陳天橋系統(tǒng)闡述“發(fā)現(xiàn)式智能”，定義AGI未來方向

　　10月27日、28日，AI驅(qū)動(dòng)科學(xué)研討會(huì)(Symposium for AI Accelerated Science，AIAS 2025)在美國舊金山舉行。會(huì)議匯聚了近30位全球頂尖學(xué)者與產(chǎn)業(yè)領(lǐng)袖，與現(xiàn)場數(shù)百位學(xué)者、學(xué)生共同探討AI如何驅(qū)動(dòng)科學(xué)發(fā)現(xiàn)。

　　會(huì)上，盛大集團(tuán)、天橋腦科學(xué)研究院創(chuàng)始人陳天橋發(fā)表主題演講，首次系統(tǒng)闡述了“發(fā)現(xiàn)式智能”(Discoverative Intelligence)的全新理念，指出這是真正意義上的通用人工智能，并提出了實(shí)現(xiàn)路徑。

　　配圖：陳天橋

　　2025年新晉諾獎(jiǎng)得主、加州大學(xué)伯克利分校教授Omar Yaghi，2024 年諾獎(jiǎng)得主、華盛頓大學(xué)教授David Baker，2020 年諾獎(jiǎng)得主、加州大學(xué)伯克利分校教授Jennifer Doudna，圖靈獎(jiǎng)得主、斯坦福大學(xué)第十任校長暨現(xiàn)任 Alphabet (谷歌母公司)董事長John Hennessy等參加了會(huì)議主題分享與圓桌討論。

　　陳天橋演講全文：

　　真正的智能，是能“發(fā)現(xiàn)”的智能

　　一、人類進(jìn)化從未停止，只是改變了方式

　　自智人出現(xiàn)以來，我們的身體幾乎沒有變化。甚至有研究顯示，人類大腦的體積相比舊石器時(shí)代還有所縮小。但這并不意味著人類進(jìn)化已經(jīng)停止。我們用智慧讓科學(xué)發(fā)現(xiàn)和技術(shù)發(fā)明成為我們新的、外在的進(jìn)化器官。我們發(fā)明武器來獲得利爪和尖牙，發(fā)明衣服來獲得新的皮膚，發(fā)明汽車來跑得比獵豹還快，發(fā)明飛機(jī)來超越鳥類。我們的平均壽命從二十多歲延長到近八十歲，這種差距在生物學(xué)上只存在于不同物種之間。

　　可以說，人類并未停止進(jìn)化;相反，通過不斷發(fā)現(xiàn)未知，我們將自身的功能外化，擴(kuò)展了在時(shí)間和空間上的范圍。科學(xué)發(fā)現(xiàn)和技術(shù)發(fā)明已成為人類進(jìn)化的主要引擎。

　　二、“發(fā)現(xiàn)式智能”是真正意義上的通用人工智能

　　因此，AI for Science不應(yīng)被看作是人工智能應(yīng)用的一個(gè)方向。它定義了AI與人類的關(guān)系：AI的價(jià)值不在于取代現(xiàn)有的人類工作，比如更快、更便宜或更高效。從我們物種進(jìn)化的角度看，AI for Science 就是 AI for Human Evolution。幫助人類發(fā)現(xiàn)未知，是AI對(duì)人類的終極價(jià)值。

　　如今許多模型聲稱已經(jīng)“發(fā)現(xiàn)”了新結(jié)構(gòu)、新分子，甚至新理論。但這種“發(fā)現(xiàn)”大多還停留在結(jié)果層面。他們在已知能量函數(shù)、統(tǒng)計(jì)模式或語料分布內(nèi)找到了新樣本。這并不是科學(xué)意義上的發(fā)現(xiàn)，而是在搜索空間內(nèi)的外推。

　　真正的“發(fā)現(xiàn)”是能夠提出問題，而不僅僅是回答問題;能夠理解原理，而不僅僅是預(yù)測結(jié)果。

　　這種能夠主動(dòng)構(gòu)建可檢驗(yàn)理論模型（可檢驗(yàn)的世界模型）、提出可證偽假說，并通過與世界的互動(dòng)和自我反思不斷修正自身認(rèn)知框架的智能，才是真正的通用人工智能。我們稱之為“發(fā)現(xiàn)式智能”（Discoverative Intelligence）。

　　它不同于其他智能的定義：

　　它超越了模仿，因?yàn)閯?chuàng)造和發(fā)現(xiàn)才是智慧的本質(zhì);

　　它是可證偽的，因?yàn)榘l(fā)現(xiàn)是可觀察的事件，而不是像“意識(shí)”那樣模糊的哲學(xué)定義;

　　它重新定義了AGI的意義——不是“取代人類”，而是“進(jìn)化人類”。

　　三、規(guī)模路徑與結(jié)構(gòu)路徑：通向“發(fā)現(xiàn)式智能”的兩條道路

　　以“發(fā)現(xiàn)式智能”為新標(biāo)準(zhǔn)，我們重新審視當(dāng)今AI發(fā)展的兩大流派：

　　第一是“規(guī)模路徑”。它強(qiáng)調(diào)參數(shù)即知識(shí)，智能是規(guī)模的產(chǎn)物。只要模型足夠大、數(shù)據(jù)足夠多、算力足夠強(qiáng)，智能就會(huì)自然涌現(xiàn)。這一路徑已經(jīng)取得了驚人的應(yīng)用成果，使AI能夠預(yù)測蛋白質(zhì)、生成化合物，甚至輔助科學(xué)研究。這無疑是AI歷史上最成功的工程路徑。

　　與此同時(shí)，另一條路徑正在悄然形成，即“結(jié)構(gòu)路徑”。這里的“結(jié)構(gòu)”不是指模型架構(gòu)，而是智能的“認(rèn)知解剖學(xué)”。大腦是一個(gè)通過神經(jīng)動(dòng)力學(xué)，并基于記憶、因果和動(dòng)機(jī)，形成知識(shí)系統(tǒng)并隨時(shí)間不斷演化的系統(tǒng)。這些機(jī)制賦予智能以連續(xù)性、可解釋性和方向感。科學(xué)發(fā)現(xiàn)的本質(zhì)是推演未來，這一觀點(diǎn)認(rèn)為，只有具備時(shí)間結(jié)構(gòu)的智能才能在分布外保持有效。

　　四、大腦之鏡：時(shí)間結(jié)構(gòu)分析

　　那么，所謂“大腦的時(shí)間結(jié)構(gòu)”究竟指什么?

　　它不是指大腦的某個(gè)具體物理區(qū)域，而是大腦處理信息的基本“運(yùn)行范式”。

　　當(dāng)前AI的“空間結(jié)構(gòu)”范式(規(guī)模路徑)本質(zhì)上是“瞬時(shí)的”和“靜態(tài)的”，用大量空間參數(shù)去擬合世界的“快照”。而大腦的“時(shí)間結(jié)構(gòu)”范式本質(zhì)上是“連續(xù)的”和“動(dòng)態(tài)的”，其存在的目的是管理和預(yù)測時(shí)間流中的信息。

　　要管理時(shí)間流中的信息，系統(tǒng)必須具備五種核心能力，這五種能力共同構(gòu)成了“時(shí)間結(jié)構(gòu)”的完整閉環(huán)：

　　1. 神經(jīng)動(dòng)力學(xué)：要在時(shí)間中“存在”，而不是“瞬時(shí)計(jì)算”，必須有連續(xù)的能量基礎(chǔ)。大腦是一個(gè)持續(xù)運(yùn)行的動(dòng)態(tài)能量系統(tǒng)，即使沒有輸入，大腦也能自組織、自激活、自校正，就像我們在發(fā)呆的時(shí)候大腦仍然在運(yùn)轉(zhuǎn)。這種能量流讓智能真正“活著”。而Transformer是離散的、靜態(tài)的計(jì)算圖，每次推理結(jié)束后“思考”完全停止，下一次又從零開始，沒有時(shí)間連續(xù)性。今天的智能只是計(jì)算，而不是存在。智慧必須“活著”，因?yàn)槭澜缈傇谧兓�，只有持續(xù)隨時(shí)間更新的系統(tǒng)才具備科學(xué)發(fā)現(xiàn)的能力。

　　2. 長期記憶系統(tǒng)：要“積累”過去的經(jīng)驗(yàn)，而不是每次都從零開始，必須有可塑的存儲(chǔ)機(jī)制。當(dāng)前大模型的記憶是“短時(shí)工作記憶”，一旦上下文清空，智能就被重置。沒有長期記憶，就沒有真正的學(xué)習(xí)。長期記憶不僅讓智能積累經(jīng)驗(yàn)，更重要的是學(xué)會(huì)有選擇地遺忘，使其能在有限參數(shù)內(nèi)高效學(xué)習(xí)，形成假說和理論。

　　3. 因果推理機(jī)制：要理解事件在時(shí)間中的順序(即什么導(dǎo)致了什么)，必須能夠推導(dǎo)原理。現(xiàn)有大模型對(duì)已知信息的理解和再現(xiàn)，包括因果關(guān)系，仍局限于已知范圍內(nèi)的語言統(tǒng)計(jì)，而不是機(jī)制推導(dǎo)。模型在訓(xùn)練數(shù)據(jù)分布內(nèi)表現(xiàn)完美，但環(huán)境一變就崩潰，因?yàn)樗�依賴的是共現(xiàn)模式，而不是世界結(jié)構(gòu)。因果推理在科學(xué)發(fā)現(xiàn)中的意義，正是要在未知條件下重建對(duì)世界的理解，是走向分布外的第一步，也是世界模型的起點(diǎn)。

　　4. 世界模型：要預(yù)測未來的軌跡，必須能夠在內(nèi)部模擬世界。雖然當(dāng)前AI具備多模態(tài)感知，但仍缺乏統(tǒng)一模型，無法在內(nèi)部形成連貫的“現(xiàn)實(shí)投影”。而人腦擁有統(tǒng)一的世界表征系統(tǒng)，整合感知、記憶、預(yù)測和自我反思。它讓我們能在腦中模擬世界、預(yù)演未來，不斷在神經(jīng)層面運(yùn)行假設(shè)檢驗(yàn)和因果預(yù)測。這正是科學(xué)思維的本質(zhì)：在大腦中運(yùn)行關(guān)于未來的實(shí)驗(yàn)。

　　5. 元認(rèn)知與內(nèi)在動(dòng)機(jī)系統(tǒng)：要管理上述復(fù)雜的跨時(shí)過程。人腦具備元認(rèn)知，能意識(shí)到自己的不確定性，調(diào)整推理路徑、分配注意力、選擇策略。這種“對(duì)思維的思考”是科學(xué)和創(chuàng)造力的起點(diǎn)。而今天的AI主要依賴外部指令，缺乏自驅(qū)，包括強(qiáng)化學(xué)習(xí)的獎(jiǎng)勵(lì)函數(shù)也是由外部設(shè)定。當(dāng)長期記憶和因果推理在世界模型中匯聚時(shí)，如何產(chǎn)生機(jī)器元認(rèn)知，讓探索欲和好奇心自發(fā)生成。這是從被動(dòng)執(zhí)行者到主動(dòng)探索者的關(guān)鍵一步，也是走向活的智能的最大的挑戰(zhàn)。

　　這五種能力不是五個(gè)平行方向，而是智能的連續(xù)、活躍閉環(huán)——一個(gè)能隨時(shí)間自我進(jìn)化的系統(tǒng)。我們稱之為“大腦的時(shí)間結(jié)構(gòu)”(Temporal Structure)。

　　五、時(shí)間結(jié)構(gòu)：年輕人的切入點(diǎn)

　　正因?yàn)橐?guī)模路徑近年來取得了巨大成功，我們才第一次如此清晰地看到它的天花板：僅靠堆積數(shù)據(jù)和算力，無法突破通向真正理解和發(fā)現(xiàn)的障礙。這是結(jié)構(gòu)主義思維回歸的最佳時(shí)機(jī)。我們正站在這個(gè)歷史轉(zhuǎn)折點(diǎn)。我們需要的不是更多顯卡，而是新理論、新算法和新想象力。這需要跨學(xué)科思維：神經(jīng)科學(xué)、信息論、物理學(xué)和認(rèn)知心理學(xué)的融合。這正是年輕人的優(yōu)勢。

　　我們已經(jīng)為這些年輕人做好了準(zhǔn)備：

　　我們有算力。無論選擇哪條路徑，算力都是不可或缺的。我們將投入超過十億美元建設(shè)專用算力集群，為年輕科學(xué)家提供即時(shí)實(shí)驗(yàn)的資源環(huán)境。這些算力不是用來比拼規(guī)模，而是用來探索結(jié)構(gòu)，驗(yàn)證記憶機(jī)制、新的因果架構(gòu)或新的神經(jīng)動(dòng)力學(xué)假說。

　　我們有辦公室。我們在全球設(shè)立了研發(fā)中心，邀請(qǐng)來自不同學(xué)科的年輕研究者在白板前現(xiàn)場碰撞智慧，目前已有200多位世界知名大學(xué)的博士在我們的辦公室工作。

　　我們正在建立基準(zhǔn)。我們計(jì)劃推出新的基準(zhǔn)(benchmark)，全面衡量神經(jīng)動(dòng)力學(xué)、長期記憶、因果推理、世界模型和元認(rèn)知，以AI是否“發(fā)現(xiàn)”為AGI衡量標(biāo)準(zhǔn)，讓所有科學(xué)家基于SOTA目標(biāo)協(xié)作和競爭。

　　我們有專為年輕人設(shè)計(jì)的機(jī)制。我們正在建立PI孵化器，為全球年輕科學(xué)家開設(shè)獨(dú)立研究通道。博士生和博士后無需等到畢業(yè)，就能獲得獨(dú)立預(yù)算，在我們的平臺(tái)上以自己名字命名實(shí)驗(yàn)室，帶領(lǐng)同事獨(dú)立探索時(shí)間智能的未來結(jié)構(gòu)。

　　我們相信：規(guī)模是巨人的道路，時(shí)間結(jié)構(gòu)是年輕人的機(jī)會(huì)。巨人用算力推動(dòng)邊界，年輕人用結(jié)構(gòu)重新定義智能：

　　那就是一種不會(huì)重復(fù)既有知識(shí)，而是能提出自己假說、驗(yàn)證世界并修正自身理解的智能——這就是能“發(fā)現(xiàn)”的智能。