作者 | 华卫 人类与 AI 间的对决，自 2016 年的 AlphaGo 打赢世界围棋冠军李世石起，就开始不断出现在大众视线中，出圈的例子更是不少。 曾担任《最强大脑》节目首席科学家的刘嘉，也亲眼见证过这样一场比赛。当时，还是百度大脑首席科学家的吴恩达带着搭载百度大脑的智能机器人小 度上了舞台，与人类组选手比拼起"看照片认脸"。面对多轮挑战，最终人类最顶尖的面孔识别选手不敌 AI。 这个结果，好似当头一棒重重敲向了此时正往北京师范大学副校长一职奔赴的刘嘉。他火速向学校递交辞呈，重新钻进实验室，将全部心思转投到 了脑科学与 AI 的交叉研究中。 回到 2025 年的今天，我们更是已置身于一个几乎被 AI 包围的时代。去年，诺贝尔物理学奖和图灵奖双双花落 AI 领域。今年年初爆火的 DeepSeek 让"无所不知"的大模型遍布朋友圈，随后 Manus 的横空出现又将 AI 完全自主的蓝图放到大众眼前。AI 真的将超越人类吗？身处于现在的时代，这个话 题已被推至现实议程，越来越多的人能够感觉到一种深切的危机感。 在今年 6 月出版的新书《通用人工智能：认知、教育与生存方式的重构》中，刘嘉用"近乎疯狂"几个字来形容 ...

核心观点 - Google DeepMind CEO Demis Hassabis预测未来5到10年内有50%概率实现通用人工智能（AGI）[1] - AI发展历程中最大的教训是过度依赖人类经验而非算力与数据规模[2][3] - 当前AGI探索面临技术路径的隐忧，包括强化学习的局限性、脑模拟的算力瓶颈以及NLP的认知边界问题[9][14] 技术路径分析 - **强化学习**：虽为早期突破性技术，但存在"短视"缺陷，需结合更宏观的智能框架[14] - **脑模拟**：受限于算力瓶颈与理论盲区，难以完全复现人类认知机制[14] - **自然语言处理（NLP）**：虽进展迅速，但语言能力不等同于认知能力，模型输出与真实思想存在本质差异[9][15] 行业趋势与反思 - **算力驱动**：历史表明AI突破的核心引擎是计算规模而非人类直觉[2][3] - **大模型争议**：Scaling Law下参数膨胀可能掩盖智能本质，引发"进化还是幻觉"的质疑[15] - **跨学科融合**：脑科学与AI交叉研究成为新方向，强调对世界理解与知识迁移的能力[7][13] 关键人物与事件 - **刘嘉教授**：从AI转向脑科学再回归，提出AGI需融合认知科学、心理学等多学科视角[7][13] - **AlphaGo事件**：标志性技术转折点，推动研究者重新审视智能的本质与构建路径[7] - **《苦涩的教训》**：Richard Sutton指出AI发展应放弃人类经验依赖，专注算力与数据扩展[2][3] 未来探讨方向 - AGI构建是否需突破语言模型的表层能力，实现真正的认知理解[9][15] - 技术路线选择如何平衡短期效果（如NLP）与长期智能本质（如脑模拟）[14] - 跨学科研究（脑科学+AI）对突破现有范式局限的潜在价值[7][13]