陈润生谈AI：“脑的数字孪生”如何改变生产生活（1/2）
陈润生院士在第十八届中国工业论坛上的核心观点很明确：AI的本质是脑的数字孪生，正从“能干活的工具”变成“懂知识的助手”，未来会深度融入生产生活带来巨大效益；但它目前还没突破高级智能瓶颈，咱们要理性应用、协同发展，别盲目恐慌也别过度神化。能用得上。
一、先搞懂核心：AI是“人脑的数字复制品”，不是凭空冒出来的黑科技
陈润生说AI的本质是“脑的数字孪生”，就是用数字材料（代码、数据、算力）造一个像人脑一样能存储、联想、学习的智能系统，这是人类第一次尝试打造能像人一样思考、抉择的机器。这个“数字脑”的技术根基，和2024年诺贝尔物理学奖两位得主的研究直接相关，咱们用“造房子”打比方讲清楚：
1.霍普菲尔德（结构大师）：提出“霍普菲尔德神经网络”，相当于给AI搭了“脑骨架”，能像人脑一样联想记忆，比如你说“苹果”，它能联想到“红色、水果、手机”，解决了AI“怎么存知识”的问题。
2.辛顿（装修大师）：破解了“脑骨架”上的信息加工机制，让AI能像人脑一样处理信息，比如看懂图片、听懂语音、理解文字，解决了AI“怎么用知识”的问题。
这两位的研究，让AI从“只能算算数的计算器”，变成了“能联想、能学习的数字脑”。最直观的例子就是生物大分子结构计算：人类科学家几十年用实验解析的结构还不到1%，AI只用三个月就完成了数亿个的计算，效率差距能到几百上千倍，这就是“数字脑”的威力。
追溯技术源头，现代AI的基础是上世纪80年代的机器学习和语言生成统计理论，真正的爆发点在2017年谷歌开源的Transforr技术——这套编码解码技术，让AI能高效处理长文本、跨语言理解，直接推动了2020年后大模型的井喷，五年就实现了跨越式进步，从“能读短句”到“能写长文、懂多模态”。
二、大模型是AI的“超级知识平台”，人人都能随手用
为什么现在AI能走进普通人生活？核心是大模型的出现。陈润生说ChatGPT、Cude、华为盘古、腾讯混元、DeepSeek这些大模型，既是集成AI工具和人类公开知识的“超级平台”，也是普通人能通过手机访问的智能窗口，核心创新就两点，咱们用“学生成长”类比：
1.自然语言处理：AI学会“读书学习”
以前的AI是“听指令干活”，你说“查天气”它就报天气，说“算数学题”它就给答案，没指令就停；现在大模型能像学生一样“读课本、学知识”，比如你让它读一本《生物医学入门》，它能总结重点、解答疑问，还能把知识用到新场景，比如用学到的医学知识帮你分析体检报告，这是AI从“被动工具”到“主动助手”的关键一步。
2.多模态融合：AI学会“看、听、说、懂”
以前的AI是“偏科生”，要么只会处理文字，要么只会识别图片；现在大模型是“全能生”，能同时看懂图、听懂话、理解专业数据，比如你给它一张CT片+一段病历，它能帮你分析病灶、推荐治疗方案，还能用通俗的话讲清楚——这种“多模态融合”，让AI能打通不同领域的知识，解决更复杂的问题。
举个生活例子：你爸妈去医院做检查，拿到CT片和一堆化验单看不懂。你打开手机里的AI大模型，上传片子和报告，它能告诉你“肺部有个小结节，良性可能性大，建议三个月后复查”，还能帮你预约挂号、整理注意事项，不用你跑医院问半天，这就是大模型给普通人带来的实在便利。
三、AI的“超能力”与争议：能“无中生有”创新，但能超越人类吗？
陈润生提到一个很有意思的现象——涌现：当AI模型参数足够大时，会输出人类没教过、但符合自然规律的新结果，比如AI能设计出人类没见过的蛋白质结构，还能给出全新的数学解题思路，这就让大家开始讨论“AI会不会超越人类智能”。
行业里观点分歧很大，咱们看几个代表性声音：
-英伟达2024GTC大会：9台带AI大脑的人形机器人集体亮相，能走路、避障、做简单动作，证明AI和“身体”结合后潜力巨大，未来可能在工厂、家庭里替代很多体力劳动。
-OpenAICEO奥尔特曼：预测AI几年内就能超越人类智能，最新的GPT-5已经有原始创新能力，比如能自己设计实验方案、提出科研假设。
-辛顿（AI教父）：甚至说“人类只是智慧演化的过渡阶段”，觉得AI会是下一个更高级的智慧形态。
陈润生的看法很客观，既不否定AI的进步，也不盲目夸大：AI现在只做到了“一般智能”（感知、记忆、学习），比如能识别人脸、记住知识、学新技能，但意识、思维、情感这些高级智能，连科学家都没搞清楚怎么定义和测量，更别说让AI拥有了。
这里有个关键区别，《NatureMaeIntelligence》的研究说得很明白，咱们用“学骑自行车”举例：
-人类的“域外泛化”：你学会了骑普通自行车，再骑电动车、山地车，很快就能上手——靠的是抽象思维，能把“保持平衡、控制方向”的经验迁移到新场景，举一反三。
-AI的“域内泛化”：AI要学会骑所有车，得分别在普通自行车、电动车、山地车上大量训练，换个没见过的车型（比如独轮车）就完全不会，因为它只靠统计数据找规律，没法突破训练范围做认知延伸。
图灵奖得主RichardSutton也说“无目标则无智能”，现在的AI都是“有明确目标才干活”，比如“帮我写报告”“识别病灶”，没法像人一样“没事找事”地主动探索、创造，这是AI和人类智能的核心差距。
四、AI的“神级应用”：在生命科学里，效率比人类高几百倍
陈润生作为生物信息学专家，最看重AI在生命科学和医疗领域的应用，他说AI已经在这里创造了“人类几十年干不过机器三个月”的奇迹，咱们举几个实在例子：
1.生物大分子结构计算：人类科学家用实验解析生物大分子结构，几十年才完成不到1%；AI只用三个月就计算出数亿个，帮科学家快速搞懂蛋白质、核酸的作用，为新药研发、疾病治疗打基础，效率提升几百上千倍。
2.精准医疗与新药研发
-靶点发现：以前找一个癌症新药靶点要花几年、砸上亿；AI能快速分析海量基因数据，几个月就找到潜在靶点，比如陈润生团队用AI解码DNA里97%的“非编码序列”，发现这些曾被当成“垃圾”的片段，其实是肿瘤的元凶之一，为癌症治疗找到新方向。
-个性化治疗：AI能融合你的基因组、病历、生活习惯，甚至中医脉象数据，给你定制专属治疗方案，比如同样是高血压，AI能判断你是“盐摄入过多”还是“基因问题”，推荐不同的用药和调理方式。
3.医学影像诊断：AI能快速识别CT、X光片里的微小病灶，比如肺结节长到不到1毫米就能发现，而医生通常要等结节长到5毫米才能看到，早发现早治疗，能大幅降低癌症死亡率。
4.基础科研加速：AI能帮物理学家算复杂公式、帮化学家设计新材料、帮生物学家分析蛋白质结构，以前几十年搞不定的难题，AI可能几年就搞定，比如DeepSeek大模型已经具备原始创新能力，能指导人类发现疾病新靶点。
陈润生团队还在做一个叫“灵枢”的医学多模态大模型，把中医数据（脉象、舌苔）和西医数据（基因、影像）融合起来，让AI既能懂西医的精准检测，又能懂中医的辨证施治，未来普通人在家就能用手机做“中西医结合”的健康评估，这就是AI带来的医疗普惠。
本章未完，点击下一页继续阅读。