今年充滿了關於機器擁有超人能力的辯論和猜測，這些機器可能會比預期更快地將人腦遠遠拋在身後。公眾對ChatGPT和其他所謂的大型語言模型（LLM）日益增長的認識，極大地擴大了公眾對人工智慧的認知。與此同時，這也引發了一個問題：人腦能否跟上人工智慧飛速發展的步伐。
最樂觀的答案認為，人類和機器不必成為你死我活的競爭對手。研究人員發現了一個潛在合作的例子，即讓人工智慧探索古老遊戲圍棋的無限複雜性——圍棋和象棋一樣，都見證了計算機擊敗最高水平的人類棋手。三月份發表的一項研究表明，人們可以如何向擁有超人技能的機器學習。理解ChatGPT的驚人能力，有助於理解為什麼人們不斷地將著名的聊天機器人背後的深度神經網路與人腦中數萬億的連線相提並論。
重要的是，融入人工智慧的機器學習並沒有完全分散主流神經科學的注意力，使其無法熱衷於更深入地洞察被稱為“已知宇宙中最複雜的物體”：大腦。科學領域的重大挑戰之一——理解意識的本質——在六月份得到了應有的重視，當時突出展示了一些實驗，這些實驗旨在檢驗兩種相互競爭的理論的有效性，這兩種理論都旨在解釋意識自我的基礎。
支援科學新聞事業
如果您喜歡這篇文章，請考慮支援我們屢獲殊榮的新聞事業，方式是 訂閱。 透過購買訂閱，您將幫助確保關於塑造我們當今世界的發現和想法的具有影響力的故事能夠擁有未來。
過去的12個月提供了許多令人印象深刻的進展的例子，供您儲存在工作記憶中。現在，讓我們仔細看看我們在2023年《大眾科學》中報道的一些傑出的思想和大腦故事。
人工智慧驅動機器解碼您大腦中的內容
研究人員證明了人工智慧與神經科學結合的有效性，他們報告瞭如何將功能性磁共振成像（fMRI）腦部掃描與人工智慧驅動的LLM相結合，試圖弄清楚一個人腦子裡到底在想什麼。在德克薩斯大學奧斯汀分校展示的模型，以相當高的準確度，複製了受試者在掃描器中聽到的或編造的故事。研究人員記錄了參與者在聽到某些詞語時的大腦活動。來自這些掃描的資料隨後被用於訓練人工智慧模型，以檢測大腦對這些詞語的反應模式。然後，該系統獲取了一組新的掃描，人工智慧根據其訓練，預測了受試者在這些掃描中聽到的內容。您可能還需要一段時間才能在亞馬遜上購買到這種技術；這種演繹壯舉需要大量的訓練。目前最好的系統只能粗略地提供您腦海中的內容梗概。
圍棋的勝利啟發了更好的博弈
當谷歌旗下DeepMind公司創造的“超人”人工智慧在2016年擊敗了當時的圍棋冠軍李世石時，引發了人們對這種優勢可能對人類意味著什麼的集體擔憂（人類此前已經在象棋領域被計算機擊敗）。一些研究人員主動研究了圍棋棋手對失敗的反應。三月份發表的研究結果，對未來人類與人工智慧系統的合作抱持樂觀態度：研究表明，圍棋界將李世石的失敗視為一次學習經歷。這些棋手分析了該程式的招法，發現其中一些是人類博弈中從未見過的。然後，他們將這些招法融入到自己的比賽中——這是一個人工智慧與人類互動的例子，最終提高了人類的博弈水平，併為這種合作如何更好地輔助人類決策提供了思路。
我們最終會在2048年理解意識嗎？
世界各地的頭條新聞揭示了哲學家大衛·查爾默斯和神經科學家克里斯托夫·科赫之間一場持續25年的賭局的結果。這場賭局在六月份的紐約大學會議上揭曉，賭注是神經科學是否能夠在今年之前提供意識的“清晰”神經特徵。科赫——他在四分之一個世紀前認為意識特徵現在應該已經被明確——不得不勉強承認，這個崇高的目標尚未實現。他隨後向查爾默斯支付了一箱好酒，然後他發誓在25年後重新審視這個問題，以評估在破解意識方面是否取得了更多的“清晰度”。會議還重點介紹了旨在檢驗兩種主要意識理論的實驗結果；與會者一致認為，這兩種理論都需要做更多的工作。
抑制不良想法會讓你感覺更好
腦科學領域並非一切都與人工智慧有關。臨床心理學家在沒有必要利用LLM資源的情況下，也取得了出色的成就。一種簡單的居家式步驟與關閉可能在您腦海中流淌的負面想法有關。英國劍橋大學研究人員的一項研究表明，如果您忽略令人痛苦的想法和意象，它們將不可避免地在以後困擾您的觀點並不成立。這對患有焦慮症、抑鬱症或創傷的人來說是個好訊息。抑制這種負面情緒的流動確實似乎可以降低一個人內心恐懼的強度。