语言≠思维！MIT用fMRI证明：失语症患者推理正常，大脑逻辑运算不走语言区
07-13 23:06
精选参考来源
精选参考来源
1. MIT发现人脑推理不依赖语言，LLM 路线走反了？杨立昆转发力挺
今日头条 2026-07-11 00:00:00
2. MIT发现人脑推理不依赖语言，LLM 路线走反了？图灵奖得主杨立昆转发力挺
网易 2026-07-13 00:00:00
3. MIT扫描772个大脑，绘制全新语言地图，发现语言区比想象中小得多
今日头条 2026-07-05 00:00:00
4. MIT与橡树岭国家实验室联手:让AI像科学家一样"画思维导图"来推理
今日头条 2026-07-09 00:00:00
5. 大模型偷偷进化出了“四个脑区”？ 最近刷到一条 MIT 的研究，我从被窝里坐起来了：大型语言模型居然自己长出了跟人脑高度相似的模块化认知架构。不是程序员硬塞进去的，而是它在海量数据里“进化”出来的。 这事有趣的地方在于： 人类大脑经过几亿年进化，搞出了语言区、形式推理、社会心智、物理直觉四个相对独立的网络； 现在，靠梯度下降训练的 LLM，也悄摸摸长出了几乎一模一样的“四个大脑”！ 两种完全不同的优化路径（生物 vs. 纯数学），却殊途同归。这说明“模块化”可能不是生物的 bug，而是智能的 feature。 他们是怎么证明的？ 研究团队（Pengrui Han 等）搞了 46 个任务，覆盖语言、形式推理、物理推理和社会推理四个领域。他们没用传统黑箱分析，而是玩“电路剖析”：给模型输入精心设计的句子，只改其中一小部分，看哪些神经元（units）会特别活跃。 结果很震撼：在六款前沿 LLM（参数量从 24B 到 123B）里，同一认知领域任务调用的 top 0.1% 神经元重叠度高达 12.9%，而跨领域只有 3.0%，差距超过四倍，统计上极其显著。 更狠的是因果验证：他们把某个领域的关键神经元“消融”（ablate）掉。 结果呢？目标领域准确率直接掉 26%，其他领域几乎不动（只掉 2.5%）。 这不是相关性，是实打实的因果关系——LLM 真的把不同认知能力塞进了相对独立的“抽屉”里。 想想 GPT-2 时代，它在自己搞不定的领域里，模块化信号弱得几乎测不出来。只有当模型真正“懂”了某个领域，模块才清晰浮现。 这暗示能力越强，结构越分化，有点像小孩长大后大脑逐渐专业化的过程。 那么，这对 AI 技术有什么启发？ 首先，它戳破了一个常见的幻觉：很多人以为 LLM 就是个超级大的“统计搅拌机”，所有知识搅成一锅粥。其实不然。在规模足够大的时候，它会自发组织出高效的专项模块，这可能正是它能同时掌握代码、物理常识、社交推理的原因。 这让我想到一个更深的东西：模块化或许是解决“干扰灾难”（catastrophic interference）的天然方案。 人类大脑不会因为学了微积分就把母语忘掉；现在的 LLM 虽然也还好，但未来如果想让一个模型同时精通 100 个垂直领域，显式或隐式的模块化架构说不定是必经之路。 更酷的是，这为 AI 对齐和可解释性打开了新大门。 以前我们调 LLM 像在黑屋子里修电路，现在发现它内部其实有“分区供电”，未来或许能针对性地“微调某个脑区”，而不影响全局。 想象一下：只增强物理推理模块，让模型在机器人控制上起飞，同时保持语言流畅性——这听起来比盲目 scaling 要聪明多了。 当然，研究也留下了很多开放问题： 比如这些模块是怎么在预训练阶段自然形成的？ 数据分布起多大作用？ 如果我们故意设计更模块化的训练范式（比如混合专家模型 MoE 的进化版），会不会让下一代模型在少量参数下就实现更强的多能力平衡？ 现在各个团队卷大模型、卷 agent、卷多模态，但底层认知架构的理解还很初级。 谁先把这种“类脑模块化”吃透，谁就可能在下一波范式里占到先机——不是简单堆参数，而是让模型像人脑一样，既专业又协同。 AI 发展的画风可能在变。 它不再只是“更聪明的人工傻瓜”，而是正在朝着某种普适智能原理收敛。 生物演化用了亿万年，梯度下降只用了几年，就走到了相似的终点。这里面藏着的，恐怕不只是一个技术发现，而是一条通往真正通用智能的线索。 你觉得，模块化是智能的必然，还是还有其他更优雅的路径？可以聊聊你的看法。
今日头条 2026-07-03 00:00:00
6. MIT发现人脑推理不依赖语言，LLM 路线走反了？杨立昆转发力挺
今日头条 2026-07-11 00:00:00
7. 杨立昆断言AI达不到狗的智能水平，当前大语言模型是否真的存在根本缺陷？
新浪新闻 2026-04-20 00:00:00
8. 语言与文明——唯识宗语言哲学与人造语言神经科学的跨学科对话
今日头条 2026-07-08 00:00:00
9. Evidence from formal logical reasoning reveals that the language of thought is not natural language.
Book学术 2026-07-06 00:00:00
10. 没有了大脑的内发音，抽象思维能不能进行？
大脑密码 2026-04-16 00:00:00
11. 该篇文章介绍MIT最新科研成果，打破了布罗卡区、韦尼克区主导大脑语言功能的经典理论。研究依托近八百人大规模脑成像数据，放宽统计标准，甄别出17处全新语言敏感脑区，范围拓展至小脑、海马体、杏仁核等传统认知范畴外的脑部结构。研究突破固有学术惯性，严谨设置对照实验排除干扰因素，虽暂未完全厘清新增脑区运作机制，却为失语症、语言学习、人脑认知机制的后续研究，提供了颠覆性的研究方向。
今日头条 2026-07-03 00:00:00
12. 切掉AI的「语言脑区」，物理题全对却语无伦次！MIT新预印本:模块化可能是智能系统的通用法则
微信公众号 2026-07-03 00:00:00
13. 人脑与大语言模型
微信公众号 2026-01-19 00:00:00
14. MIT最新研究：4岁语言脑已和大人一样了
微信公众号 2026-05-26 00:00:00
15. 杜克大学揭秘AI读脑术：逻辑推理预测精度翻倍，Llama 3.2成功破译语义关联
哔哩哔哩 2026-05-01 00:00:00
16. AI简报：LLM 训练效率革命与贝叶斯推理
知乎 2026-03-09 00:00:00
17. APPSO 独家｜杨立昆再联手谢赛宁，英伟达参投，新公司押注「LLM 之后」
微信公众号 2026-03-10 00:00:00
18. 种子轮10.3亿美元！谢赛宁加入，LeCun的世界模型公司太吸金了
微信公众号 2026-03-10 00:00:00
19. 五大门派「围攻」大模型
微信公众号 2026-04-12 00:00:00
20. 多模态预训练，才是大模型的下一条路？Yann LeCun、谢赛宁参与
微信公众号 2026-03-08 00:00:00
21. 有没有一种可能，现在的大语言模型已经发展得接近极限了？
知乎 2026-04-04 00:00:00
22. 为什么至今仍未有任何主流游戏为NPC接入大语言模型LLM？
知乎 2026-06-24 00:00:00
23. 估值35亿美元，LeCun创业公司官宣核心方向，掀起对Next-token范式的「叛变」
微信公众号 2026-01-24 00:00:00
24. 研究认为 大语言模型达不到人类智能水平
新华网 2026-05-07 00:00:00
25. AI最该警惕的不是笨，是装得太像会思考
今日头条 2026-07-10 00:00:00
26. 大语言模型（LLM）的天生缺陷与应对指南
CSDN博客 2026-05-19 00:00:00
27. 深度学习的岔路口:LLM的智能本质与通往世界模型的未竟之路
腾讯云 2026-05-06 00:00:00
28. AI开始偷懒了 用户吐槽体验下降
中华网 2026-06-03 00:00:00
29. 干掉AI的「语言脑」，它物理题依然满分却语无伦次！MIT新预印本：人脑模块化可能是智能的终极法则
微信公众号 2026-07-03 00:00:00
30. MIT重磅：用160M自动机数据预训练，语言模型性能暴涨，竟比1.6B自然语言更高效！
微信公众号 2026-03-13 00:00:00
31. 每日论文--无词思考：通过抽象思维链实现高效隐式推理
微信公众号 2026-04-28 00:00:00
32. 大模型参数是如何工作的？大模型为什么就能像人脑一样有思维，会推理？
微信公众号 2026-07-03 00:00:00
33. 人脑与大语言模型
微信公众号 2026-01-19 00:00:00
-
浙大颠覆性发现：饿16小时，免疫细胞杀癌能力翻倍207 210 -
4双美国足部医学协会认证的运动鞋，你们穿过么？62 66 -
5G通话+双卡双通，这可能是今年最爽的旗舰小平板83 197
已收藏
去我的收藏夹