大家好，这里是最佳拍档，我是大飞
不知道你在生活中有没有遇到过这样的人
他的记忆和现实里的情况完全对不上
但是他依然要坚持自己是对的
以至于造成各种麻烦的情况
人脑的记忆能力是我们生活中最常用的
用来保存过去信息的手段
但是它偏偏不够可靠
我们的大脑会遗忘，会产生既视感
还会编造不存在的记忆
为此
人们不得不创造外部工具来确保信息的可靠性
从泥板到书本，再到信息技术
今天
AI也逐步成为常用的辅助工具之一
只要在上下文长度的允许范围内
AI就可以快速地检索并且复述所记录的文本
既不会像人脑一样遗忘
也不会像人脑一样对部分信息“添油加醋”，
一些学者甚至将AI稳定储存信息的能力
视为AI“智能”超越人类的象征之一
但是在加利福尼亚大学戴维斯分校教授查兰·兰加纳特Charan Ranganath看来
当下AI的记忆能力并不完全
它们不加以区分地记录全部信息的行为
恰恰是AI还没能达到强人工智能的标志
最近
这位心理学家兼神经科学家做客了著名主持人Lex Fridmen的播客
探讨了当下学界对于记忆的研究以及相关科技的前沿领域
在和AI相关的讨论中，兰加纳特强调
要想实现强人工智能乃至于超人工智能
AI的记忆能力就需要一套完整的认知模型对记忆进行筛选
判断哪些记忆是需要被遗忘的
哪些记忆是需要加固并且进行渐进式的发展
只有实现对于既有记忆的筛选
AI才能够实现与人类智能相似的逻辑推演能力与判断力
甚至于掌握“想象力”这个过去被视为人类特权的能力
今天大飞就来和大家分享一下访谈中和人工智能有关的内容
兰加纳特先从记忆的定义开始讲起
所谓的记忆
并不是单纯地记录过去的信息
而是人脑在一系列复杂认知模型的相互作用下
编制出来的图景
在我们的日常生活中
记忆只需要扮演储存信息的角色
我们需要靠它来记住一些关键的事情
比如
别把车钥匙丢在家里
别忘了女友的生日或者是结婚纪念日
别忘了老板交代的工作任务
等等等等
但是当我们深入去解析记忆的运作原理
就会发现它远不止记录那么简单
兰加纳特表示
记忆的工作原理类似于一个分布式的神经元池
记忆在不同的神经元池中共享、竞争、互相对抗
有时我们会忘记
就是因为在记忆的竞争中
失败的一方被抹去了
而更多的时候
记忆都被“藏”在我们的大脑中
需要正确的线索来激活它
人们必须有正确的查询方法
使用正确的提示词
才能够在记忆中找到自己需要的部分
这种与特定事情或者个人体验拥有的记忆
被称之为情景记忆
除了情景记忆以外，还有工作记忆
短期记忆，长期记忆等等
兰加纳特将它们形容为在人体内运行的不同的记忆模型
这些记忆模型彼此之间相互关联
在前额叶皮层交织在一起
具有根据人们正在做的事情来控制信息流的能力
兰加纳特将模型聚合和分离的过程称之为事件的内部模型
他用生日派对举了一个例子
在生日派上对，一旦蛋糕出现
你只需要看到一根蜡烛
就能够预测以后发生的一系列事件
出现这种现象是因为
在孩子吹灭蜡烛之前
你的大脑中就已经有一个内部模型
根据过往的数据储存来推演即将发生的事情
而人脑想要构建这个内部模型
所需要的不只是个人对于周边环境的实时反应
兰加纳特解释道
我们不仅需要从对这个世界的常识中提取必要的信息
还需要从过去发生的特定事件的记忆中提取关键的要素
为此
长期记忆、短期记忆、工作记忆等模型必须紧密合作才行
兰加纳特将内部模型的建立称为“神经网络的美丽动态”，
它们在不同的时间点汇聚在一起
流程周而复始，形成了记忆、遗忘
甚至于创造不存在的记忆
在解释了记忆不等同于记住以后
兰加纳特开始介绍当下的AI在记忆方面遇到的难题
也是整个计算机神经科学中的难题
那就是“稳定可塑性难题
”这个难题是说
在已经具备了内部模型的部分功能的前提下
AI要如何主动判断哪些记忆是需要被遗忘的
哪些记忆是需要被保留的呢？
兰加纳特将这个问题细分为了两个部分
首先是AI对于规则的认知程度
无论是什么行业
在日常的学习生活中
都会存在大量规则以外的情况
兰加纳特表示
如果研究者希望AI快速学习规则以外的情况
规则本身就会在训练过程中因为侧重点以及上下文的限制
而被AI所逐渐遗忘；
如果研究者想要保留规则
那么例外情况就难以在缺乏强调的情况下
得到有效的训练
其次是对于规则和规则例外情况的权衡
人类可以自主地选择接受或者不接受例外情况
来决定是否对已有的规则进行修正
而这恰恰是当下AI缺乏的能力
对于这一困境
兰加纳特介绍了人脑的解决方案
偶发性记忆
你可以把这个系统想象成一个扳机
一旦出现了违反过往规则的事件
并且违反了我们之前所有预期的时候
扳机就会被扣下
当下次我们遇到类似情况的时候
这个被扣下的扳机就会提醒我们例外情况的存在
并推理出正确的做法应该是什么
这个机制给予了人类在思维逻辑上的灵活性
让我们可以适可而止地做出改变
而不必抹杀我们已经学到的一切
兰加纳特提到
我们会在预测误差较大的特定时间点、不确定时间点、惊喜时间点或者动机的重要时期
形成记忆的内部模型
并且不断地编码偶发性记忆
在这个过程中
大脑产生了无数的冗余信息，但是
只要在对规则的不确定性达到峰值的时间点
捕捉到了偶发性记忆
我们就抓住了体验中最有用的点
并且立刻判断是否要修改规则
但对于AI而言
违反规则的记忆需要被记录多少
例外情况的具体持续时间又是多久呢？
在记录例外情况的同时
哪些是需要AI考虑保留的信息
哪些又是AI需要根据例外修正的信息呢？
这些暂时都是未知数
兰加纳特诚恳地表示
自己提出这些问题并不是苛责现有的AI
相反
正是因为当下的心理学和神经科学
对于偶发性记忆的具体工作原理知之甚少
AI才难以复现人脑已有的功能
兰加纳特指出
当我们开始思考大脑中已有的机制
并且希望将它在程序中复现的时候
需要处理的并不是一个单一的问题
而是许多互相影响的问题
因为人脑本身就是一个多个模型彼此配合形成的系统
就如同前文提到的内部模型一样
换言之
如果”稳定可塑性难题”中存在的复数难题被攻克
人类就能够在实现人工智能的道路上迈进一大步
兰加纳特还提到
解决”稳定可塑性难题”这个记忆问题
还能够帮助人工智能实现“想象力”这个一度被视为人类专属的智能
难道记忆和想象力之间，还有关联吗？
兰加纳特还是从记忆的内部模型入手
为我们解释了想象力的由来
还记得我在视频开头提到的想象吗？
人们有时候会对从来没有发生过的事情深信不疑
这个现象被称为虚假记忆（ False memories）
有趣的是
虚假记忆并不是大脑凭空生成的记忆
而是为了填补在内部模型中被删去的记忆
而被大脑从已有的记忆中拼接出来的
这个过程往往发生在人们进行回忆的时候
比如说
一个人担心自己得了癌症或者类似的疾病
然后去看医生
医生要是说了“事情和你猜的或许有关联”之类的话
那当人们回忆起这件事的时候
就会把事件拼接为 “医生告诉病人他得了癌症”，
即使故事中实际上并没有这些
这是因为，人们在编辑记忆的过程中
会注入自己在意的一些意义
上述的例子只是一个小小的记忆失真
但是有时候事情会变得不可收拾
兰加纳特说到
人们实际很难区分想象中的事情和真实发生的事情
这就是回忆改变记忆的过程
这样一来，如果你记得某个事件
然后我告诉了你关于这个事件的一些事情
之后，当你回忆起这个事件的时候
你可能会记得事件中的一些原始信息
以及一些关于我告诉你的事情的信息
如果这个时候你分不清楚
那么我告诉你的那些信息
就会混进你原来的记忆里
当外界给你一些更多的错误信息
或者你在其他地方接触到一些更多的信息
最终你的记忆会完全脱离所发生的事情
兰加纳特表示
如果给予人们一个从来没发生过的事件的错误信息
当他们越来越多地试图回忆起那件事的时候
他们就会开始想象
开始从其他经历中提取东西
最终拼接出一段从来没有发生过的生动记忆
因为他们回忆的不是已经发生过的事件
而是在回忆试图记住发生了什么的行为
基本上是把它拼凑成了一个错误的故事
相信视频前的观众可能已经琢磨出味道了
虚假记忆形成的过程
与其说是一种错误的回忆
不如说是大脑在“什么该记住
什么该忘记”的基础上
在潜意识推动下进行的一场创作
如果你是这么想的，那么恭喜你
兰加纳特想讲的也是如此
他表示，想象力与虚假记忆
就本质而言
都是把记忆中的部分信息
用不同的方式重新组合
然后输出出去
兰加纳特提到
他和他的团队曾经做过一个实验
专门测试人脑对于艺术作品的记忆
当人们回忆诗歌和故事的时候
他们发现
人们的记忆并没有反映出他们所接触到的所有细节
而是根据既有的知识过滤出来的东西
比如受试者所属的文化
他们所拥有的信仰
他们所知道的事情等等
所以兰加纳特的结论是
记忆会成为一种想象力的建构
也就是说
我们并不是在单纯地回忆过去
而是通过脑中浮现的点点滴滴
来想象过去可能发生的事情
兰加纳特表示，想象力
虚假记忆与记忆之间的关联性
也得到了神经科学方面的支持
当实验者在要求人们回忆过去的事情的同时
扫描他们的大脑时
会发现
一个特定的神经元网络在人们回忆的过程中显得异常的活跃
这个区域网络最终被命名为默认模式网络
并被认为与海马体的功能密切相关
甚至有部分学者认为海马体就是这个默认网络的一部分
有趣的是
当兰加纳特的团队在观察人们的大脑
在进行想象以及虚假记忆的过程中的图像
或者是大脑激活图的时候
神经网络呈现出的活跃图像
与默认模式网络看起来非常相似
兰加纳特直言肉眼看上去
它们与人们回忆往事时的大脑激活图几乎一样
对于这一现象
兰加纳特提出了自己的理论
记忆与想象力的关系就像是不同形状的乐高积木
只要接收到正确指令
我们的大脑可以把这些积木重新组合在一起
重现你的这些经历
这就是所谓的回忆
但是我们的大脑也可以发出另外的指令
把它们重新组合成新的片段
创建一个尚未发生的事件模型
这也许就是想象力的来源
以此为基础
兰加纳特对于人工智能的未来展开了大胆的想象
他表示，破解稳定可塑性难题的关键
也许就在于弄清楚这些“小积木”是以何种形式被封装进我们的大脑
又是如何被调度和删除
从而实现了人脑对于记忆有选择的筛查和遗忘功能
一旦我们弄清了这一点
再让AI利用同样的积木去拼凑出特殊的图景
也许就能让AI实现所谓的想象力与自主创作能力
除了对于人工智能的记忆技术的讨论
Ranganath 还谈到了大语言模型在当下的种种实用案例
比如AI在信息传播领域的应用
面对AI在社会舆论场中越来越强的影响力
兰加纳特 表达了他的担忧
我们之前提到了虚假记忆的运作原理
本质就是在人们回忆不确定的记忆时候塞入其他的信息
让我们混淆了被插入的记忆与原本的记忆
而AI正是一个可以大批量生产信息的工具
自从GPT4和AI绘画问世以来
大量的虚构创作就开始如同洪水一般冲刷着互联网
网友们或者是出于对相关专业知识的不了解
又或者是出商业目的
开始二次传播AI生产的虚构信息
从而形成所谓的群体效应
兰加纳特表示
一旦一段的记忆成为集体的记忆
无论它原本是真是假
都会形成信息上的权威
人们的集体认同感在很大程度上是与共同记忆联系在一起的
如果我们对过去有着共同的叙述
或者更好的是
如果我们有着共同的过去
我们就会觉得彼此间的社会联系会更加紧密
会觉得自己是这个群体的一部分
与此同时，各种组织或者是个人
也开始使用AI进行宣传活动
兰加纳特说到
AI在有权力的人的手上发挥出了强大的马太效应
发言人越有权势
他们的影响力就越能通过AI宣传
在此基础上，兰加纳特担忧地表示
AI正在成为史无前例的宣传机器
只要辅以适当的权威
它就可以改写我们对历史的概念
改写我们对自身文化乃至成长经历的记忆
这并非没有先例
兰加纳特谈到了越战
他最近读了一本关于越南战争集体记忆的书
作者是一名越南移民
战争结束后被遣返回去
于是，他回到了家人身边
了解了越南人在战争的故事
在走访的过程中，作者发现
越南人将越战称之为美国战争
而不是越南战争
兰加纳特对此感到惊讶
作为一个土生土长的美国人
他还从来没有听说过越南战争以外的任何叫法
但是越南人称之为美国战争
因为对于他们而言
越战是美国侵略导致的
这件事情呢
让兰加纳特了解到
我们是如何在特定环境和社会的影响下
将自己的观点和特定的叙事组合在一起的
而AI将会成百上千倍的放大这一现象
他认为AI可以用这种方式造成很多的伤害
比如散播阴谋论
让它形成真正有效的传播
对于人们来说
类似阴谋论的信息天生带有一定的吸引力
兰加纳特称之为很性感的信息
而人类的大脑会更倾向于
利用这些性感的信息来构筑内部模型
并且淘汰掉已有的记忆
于是乎你就能看见
那些近乎狂热的阴谋论信众
就好像他们几乎在现场见证了阴谋论的内容一样
好了
以上就是兰加纳特在这次采访中和人工智能有关系的部分
全部的采访呢长达3个半小时
涉及了记忆科学的方方面面
干货是相当的多
大家有时间呢可以去看一下原视频
除了人工智能以外
兰加纳特还谈到了时下另一个大的风口
那就是脑机接口BCI
对于BCI他展现出了远超人工智能的担忧
兰加纳特非常担心
在BCI对于人脑的读取效率得到了进一步的提升之后
会被用来直接读取人脑中的思维
摄取一个人的政治立场
在他看来
这无疑是将个人隐私权的概念彻底摧毁
倘若BCI在未来被应用到记忆检查
乃至于记忆修改的科技中
反乌托邦小说中的社会或许真的就要到来了
不知道
大家是如何看待兰加纳特的想法的呢
欢迎在评论区留言
感谢大家的观看
我们下期再见
发表回复