【文/观察者网专栏作者 心智观察所】 想象这样一个场景：在一间恒温、无菌的实验室里，几万个来自老鼠胚胎或人类干细胞的脑细胞被小心 地安置在一个指甲盖大小的芯片上。它们没有眼睛去看屏幕，没有手去操控手柄，甚至没有一个完整的 身体——却成功地玩起了上世纪70年代风靡全球的电子游戏《Pong》（乒乓）。更令人惊讶的是，它 们不仅会玩，还在几分钟内学会了如何打得更好。 这并非科幻小说中的桥段，而是2022年由澳大利亚初创公司Cortical Labs联合多所高校发表在 《Neuron》期刊上的一项真实实验。研究团队将这套系统命名为"DishBrain"（培养皿大脑），并首次证 明：即使脱离了生物体，活体神经元也能在虚拟环境中感知信息、做出反应，并通过反馈机制实现学 习。这一发现不仅挑战了我们对"智能"和"意识"的传统理解，也为未来神经科学、药物研发乃至新型计 算范式打开了全新的可能性。 神经元如何"看见"和"移动"？ 那么，神经元如何"知道"球在哪里？又如何"控制"球拍？ 近年来，随着大语言模型的爆发式发展和生成式人工智能的广泛应用，人们一度认为硅基计算——即由 晶体管、芯片和算法构成的传统人工智能——已经牢牢锁定了 ...

当越来越多的企业把人工智能当作"算力堆叠器"和"效率加速器"，真正的困境却在悄然放大：组织运转 更快，却更混乱；决策频率更高，却更偏离现实。模型在进化，算法在刷新基准，但企业自身的结构、 流程与认知方式，仍停留在"蛮力扩张"的工业时代逻辑中。 下一波人工智能浪潮，不再取决于谁拥有更大的模型、更多的数据，而取决于谁更少出错、更快修正。 能否持续感知偏差、识别意外、并以最低能耗缩小预测与现实之间的差距，将成为企业竞争力的分水 岭。 提出这种观点的，并不是边缘人物，而是人工智能领域的重量级人物——比如 OpenAI 联合创始人伊利 亚·苏茨克维尔、图灵奖得主扬·勒昆，以及被称为"人工智能教母"的李飞飞。 他们的态度并不激进，却异常清醒： ·伊利亚·苏茨克维尔认为，AI已经经历了研究时代和规模化时代，而现在，正在回到一个"用超级计算机 做研究"的新阶段。 ·扬·勒昆直言，现有的学习方式，距离人类和动物真正的学习机制还差得很远。 ·李飞飞则提醒，大模型本身过于封闭，缺乏对真实世界的扎根理解。 这意味着一个根本性转变：人工智能不再只是工具，而是一面放大镜——它会放大你企业内部已有的秩 序，也会毫不留情地放大混乱。真正的挑 ...

刚刚，「Dreamer」大神Danijar Hafner，宣布离开他曾工作近十年的谷歌。 离职前Danijar担任Google DeepMind旧金山分部的资深研究科学家（Staff Research Scientist）。 他的研究目标是「构建能够理解世界并与世界互动的通用智能体」。 作为谷歌世界模型大牛，Danijar曾主导/联合主导了Dreamer系列（Dreamer、DreamerV3、Dreamer4 等）的开发。 Danijar Hafner 他在推文中写道：「今天是我在DeepMind的最后一天」。 回顾了在Google和DeepMind将近10年的工作经历，Danijar认为「一个重要的篇章走到了终点」。 Danijar在谷歌的早期经历，多是以研究员的身份参与谷歌研究院、DeepMind、Brain Team等团队的工作。 从他的教育经历中，也能清晰看出他的职业发展轨迹。 | Researcher 研究员 | Google (google.com) | | 2023 - Present | | --- | --- | --- | --- | | 谷歌 (google.com) | | | 20 ...