133
01984年的一天，物理学家谢诺夫斯基和心理学家杰弗里·辛顿坐在实验室里，盯着黑板上的方程发呆。那是AI的第二个寒冬，神经网络陷入僵局。人们都知道多层网络更强大，但没人知道怎么训练它。
"如果我们把神经网络想象成一团气体呢？"谢诺夫斯基突然说。
这个疯狂的想法最终变成了玻尔兹曼机，这是一个用统计物理学重新定义"学习"的数学模型。它证明了只要找到合适的能量函数，神经网络就能像气体从高温降到低温一样，自发地调整到最优状态。
这成为现代深度学习的理论基石之一。
但两人后续的志趣却互相有所偏离。辛顿发现了更实用的反向传播算法，带领深度学习走出寒冬，最终迎来ChatGPT主导的AI时代。而谢诺夫斯基选择了回到神经科学实验室，用几十年时间解剖大脑的每一个回路，试图回答那个最初的问题：大脑究竟是如何工作的？
40年后，辛顿因玻尔兹曼机获得2024年诺贝尔物理学奖。他在颁奖典礼上自嘲："我和特里原本以为我们会因为解释大脑而获奖，结果我们错了。但这对物理学奖来说也够格了。"
而83岁的谢诺夫斯基，依然在实验室里追问那个问题。
也许，没有人比他更适合回答今天AI缺失的那些碎片。他见证了神经网络从"异端"到"改变世界"的全过程；他既懂物理学的简洁优雅，也懂生物学的复杂混沌；他和辛顿一起打开了AI的大门，又眼看着这扇门后的世界变得越来越陌生。在他看来，现在ChatGPT能通过哈佛医学院的考试，却连"睡觉"都不会。
是的，睡觉。人类大脑在睡眠时会激活海马体整理记忆，会通过做梦演练各种可能性。而ChatGPT一旦你停止输入就彻底沉默——它没有海马体，没有基底神经节，甚至没有"自主生成的思想"。而Transformer虽然强大，但只模拟了大脑皮层的一小部分功能，缺失了绝大多数关键结构。它是一个"智能碎片"——能思考，但不会行动；能对话，但不会生存。
在这次对话中，我们从历史、当下到未来，从这位AI先驱那里听到了关于智能本质的另一种答案：物理学如何用"一团气体"的直觉打破AI僵局；为什么"错误的理论"依然催生了"正确的技术"；为什么ChatGPT连最基本的"持续思考"都做不到；为什么"模拟人脑"可能不是通往AGI的唯一路径；
以及，当我们终于能用数学完全拆解一个"智能体"时，我们是否也就找到了理解意识本身的钥匙。
这是一场关于物理学、神经科学与AI的深度对话，也是一次对"智能"本质的重新审视。
在这个AI狂飙突进的时代，谢诺夫斯基提醒我们：技术的进步可以很快，但对智能的真正理解，可能需要几代人的耐心。
本期时间线：
02:15 - 计算概念的引入
04:30 - 玻尔兹曼机的诞生
06:45 - 多层网络的突破
10:10 - Hinton 获诺奖的物理学根基
12:50 - AI 是一种“方程”
18:45 - 反向传播 vs. 生物学习
21:10 - 突触的概率性与不可靠性
23:40 - 20瓦特的奇迹
26:00 - 范式转移：从单神经元到群体
29:15 - Transformer 与人脑的区别
34:50 - “暗室”思想实验
37:20 - AI缺失的“童年”与具身
42:45 - 图灵测试的失效
45:20 - 多巴胺与强化学习
49:30 - 睡眠与长期记忆
