从 1000 亿个神经元到大语言模型，一份神经漫游指南。 文 丨 曾梦龙 编辑 丨 黄俊杰 旧金山街头，脑科学家特伦斯·谢诺夫斯基（Terrence Sejnowski）跟老友在路边散步。走着走着，两 人停下对视，异口同声地说："我们赢了！" 这一幕发生在几年前，他身边的人是 " 深度学习之父" 、计算机科学家杰弗里·辛顿（Geoffrey Hinton）。两人都出生于 1947 年，相识与合作近半个世纪。在 1985 年，他们合作提出了玻尔兹曼 机，把神经网络和概率建模结合在一起，为后来的深度学习奠定基础。 当时正值 AI 研究低谷期，主流学术界用符号和逻辑研究 AI，不断碰壁。许多研究人员对有生之年见 到重大突破感到绝望。两人希望从人脑的运作方式寻找 AI 研究的灵感，这被建制派认为走上了一条 不可能成功的道路。 ChatGPT 诞生，无数大语言模型涌现，改变了世界对人工智能的预期，证明了神经网络研究的价值。 辛顿也因 AI 研究在 2024 年获得诺贝尔物理学奖。 "我们当时就像在恐龙脚下生存的小小的哺乳动物。谁料到恐龙很快就会灭绝？" 谢诺夫斯基在今年 9 月接受《晚点 LatePost》视频访谈说。 ...

技术类别与分布 - 清单围绕三个类别提出近300项技术[1] - 信息工程科技领域技术创新包含163项技术 包括6G技术 多模态大模型 超级通用智能体等[1] - 传统产业改造升级和学科交叉融合包含122项技术 包括计算神经科学 智能可穿戴设备 AI辅助药物设计等[1] - 民生相关AI热点技术包含12项 包括大模型技术 具身智能 智能无人系统等[1] 研究背景与价值 - 清单由中国工程院信息与电子工程学部与中国信息与电子工程科技发展战略研究中心联合发布[1] - 研究时间跨度覆盖未来5至10年[1] - 汇集数十名院士和数百名专家的智慧成果[1] - 旨在为人工智能发展顶层设计和战略谋划提供参考依据[1]