2016年發生的兩件事，讓心理學家劉嘉奮斗了20年的學術信仰崩塌了。
第一件事是，世界頂尖圍棋高手李世石以1比4敗于AlphaGo。這讓劉嘉猛然發現，“一個全新世界正緩緩拉開帷幕。”
第二件事則是劉嘉的親身經歷。在他參與策劃與制作的江蘇衛視《最強大腦》節目中，面對通過幼年人臉識別20年后的成年人、雙胞胎識別、現場實時照片識別等挑戰，人類頂尖選手敗于AI。
他本來自信滿滿。早在2002年，他在美國麻省理工學院（MIT）進行博士學位答辯之際，就在第二張PPT里寫道，“現在最先進的機器識別面孔的正確率只能是隨機水平，而人類能夠在一秒鐘識別上百張面孔。為什么人類如此偉大？為什么人類如此聰明？為什么機器如此愚笨？”他的答辯題目是《面孔識別的認知神經機制》。
在策劃《最強大腦》節目之初，他的判斷是，肯定人類更厲害，可以不費吹灰之力碾壓AI，這次要“讓人類的智慧在鏡頭前痛痛快快地羞辱一下AI”。
當AI戰勝人類的那一刻，他在沮喪之余頓悟：他一直求索的面孔識別問題并非人類智能的本質所在，原來自己圍繞一個假問題奮斗了20年。
他決定躬身入局，去尋求并攻克真正的問題。為了新的目標，劉嘉辭去了北京師范大學心理學部部長的職位。他要重返實驗室，只想做一個全職科研的普通教授。
劉嘉
新的信仰
時間撥回到1997年。劉嘉剛到MIT腦與認知科學系開始攻讀博士學位，他和導師南希·坎韋施有一則這樣的對話。他說，自己想做挑戰大的課題。南希告訴他，視覺是人類所有的感覺系統中最主要的信息來源，有60%的大腦區域都與視覺有關，而在所有的物體識別中，面孔識別是最難的。
劉嘉覺得自己一下子抓住了重點：面孔識別就是那顆皇冠上的明珠，他要做那個摘取明珠的人。從此以后，5年讀博生涯，以及回國之后的15年間，他一直都在深耕面孔識別。他想知道人是怎么識別面孔的、大腦的什么區域在執行這個功能，以及它的過程。
在讀博期間，他發現了重要的結果：當人們看見一張面孔，大腦會用100毫秒把面孔和非面孔區分開，然后才會把這個信息傳輸到一個專門用于面孔加工的區域，之后再用70毫秒把這個面孔識別出來。
這就是面孔識別的獨特之處，跟其它物體的識別是完全不同的。這個功能無比重要——只有在人群中迅速找到母親的面孔，嬰兒才能提高自己的生存概率。
他們的這篇研究文章發表在《自然—神經科學》，迄今引用接近900次。
然而，他一直以為的最本質的智能問題竟然被AI攻克了。更何況，2016年的AI在人們看來還特別弱智。顯而易見，他選錯了方向。
他追求的是終極問題，面孔識別并不是。
他要的那個問題是什么呢？當然就是刻在阿波羅神廟的那句“認識你自己”：我們是怎么理解自己的，我們是怎么理解這個世界的，它背后的第一性原理是什么？
44歲的劉嘉開始尋找新的線索：在“人猿相揖別”的數百萬年里，人類主要在進化以語言為載體的思維能力，所以語言和思維才是最為重要的。
2022年11月30日，大語言模型ChatGPT面世的那天，劉嘉正發著燒，有朋友給他發了一個GPT-3.5的鏈接。最初提問的問題他已經不記得了，但他立即意識到這大概就是通用AI（AGI）的雛形。震驚之余，他的病都好了一半。
再延伸出去，他得出了一個更為震撼的結論：那一天是AI進化史的分界線。在此之前，AI只是一個工具而已；在此之后，地球上有了另一個能理解人類的“物種”，人類不再是孤兒了。
劉嘉說，“如果達爾文看見這個時刻的話，他一定會說，一個新的生命誕生了。”那么，如果腦科學加上人工智能，會不會在某一天造出一個數字人類大腦呢？
彼時，他的身份已經是清華大學基礎科學講席教授、北京智源人工智能研究院首席科學家。
他是如此激動，以至于為此寫了一本題為《通用人工智能：認知、教育與生存方式的重構》（下稱《通用人工智能》）的書，并于今年6月份出版。在自序中，他寫道，“把這近十年中我的摸索、掙扎、領悟和疑問，攢成了文字，與你分享”。
一面鏡子
如果說ChatGPT的問世給了劉嘉新的信仰，那么2024年諾貝爾物理學獎頒發給機器學習則給了他極大的信心，因為作為獲獎者之一的“深度學習之父”杰弗里·辛頓正是心理學出身。
不僅如此，辛頓的履歷也讓劉嘉有極大共鳴：劍橋大學入學后僅一個月，辛頓便厭煩了物理學“每天12小時實驗與謄寫筆記”，他憤而輟學。一年后重返學校，他開始學習生理學，又很快產生了不滿，因其只關注軸突電生理而不講大腦工作機制，于是轉向哲學。1970年，他再度轉身心理學并獲得學士學位。劍橋大學畢業后，辛頓成了一名木匠。這期間，他讀到了加拿大心理學家唐納德·赫布的《行為的組織》一書，深受觸動之余，他決定用仿生方法研究大腦智能，之后進入愛丁堡大學攻讀博士學位。
這樣的人生簡直就是劉嘉的一面鏡子，他也曾在人生追求上搖擺過。
劉嘉是重慶涪陵人，他小時候經常在夏夜鋪著涼席睡在室外，仰望星空的時候他就好奇宇宙的廣闊面貌，這導致他在高中一直想讀天體物理專業。不過他的想法因為一本關于弗洛伊德的傳記改變了。他忽然覺得心理世界比宇宙更為廣闊，更為復雜，他要去學心理學。
1990年進入北京大學心理學系后，他才發現這門學科太“文科”了，充滿了哲學思辨以及沒有邏輯的死記硬背，那遠非他想象中的科學，于是他在本科期間學了北大計算機系的核心課程。他還輔修了無線電系的電子學與信息系統，皆因大腦也是一個信息加工的系統，他覺得學信息論或許會幫助他理解大腦。
他最終堅持完成了心理學的學業，并在讀完北大認知心理學碩士后，奔赴麻省理工學院攻讀博士學位。
其實，劉嘉在大學做的事情遠不止上述。按照他的說法，“紅道”“黑道”和“黃道”他都試過了，最終才回歸心理學。
所謂“紅道”，就是走仕途。他大一的時候競選過北大的校學生會主席，在第二輪即被淘汰出局。在這個過程中，他只感到了累，完全找不到“high”的感覺，他就明白這條路不是自己想要的。
“黃道”跟掙錢有關。在1995年碩士一年級的時候，他就靠寫軟件掙到了不少錢。他不會理財，有了錢就只會帶朋友去北大南門“胡吃海塞”“喝了就吐”。他仍然沒有“high起來”。
他決定堅守“黑道”，也就是做學問。這條路雖然很累，報酬也很低，但“越做越high”，這就足夠了。
劉嘉最早接觸AI是1994年。他用傳統人工智能方法符號AI做了關于人格測量的專家系統，并獲得了北京大學“五四青年科學獎”一等獎，他是唯一獲獎的本科生。他那時看到的AI遠不是他期待的，直到他聽了一位剛從日本回國的博士講的人工神經網絡的課，才感受到了“AI的靈動”。可惜那時的電腦算力太小，一臺386臺式機的算力都遠遠比不上現在的智能手機。
之所以奔赴MIT讀博，其一是因為劉嘉通過互聯網知道了人工智能之父馬文·明斯基，后者正是在MIT人工智能實驗室任教；其二是他讀了已故計算神經科學領域先驅大衛·馬爾關于視覺的著作。在那本書中，這位MIT教授用了一堆數學公式講述人類為什么能看見這個世界。劉嘉頓生崇拜，認為認知科學就應該是這樣的，那才是自己應該為之奮斗的方向。
可惜的是，當劉嘉來到MIT見到馬文·明斯基，在聊起人工神經網絡時，這位大佬卻一臉消沉，告訴劉嘉這個方向不值得做，然后建議他回歸腦科學研究。
當乘坐冷冰冰的電梯從馬文·明斯基辦公室出來，他的心緒一如馬文·明斯基般消沉。他還是聽從了大佬的建議，再也沒碰AI。
劉嘉在北大讀書期間。
“理解智能的本質”
其實劉嘉對AI的興趣一直沒有消亡。以前的AI太弱智，沒法做好玩的事情，當AI不再弱智了，做事的時機來了。
回顧最近十年的學術之路，回歸實驗室后的劉嘉并不順利。他反思，自己犯了多個錯誤。
第一個錯誤是，為了追求可解釋性，他使用的人工神經網絡的參數量太小。他沒有關注OpenAI的工作，而是追隨了DeepMind XLand的工作，甚至在2020年6月GPT-3問世之后，他曾批判那是個試圖靠堆參數堆出智能的“傻大粗”。他坦承，自己錯得格外離譜。
這個錯誤，是他在2023年才認識到的。畢竟神經網絡太小時，不可能具有真正的智能，人們沒辦法指望從只有302個神經元的秀麗隱桿線蟲中得到關于智能的研究結果。
第二個錯誤是跟風。他也想做基于Transformer的大模型，直到2023年年底，他才想到了生物進化的維度。
他發現，更多的神經元數量并非高級動物區別其他動物的唯一特征，否則神經元數量遠多于人類的大象和鯨會比人類更聰明，那么進化就成了他參照的智能法則。他要回到自己擅長的領域里，把腦科學和AI結合起來，看看智能是如何進化而來。因為他的第一性原理是“進化不會干無聊的事情”。
與如今流行的AI for Science不同，劉嘉想要做的是，讓腦科學幫助AI來發展，就像當年辛頓一心要讓機器模仿大腦的運作機制一樣。
劉嘉看到了當下大模型的短板，那就是，它只能做從1到100的事情，而對從0到1的顛覆式創新的事情無能為力。所以在他看來，如今最該攻破的反倒是腦科學，只有把腦科學的根本問題解決了，才能啟發下一代AI的誕生。
劉嘉在做什么呢？“理解智能的本質”，他們的口號簡潔明了。
在劉嘉的實驗室，《中國科學報》記者見到了大量開著顱窗的轉基因小鼠。他們正在利用寬場的單光子鈣成像技術記錄小鼠視覺皮層的上萬個神經元的活動。劉嘉想知道，當小鼠在做某個認知任務的時候，這些神經元構成的生物神經網絡是怎么活動的？這樣的研究或許能啟發新的人工神經網絡算法。
就在前兩年，他們課題組還在以狨猴為研究對象。不過他很快發現，每次能記錄的猴子神經元有限，于是他轉向了小鼠。這樣他就能一次觀察上萬個神經元的活動，只有如此，他才能把研究結果和人工神經網絡作對比。在做神經元成像時，同時記錄100個神經元和同時記錄1萬個神經元，得到的結果是完全不同的——就像大模型的發展一樣，規模會帶來認知功能的涌現。
1998年，劉嘉在MIT。
“信仰之躍”
如今的劉嘉不出差，不參加各種會，“老老實實在第一線做研究”。
劉嘉這種坦然的姿態傳承自他的導師南希，后者是一位個性十足的科學家。當年回國之際，劉嘉問導師，建立自己的實驗室有什么訣竅。南希告訴他兩個關鍵詞——tough and fair。劉嘉不解：fair是公平的意思，那tough是對人嚴厲嗎？南希說，其實是simple and straightforward（簡單和直接）的意思。
劉嘉馬上明白了，導師的意思是：不需要轉彎抹角、繞來繞去。若要去申請經費，拿文章、拿實驗提案就足夠了；若是學術觀點和別人不同，就可以直接表達出來。fair則是對事不對人，科學面前，學生、老師人人平等。
但是，tough and fair并不意味著特立獨行。他意識到，DeepMind戰勝麻省理工學院與哈佛大學的布羅德研究所，因解析蛋白質結構拿到了2024年的化學諾獎，充分說明了傳統的小而美的實驗室和傳統的老師、學生的單線合作研究模式已然失效。
在AI時代，科學必須得像 DeepMind 那樣以工程化的方式來推動，即Engineer for AI for Science（基于工程架構的人工智能助力科學研究）。跨學科的合作，已經成為腦科學+AI發展的必要條件。
2024年，他開啟了“小曼哈頓計劃“，即在學校的支持以及已有心理學基礎上，創建了融心理學、腦科學和人工智能三個交叉學科的心理與認知科學系，開始了一段新的征程。
“信仰之躍”，這是劉嘉為辛頓寫的小傳的題目，其實那是寫給他自己的。
辛頓是劉嘉的最大偶像。當辛頓攻讀博士學位之際，正是神經網絡研究的嚴冬。馬文·明斯基在其著作《感知機》中嚴厲批判了由神經網絡通向AI的道路，斷言“研究神經網絡是一條死胡同”。這時候，辛頓的導師也背棄了神經網絡，轉投符號主義AI陣營。然而辛頓卻執著于神經網絡研究，成了遠離經費、導師和學界支持的孤勇者。
辛頓的信仰是堅定的，“沒有理由認為人工神經網絡做不到我們能做的一切”。早在劍橋讀書的時候，他就宣告：“理解大腦的唯一辦法，就是親手造一個出來。”這是他的信仰。
當年劉嘉辭去了心理學部部長的職位，這在很大程度上有相似之處。
他把這個信仰的根源歸納為延遲滿足，這種延遲滿足甚至是超越生命周期的。劉嘉經常告訴學生，做事情要考慮時間尺度，要把它放到5年、50年，甚至超越你的生命的尺度上來看待其價值。
在方法論上，他極力推崇的一個策略是，進攻是最好的防守。
他是國內使用功能磁共振研究大腦功能的先驅之一。當年他剛到MIT讀書，導師就開始用功能磁共振研究大腦功能。劉嘉于2002年加入中國科學院生物物理所，參與組建了國內第一臺用于腦科學研究的磁共振設備。2006年到北京師范大學后，他主導建設了國內高校第一個磁共振腦成像中心。
他沒有滿足于這些成就，反而跳出了舒適區，再也不碰磁共振了，原因是其空間和時間分辨率太差，完全不能滿足人工神經網絡研究需要。隨后，他又從人的研究轉向了猴子研究，之后再次轉向了小鼠的研究。
在《通用人工智能》一書中，他如此總結自己的學術思想：如果只是沿著熟悉的道路前進，雖然容易且安全，卻可能讓你陷入認知的局部最優陷阱——你以為自己已經理解了整個世界，實則只是固守在一個狹窄的角落。
這就要不斷迭代自己：在開始訓練前，都必須明確一個目標函數。這個函數定義了模型希望達到的理想狀態，而訓練的全部意義就在于不斷優化參數，讓模型越來越接近這個目標。
人生也需要定義目標函數。他說，不用執著于精確地規劃未來的每一步，那樣反而可能陷入過度分析而遲遲無法行動。你需要做的是“強行起飛，粗糙開始，空中加油”，找一個大致正確的方向，然后不斷調整、不停向前。
這正是劉嘉實現信仰之躍的路徑。
本文部分內容參考了《人文清華播客：對話清華學者》的劉嘉專訪，人物圖片由受訪者提供。
本文鏈接：劉嘉的“信仰之躍”http://www.sq15.cn/show-11-25114-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇： “藍天保衛戰”背后的科學力量