元和硅基芯片结合的干湿混合生物芯片实验。在做简单决策时，早期生物的二进制算法——“我要不要往前走，该往左转还是右转”——跟芯片逻辑有非常深的关联。“所以神经科学家读了反而开了AI方向的脑洞。”

AI必须模仿人脑吗？

面对“人类对大脑了解程度”的提问，林桥津直言：“我们了解的非常非常少。尤其是对人脑，很多时候还在做动物脑子的研究。”科研伦理限制了直接在人身上测试，而技术手段也难以捕捉大脑细节层面的动态变化。

关于AI是否必须模仿人脑，她认为两者发展路径不必一致。人脑是碳基材料，受能量限制极大——体积占比很小却消耗全身20%的能量。而硅基AI在发展初期对能量限制远不如生物体严苛，“所以它的发展路径，也未必需要完全遵循大脑的发展路径。”

她并不否认模仿人脑是一条主干线，“AI终究是由人创造出来的，最终还是要服务于人类。而我们相处起来最舒服的对象，往往是与我们思维同频的。”但她更希望在这条主干道上，“添加一些其他生物脑子里更有意思的辅助功能。”

当前AI发展主干线仍是模仿人脑，但可能只停留在“大脑皮层”层级，相当于《智能简史》中五次突破的第三次左右。前三步——导航转向、强化学习、模拟——AI已做得相当不错，能够构建自己的“世界地图”。但后面的心智化和语言能力仍有差距。

涌现、世界模型与神经科学对应物

AI领域的“智能涌现”概念，在神经科学中有对应过程。林桥津解释：“神经元和神经元之间的连接是可以被动态调整的，这个量变引起质变的过程，就有点类似AI说的涌现。”

比如办证流程：最初只知道每个环节具体操作，完成整套流程后，下次办不同业务时也能大致知道整体流程。这种从具体操作到抽象模式的转变，就是神经网络在学习过程中不断重塑连接的结果。

“世界模型”概念与教育变革密切相关。在AI时代，死记硬背知识已不重要，“课堂讲授就显得没那么高效了，这也从另一个角度反映出，大家似乎不太愿意‘听课’了，因为觉得‘回去查一下AI也很快’。”

她的应对策略是改变教学模式：小班讨论为主，重点帮助学生思考归纳而非名词解释。她甚至设想开发“AI主持人”工具，实时监测小组讨论是否跑偏，“一旦跑偏就能把大家拉回正题”，甚至“报警”提醒老师。

但更重要的是帮助学生建立自己的“世界模型”——处理事情的能力而非具体知识。就像通勤路线，大脑会形成固定模型，当道路施工时需要刷新模型。这种模式识别和更新能力，才是教育应该培养的核心。

大脑进化的五次突破

第一次突破“转向”源于环境压力。早期生物如珊瑚被动等待食物，直到环境灾变食物稀少，才进化出主动运动能力。辐射对称的身体结构在决策时效率低下，逐渐演变为两侧对称，有了前后左右的方向感，能通过简单转向做决策。

这次突破带来了节能优势——“如果大脑为了获得新的能力就必须不断扩大、消耗更多能量，那这个‘性价比’实在太低了。”同时发展出判断事情好坏的能力，多巴胺、血清素等神经递质至今仍在发挥作用。

第二次突破“强化”出现在脊椎动物（如鱼类）。鱼脑已有人脑主要分区雏形，能进行强化学习。所谓“鱼只有七秒记忆”并不准确，它们能对光线、物体产生适应性反应，掌握各种技巧。

第三次突破“模拟”对应哺乳动物（如鼠类）。它们表现出对新事物的好奇心——实验室中，老鼠会对新玩具表现出明显偏好。这种“喜新厌旧”不是人类特有性格问题，而是进化赋予的倾向，具有探索优势。它们还能在迷宫中找方向，甚至在脑中预想不同路径的结果。

第四次突破“心智化”出现在灵长类动物。猴子能揣测互动对象的意图，表现出情绪和故意捣乱行为。一个有趣现象是：科研人员自己的猴子做实验时表现与别人的猴子完全不同，“总感觉它有点故意捣乱，像是在刻意吸引你的注意力。”这说明它们已具备心智化能力，能理解社会关系和政治博弈。

最后一次突破“语言”造就了人类。虽然大脑结构没有特别显著变化，但脑沟回折叠更复杂，增加了表面积和连接可能性。语言功能相对集中在布罗卡区、韦尼克区等区域，但实际需要调动大脑多个部位共同完成。

关键区别在于知识传承能力。黑猩猩虽有简单发音和肢体动作，但无法完整传递知识给后代。人类依靠语言和文字记录，让知识不断积累传播。“人类过去几千年所取得的进步，其实与更优良的基因关系不大，最关键的因素完全要归功于想法与创意的积累。”

AI如何反哺神经科学

AI发展也在启发神经科学研究。第一个例子是反向传播机制。这套理论最初由AI领域提出，后来神经科学家更有信心推断大脑可能以类似方式运作。

第二个例子关于多巴胺工作机制。AI领域的“分布式强化学习”发现启发了神经科学家重新审视多巴胺。传统认为多巴胺是单一预测数值，但AI研究表明用分布式方式建模更准确。验证发现，大脑中确实存在“乐观”和“悲观”神经元，分别对应不同奖励预期模式。

这一发现对心理学和精神医学有很大启发。抑郁、焦虑、双相等情绪障碍，可能与这种分布式机制的失衡有关。每个人天生有趋向性，但后天经历能调整大脑连接——“我们的经历，更多改变的是神经元A究竟与B建立连接，还是与C建立连接。”

大脑发育不仅是“加法”也是“减法”。十岁前除了增加连接，也会减少不重要的连接。“记住的东西并不一定越多越好。对于一些不那么重要的事情，大脑可能会选择将其遗忘，或者让它进入‘休眠’状态，不再占用能量。”

AI真的具备好奇心和情感吗？

关于AI是否具备好奇心，林桥津认为人类好奇心源于“把探索本身视为一种奖励”，在经历积累中形成“尝试新事物可能带来收获”的判断。而AI探索新领域的动机不同——“更多是出于一种‘需要完成任务’的驱动”，本质动机与人类不同。

AI表现出的情感也不真实。它总是给出让人满意的答案，“似乎总在迎合你的想法”，因为从海量语料库中总结出“正确”回应。但缺乏真人交流的“人味儿”——“无论面对什么问题，它似乎都不表现出任何明显的偏好性，你会觉得它说的一切都很‘正确’，但总有种冷冰冰的、机械化的感觉。”

真正的人际交流包含独特人格特质的碰撞，可能相互冲突但饶有趣味。而AI综合无数人的回答，挑选最恰当回应，缺少个性化。“人与人之间的交流中，有时候我说了一句实话，可能会让你听了心里不太舒服，但我并不会因此就不想再和你聊天了。”

心智化与具身智能的必要性

AI是否需要心智化能力？林桥津认为这取决于功能定位。如果只是执行明确指令的工具，不需要心智化。但在某些场景下，预判未明说的意图很有必要——比如自动驾驶需要预判行人可能突然冲出，养老机器人需要理解老人的情绪和需求。

具身智能落地困难的原因在于“身体”与“大脑”的割裂。人类进化中二者同步发展，神经元不仅存在于大脑，手脚等部位也有分布。简单反射如缩手不需要大脑参与，但复杂决策需要深度思考。

有研究尝试为机器人安装真实生物脑组织，读取神经信号。这种“为机器寻找大脑”的做法，与具身智能“为AI寻找身体”形成有趣对比，说明当前两个部分尚未真正融为一体。

如果AI真能依次实现五次突破，达到自主产生语言并彼此交流的程度，“我会觉得它已经有点像是一种生物了，不一定是人，但很可能是某种新的物种形态。”但她对AI能否真正具备生物的关键特征存疑——快速适应环境和自我增殖繁衍。

生物的适应性与其环境相互匹配，很难兼容极端相反环境。AI如果只是完全复制自身，可能无法像生物那样通过遗传变异孕育适应新环境的个体。“我们并不是在简单地复制自己，而是在遗传与变异的过程中，孕育出一个能够适应全新社会环境的新个体。”

AI时代人类的稀缺能力

在AI时代，人类真正稀缺的能力是什么？林桥津认为是“保持我们在宽度上的一些能力，能解决不同问题的能力”。

AI可能在特定方向深入思考或高效完成专业任务，但人类智能涵盖社交、情感、创造力等多个维度。“当AI能够替代我们完成那些我们本身不那么擅长，或者它已经能够做得比我们更好的事情时，我们更应该保持自己在广度上的能力。”

这种跨领域解决问题的能力，正是人类区别于专用AI的核心优势，也是在技术变革中保持竞争力的关键。