人脑的结构并不匀称。。。经由漫长的演化，，，它长出了一套分工明确的组织：语言、逻辑、物理直觉、社会推理，，，各自盘踞在皮层相对牢靠的区域，，，既分工又协作。。。困扰研究职员许久的一个问题是：大脑的功效分区，，，事实是任何智能系统都躲不开的必定，，，照旧人类演化路上的一个无意？？？？？

最近，，，MIT 团队的一项研究“Modular Cognitive Architecture Emerges in Large Language Models ”批注，，，谜底更倾向于前者。。。事实，，，大语言模子的来路完全差别。。。它没有身体，，，也没有履历演化，，，只是在海量的文本上做基于下一词元展望（next-token prediction）的训练。。。当一个结构云云差别的系统也泛起了这套分工，，，它更可能是智能自己的深层纪律，，，而不是碳基大脑的无意。。。不过作者也审慎地强调，，，这只是“证据的指向”，，，还谈不上定论。。。

这项研究由两位资深学者带队。。。一位是 MIT 脑与认知科学系教授 Evelina Fedorenko，，，她因界定出人脑中专门认真语言的“语言网络”而着名，，，2025 年刚获美国国家科学院揭晓的 Troland 研究奖
；；；另一位是 MIT 盘算机科学与人工智能实验室（CSAIL）教授 Jacob Andreas，，，他是 AI 与自然语言处理领域的着名学者。。。而研究的第一作者是韩芃睿，，，他是伊利诺伊大学厄巴纳-香槟分校（UIUC）盘算机科学硕士，，，导师是尤佳轩教授
；；；他的事情揭晓于 ICML、EMNLP 等 AI 与 NLP 顶级聚会，，，曾获 NeurIPS Workshop 最佳论文声誉提名。。。

（泉源：Github）

在这项研究中，，，团队剖析了六个 24B 到 123B 的主流开源模子，，，笼罩语言、逻辑、物理、社会四大认知域共 46 个使命，，，用电路级要领定位每个使命真正依赖的神经元。。。他们不但发明同域使命共享神经元、跨域险些互不相关（同域重叠是跨域的四倍多），，，还做了一个很清洁的验证：关掉认真语言的神经元，，，模子物理照样推理得对，，，只是话说得欠亨顺
；；；关掉认真物理的神经元，，，句子流通，，，却把结论说反了。。。这套分工不但是统计上的巧合，，，而是有实着实在的因果效力。。。

围绕这项研究，，，以及它用 AI 明确智能自己的理念，，，DeepTech 和韩芃睿举行了一次对话。。。

用另一种智能，，，回覆一个只有一个样本的问题

DeepTech：你们是怎么想到用 LLM 来切入大脑的功效分区是“智能系统的必定”，，，照旧“生物演化的无意”？？？？？

韩芃睿：这个问题光靠研究大脑自己很难回覆。。。由于我们只有一个样本，，，并且生物组织还背着许多和使命无关的约束，，，好比能量代谢。。。

趋同演化在生物学里是一个很强的证据逻辑：若是一个性状在亲缘很远的物种里各自自力泛起——好比蝙蝠和鲸鱼各自演化出回声定位——我们就有理由相信，，，它是被问题自己逼出来的，，，而不是无意。。。

LLM 给了我们一个全新的时机。。。它是另一类智能系统，，，走的是完全差别的优化路径，，，实质上是在展望下一个词元（next-token prediction）上做梯度下降，，，和生物演化很是差别。。。同时它又具备许多人类独吞的高级认知能力，，，好比明确人类语言、解决重大的数学问题。。。以是若是模？？？？榛 LLM 里也自力泛起了，，，那它更可能是任何朝着智能优化的系统都会收敛到的解，，，而不是碳基大脑的无意。。。这就是我们用 LLM 切进来的焦点念头。。。

DeepTech：团队里既有认知科学家 Evelina Fedorenko，，，也有 AI 研究者 Jacob Andreas。。。这双方看问题的方式很纷歧样，，，你们怎么协调这些视角？？？？？

韩芃睿：着实双方的摩擦比想象中小许多。。。由于 Jacob 和 Ev 都研究语言和 AI，，，共享了很是多的兴趣和判断，，，只是着重纷歧样。。。Jacob 会更聚焦在算法这一层。。。举个详细的例子：我们最最先用的要领更偏神经科学一点，，，直接拿最小比照对（minimal pair）去比激活值，，，看哪些神经元在统计上是显著的。。。但厥后发明，，，这样识别出来的单位没有很好的因果影响，，，Jacob 就建议我们换成 patching 这类更严酷的要领，，，这直接决议了后面整套流程。。。

Ev 这边更在意科学层面的洞见，，，好比怎么让使命和脑网络的对应更扎实，，，以及我们究竟能磨练哪些真正有意思的假设。。。一个稍微偏要领上站不站得住，，，一个稍微偏科学上值不值得问，，，两个视角着实是互补的，，，最后拼在一起，，，研究才完整。。。

模？？？？榛，，，是“同时解决许多问题”逼出来的

DeepTech：若是用最简朴的一句话概括你们的研究发明，，，你会怎么说？？？？？

韩芃睿：一个只靠展望下一个词元、靠反向撒播训练出来的语言模子，，，会自觉长出和人脑相似的模？？？？榛止ぃ河镅浴⒙呒⑽锢怼⑸缁嵬评砀髯杂梢慌静恢氐的神经元支持。。。并且这种分工是有因果效力的：关掉某个域的神经元，，，只会破损谁人域的能力。。。

DeepTech：你们有一个很直观的效果，，，统一类使命用的是重叠的神经元，，，差别类使命用的是险些不相关的神经元，，，同域重叠是跨域的四倍多。。。LLM 为什么会形成这种分工？？？？？

韩芃睿：我们提出的一个可能诠释是：LLM 要在海量、异质的语料上实验展望，，，而这种展望经常需要多种推理同时上场。。。好比，，，想象你要展望一本侦探小说最后的下一个词：可能同时需要演绎推理去缩小嫌疑人规模，，，社会推理去推死心头，，，物理推理去判断作案在物理上是否可能，，，而这些还都得息争析句子结构的语言处理交织在一起。。。

当多种盘算要在统一个输入上同时运行，，，系统就面临一个压力：别让它们相互滋扰。。。这个压力有两层。。。一层是处理层面，，，几种信息要同时体现，，，编码就必需相互可分，，，否则会撞在一起、相互污染。。。另一层是学习层面，，，若是差别盘算的神经元混在一起，，，刷新一个域的更新就会扰动另一个域，，，这就是漫衍式系统里灾难性滋扰的老问题。。。

把差别盘算分给差别的神经元，，，正好同时解决了这两种滋扰。。。以是模？？？？榛芸赡懿皇潜凰杓频，，，而是来自于同时解决许多种问题的压力。。。

DeepTech：损伤实验里泛起了一个征象：关掉认真语言的神经元，，，模子推理是对的，，，但语法最先蜕化
；；；关掉认真物理的神经元，，，语法流通，，，却把物理结论说反了。。。这种形式与内容的疏散，，，你会怎么明确？？？？？

韩芃睿：对，，，这正是我们在损伤实验里看到的双疏散（double dissociation），，，并且它很是清洁。。。 用统一个物理问题：一根橡皮筋热老化之后的弹性来测试。。。关掉语言神经元，，，模子的物理推理照旧对的：更弱的回弹力、回弹不完全、耗散更多能量，，，但语法和词法最先蜕化。。。反过来关掉物理神经元，，，句子依然通顺流通，，，但物理结论说反了。。。

这说明模子内部确实把“把话说通顺”和“把原理说对”交给了两套差别的系统。。。它们在统一个输出上协作，，，但可以被自力地破损。。。这种可疏散性自己，，，就是模？？？？榛钪苯拥男形ぞ荨。。这着实也和 Ev 之前在人身上的发明很呼应。。。好比语言能力严重受损的失语症患者，，，他们险些无法明确语言，，，却依然能完成很重大的推理、数学和逻辑使命。。。

DeepTech：Transformer 没有神经科学的能量价钱，，，损失函数也不在乎详细用了几多神经元，，，它却照样泛起了模？？？？榛。。你以为是什么在驱动它？？？？？

韩芃睿：神经科学里的诠释是代谢约束：大脑每次只激活一小部分神经元，，，比普遍激活省能量，，，而给每类使命分一套专属神经元，，，正好能实现这种希罕。。。但这个压力对我们研究的 LLM 完全不适用。。。Transformer 的前向盘算在任何生物意义上都没有代谢本钱的差别，，，损失函数里也没有任何一项行止罚某个输入激活了几多神经元。。。？？？？杉幢阍圃，，，一个显着可识别的、类人的模？？？？榛橹昭浩鹆恕。。

这说明，，，代谢压力不管在塑造人类皮层时起了多着述用，，，它都不是功效特化泛起的须要条件。。。那真正在驱动的是什么？？？？？我们以为一种可能，，，就是前面说的那种滋扰压力，，，它不需要任何能量价钱就能建设。。。

DeepTech：比照实验里，，，小模子 GPT-2 做差池这些推理使命，，，它只能分出“语言 VS 其他”，，，分不出更细的模？？？？椤。。你们也提到“模？？？？榛辉谀Ｗ诱婺芙饩鍪姑辈欧浩稹薄。。你可以详细诠释一下吗？？？？？

韩芃睿：先讲清晰我们这套要领的一个性子：归因修补（attribution patching）实质上是在找那些对做对使命有因果孝顺的神经元。。
；；；痪浠八，，，若是模子基础做差池、或者明确不了某个使命，，，它内部就没有一套对的盘算可言，，，修补出来的工具自然也没有意义。。。GPT-2 的比照正好佐证了这一点。。。我们把完全一样的流程、完全一样的数据放到 GPT-2 上，，，它做不了大部分推理使命，，，效果就只能分出“语言 vs 其他”。。。这说明凯时AG框架测的是底层盘算，，，而不是数据自己的假象。。。

虽然，，，我们也认可，，，换一套别的要领或者换更简朴的使命，，，GPT-2 有可能也展现出某种模？？？？榛。。以是，，，凯时AG发明想强调两点：第一，，，我们这个框架测到的是盘算，，，而不是数据的假象。。。我们还专门做了一个关于语义的比照实验来佐证，，，光靠 prompt 的语义相似度是还原不出这个结构的
；；；第二，，，也正由于这样，，，与其说这种细腻分工是“涌现的副产品”、或者去谈它和规模的关系，，，我们更愿意说：模子真正能解题，，，是它泛起的条件。。。只有能明确、能做对，，，才谈得上盘算、才谈得上电路。。。

把 LLM 看成“第二种智能系统”来研究

DeepTech：你们在文章里提到一个很有意思的定位：LLM 可以看成“第二种智能系统”去磨练我们关于人类认知的理论。。。这对研究大脑有什么详细的启示？？？？？

韩芃睿：LLM 作为一个科学研究工具，，，在拥有许多重大行为和能力的同时，，，比人脑有更多可控性，，，也更容易交互。。。我们可以随意探测它、干预它、把某部分关掉再看会爆发什么，，，这些在人身上要么做不到，，，要么价钱极高。。。以是它自己就是一个很适合拿来做科学研究的工具，，，能帮我们更高效地磨练关于智能和认知的假设。。。

对神经科学，，，我们有两个挺详细的偏向。。。一是展望：凯时AG要领可以从 LLM 出发，，，对一个全新的使命会挪用人脑哪个网络天生假设，，，再拿去用 fMRI 验证，，，即是给脑科学多了一个爆发假设的泉源。。。二是研究信息流：差别脑网络之间怎么把信息传给相互，，，这在人脑里极难研究，，，由于你需要同时具备很高的空间和时间分辨率，，，而这个组合在人类神经成像里基本做不到。。。但在 LLM 里，，，我们能同时会见所有神经元和它们的毗连，，，以是可以去构建和磨练一些机制层面的假设，，，好比语言系统究竟是怎么把剖析好的输入喂给某个推理系统的。。。

DeepTech：反过来，，，你以为这项发明对做 AI 的人有什么用？？？？？知道模子内部是模？？？？榛，，，能帮我们把模子造得更好或者更可控吗？？？？？

韩芃睿：最直接的一条，，，和现在很火的混淆专家模子（mixture-of-experts，，，MoE）有关。。。MoE 被接纳主要是出于效率思量，，，把每个 token 路由给一部分专家，，，能镌汰激活的参数目。。。但凯时AG发明提醒，，，模？？？？榛橹约嚎赡芑勾刺亓硗馀趟阌攀，，，而不但是省算力。。。

已经有事情往这个偏向走了，，，好比让专家之间形成类脑的特化，，，既保住了推理的性能，，，又让模子更可诠释、更可指导。。。以是知道模子内部是模？？？？榛，，，未来可能真的能反过来指导我们把模子设计得更好、更可控。。。这块还很开放，，，值得深挖：模？？？？榛托阅苤，，，究竟是什么关系。。。

AI 像大脑，，，最怕被太过解读

DeepTech：AI 像大脑这种说法很容易被太过解读。。。作为研究者，，，你最希望公共不要从这项研究里武断得出的过失结论是什么？？？？？

韩芃睿：这是个很好的问题。。。做这类研究一个很主要的注重事项，，，就是不要太过地把 LLM 当人。。。随着研究深入，，，许多实验室确实发明了越来越多 AI 和大脑相似的地方，，，从行为到机理，，，这很是令人兴奋。。。但不可否认，，，LLM 和大脑有着根天性的差别，，，并且它只由语言这一个模态驱动。。。

以是我的态度是：LLM 是一个很好的工具，，，可以拿来磨练假设、去交互、去探测，，，把它当成一个科学研究工具来研究，，，这比研究人有更多可控性、也更高效。。。但不可盲目。。。每一个实验我们都要起劲去分清，，，这个相似背后真正的泉源是什么。。。它可能来自一个真正的原理，，，也可能只是某些人类数据的假象，，，或者其他种种因素。。。把这些分清，，，才华让研究更经得起推敲。。。

DeepTech：抛开这项详细的研究，，，在“用 AI 明确智能自己”这个偏向上，，，你以为最大的挑战是什么？？？？？

韩芃睿：我以为最大的挑战，，，恰恰就是上一个问题的延伸：怎么系统性地把一个真正的原理和一个假象区脱离。。。

现在我们缺一套公认的标准，，，去判断某个 AI 和大脑相似究竟算不算数。。。它是两类智能系统面临统一个问题各自收敛出的深层原理，，，照旧只是训练数据、使命设计、或者怀抱方式带来的外貌巧合。。。每一个这样的相似，，，都需要单独去设计比照、去扫除掉浅层的诠释，，，才敢说它有意义。。。

运营/排版：何晨龙

注：封面/首图由 AI 辅助天生

搜索seo优化公司：专业选择与价值实现的要害路径

〖One〗在数字营销的辽阔国界中，，，搜索seo优化公司的选择，，，经常是企业开启线上增添的第一道战略门槛。。。这一决议背后，，，关乎的不但是手艺实验，，，更是对企业恒久在线可见性的投资。。。正如营销专家常言，，，线上竞争的实质是注重力的争取，，，而专业的SEO公司正是资助企业系统化获取并维持这种注重力的要害同伴。。。其价值在于将零星的优化行动，，，整合为可一连的资产积累历程。。。

〖Two〗审阅一家优异的搜索seo优化公司，，，其焦点能力往往体现在战略的前瞻性与执行的系统性。。。从经典的“内容为王，，，外链为皇”的基础理念，，，到现在更注重用户体验、页面焦点价值与权威性构建的整合头脑，，，专业的服务商需具备与时俱进的认知框架。。。他们不但熟练运用种种剖析工具洞察要害词时机，，，更能连系行业特征和商业目的，，，制订出兼顾短期排名提升与恒久品牌建设的蹊径图。。。

〖Three〗乐成的相助案例是权衡搜索seo优化公司实力的主要标尺。。。针对，，，更有价值的写法是诠释为什么异常爆发、先查那里以及怎样判断修复有用。。。这些案例不应仅仅是排名和流量的数字展示，，，更应清晰叙述其怎样通过手艺优化、内容生态构建及权威链接建设等组合战略，，，资助客户在特定竞争情形中实现突破。。。历程自己往往比效果更具参考价值，，，它展现了服务团队的问题解决能力、资源协调效率以及对搜索算法更新动态的迅速响应。。。

〖Four〗最终，，，选择搜索seo优化公司是一场基于信任的恒久协作。。。企业需明确自身需求与预期，，，而服务商则应提供透明、可权衡的服务历程与效果报告。。。这种相助关系逾越了简朴的手艺服务采购，，，更靠近于配合生长的战略同盟。。。当双方目的一致，，，专注于为用户提供真正有价值的内容和体验时，，，搜索引擎的自然青睐与商业回报即是水到渠成的效果。。。

青岛SEO公司专业培训：网站内部与搜正文价值补强

〖One〗优化一个网站，，，首先始于对要害词的洞察。。。古语有云，，，“知己知彼，，，百战不殆”，，，这在SEO领域同样适用。。。在着手优化前，，，必需像市场调研一样，，，深入明确用户搜索意图，，，找出那些真正与网站内容相关、且具备一定搜索量的焦点词汇。。。这个历程是基石，，，它决议了后续所有优化事情的偏向。。。

〖Two〗当要害词战略确定后，，，网站内容的打磨便成为焦点。。。《孙子兵法》强调“以正合，，，以奇胜”，，，建设内容亦需云云。。。内容不但要扎实、准确地回应要害词所对应的问题，，，知足用户需求（此为“正合”），，，更应力争在深度、可读性或体现形式上逾越偕行，，，形成奇异价值（此为“奇胜”），，，从而赢得用户的青睐与搜索引擎的认可。。。

〖Three〗优质内容需要通畅的路径才华被用户和搜索引擎发明，，，这就涉及到网站手艺结构的优化。。。一个清晰的网站结构，，，犹如都会中妄想优异的蹊径网，，，能让搜索引擎的“蜘蛛”程序轻松爬行和抓取。。。确保网站加载迅速、在手机等移动装备上浏览无障碍，，，并合理设置内部链接，，，这些手艺细节是承载内容的“高速公路”，，，其主要性不言而喻。。。

〖Four〗最后，，，优化绝非一劳永逸的静态事情，，，而是一个一连的动态历程。。。业界常说的“内容为王，，，外链为皇”，，，指出了外部链接作为网站声誉“投票”的主要性。。。同时，，，必需借助数据剖析工具，，，按期监测网站的流量、排名等要害指标转变，，，凭证数据反馈一直调解战略。。。唯有一连视察与迭代，，，才华使网站在强烈的搜索排名竞争中坚持活力与优势。。。

青岛SEO公司怎样赋能外地企业赢得数字竞争

〖One〗在数字化浪潮席卷全球的今天，，，搜索引擎优化已成为企业不可或缺的营销战略。。。青岛，，，这座以品牌经济著称的沿海都会，，，其外地企业若想在强烈的线上竞争中脱颖而出，，，与专业的青岛SEO公司相助即是一条高效路径。。。正如治理学家彼得·德鲁克所言：“效率是以准确的方式做事，，，效能则是做准确的事。。。”一家优异的SEO服务商，，，正是资助企业“做准确的事”，，，将有限的网络营销预算投入到能带来一连流量的准确渠道上。。。

〖Two〗青岛SEO公司的焦点价值，，，在于深植于外地的市场洞察与执行能力。。。他们不但醒目搜索引擎的通用算规则则，，，更能连系青岛外地的工业特色、用户搜索习惯及方言文化，，，举行精准的要害词结构与内容创作。。。例如，，，关于青岛的海洋装备制造、外贸出口或文旅旅馆行业，，，优异的服务商能够挖掘出极具商业价值且竞争度适中的长尾要害词，，，为企业网站构建坚实的内容基石，，，这远比企业自行探索要高效得多。。。

〖Three〗手艺驱动与内容为王的双核战略，，，是权衡一家青岛SEO公司专业度的要害。。。在手艺层面，，，需确保网站具备快速的加载速率、清晰的代码结构以及对移动装备的完善适配，，，这些是获得搜索引擎青睐的基础。。。而在内容层面，，，则需遵照“提供价值”这一永恒规则。。。创作真正解答用户疑问、展现专业权威的原创内容，，，才华自然吸引高质量的外链与一连的用户会见，，，从而稳步提升网站在搜索效果中的排名与可信度。。。

〖Four〗选择一家靠谱的青岛SEO公司，，，企业应着重考察其案例的真实性与战略的透明性。。。真正专业的服务商不会允许“快速上首页”，，，而是会提供清晰、可量化的阶段目的和详细的数据报告。。。相助应视为一项恒久投资，，，其效果体现在品牌线上可见度的稳步提升、可一连的精准流量获取以及最终营业转化率的增添。。。在数字经济时代，，，与外地化的SEO专家携手，，，无疑是青岛企业修建恒久线上竞争优势的明智选择。。。

seo培训中心：从入门到醒目的实战指南

〖One〗在数字营销领域，，，SEO无疑是构建恒久流量的基石。。。一个专业的SEO培训中心，，，其焦点价值在于将散落的知识系统化，，，正如《孙子兵法》所强调的“道、天、地、将、法”，，，培训正是教授SEO的“道”与“法”。。。它并非简朴地解说要害词或外链，，，而是系统性地剖析搜索引擎的事情原理，，，让学员明确排名背后的逻辑，，，从而阻止陷入盲目试错的误区，，，建设起可一连的优化战略。。。

〖Two〗回首搜索引擎生长历程，，，其算法履历了从简朴匹配到明确用户意图的深刻厘革。。。早期的SEO可能依赖一些技巧，，，但现在，，，以优质内容为焦点的原则已成为共识。。。优异的培训课程会引鉴诸多乐成案例，，，剖析怎样创作真正知足用户需求的内容，，，这正契合了“内容为王”这一经典信条。。。培训的意义在于，，，让从业者不但知其然，，，更知其以是然，，，能在算法更新中坚持定力，，，而非追逐短效的捷径。。。

〖Three〗实践是磨练真理的唯一标准，，，这句话在SEO学习中尤为贴切。。。一个及格的SEO培训中心，，，必定会配备富厚的实战环节。。。从网站结构诊断、竞争敌手剖析到数据监控与解读，，，每一步都需要亲手操作。。。通过模拟真实项目，，，学员能将理论迅速转化为解决现实问题的能力。。。这种“从战争中学习战争”的要领，，，远比纸上谈兵更能作育出敏锐的优化直觉和扎实的操作手艺。。。

〖Four〗最后，，，SEO是一个一连演进的领域，，，今天的知识可能明天就需要更新。。。因此，，，顶尖的培训中心不但提供知识，，，更致力于塑造学员一连学习的能力与习惯。。。它像一个枢纽，，，毗连着行业最新的动态、工具与头脑。。。在这里结业，，，意味着你并非获得一纸证书，，，而是拿到了进入这个动态领域的钥匙，，，并加入一个能够相互启发、配合前进的社群，，，为久远的职业生长涤讪坚实基础。。。

网站内部优化的焦点战略与实验方法

〖One〗网站内部优化，，，即“On-Page SEO”，，，是提升网站在搜索引擎中可见度的基石。。。其焦点在于让搜索引擎更容易明确和青睐网站内容。。。正如SEO经典著作《SEO艺术》中所强调，，，内部优化是网站与搜索引擎对话的直接方式。。。这项事情无需高深手艺，，，要害在于细节的掌握与一连执行，，，旨在为会见者提供清晰、有价值的信息路径。。。

〖Two〗内容优化是内部优化的灵魂。。。务必确保每个页面都有奇异、聚焦的主题，，，并在问题、形貌和正文中自然融入相关要害词。。。参考“内容为王”的行业共识，，，高质量、能解决用户问题的内容永远是排名的基础。。。同时，，，合理使用H1、H2等问题标签来组织内容结构，，，这不但有助于用户体验，，，也便于搜索引擎抓取页面重点。。。

〖Three〗手艺层面的优化是流通体验的包管。。。确保网站拥有清晰的链接结构，，，通过内部链接将主要页面相互关联，，，这能有用转达页面权重并指导爬虫抓取。。。图片应添加形貌性的ALT属性，，，页面加载速率也需重点优化。。。谷歌等搜索引擎已明确将页面体验作为排名因素，，，一个快速、易用的网站更受青睐。。。

〖Four〗元数据和URL结构同样不可忽视。。。为每个页面撰写精练有力的问题标签和形貌元标签，，，这是搜索效果中的“门面”，，，直接影响点击率。。。URL应坚持简短、可读且包括要害词。。。坚持整个网站导航逻辑清晰，，，确保用户和搜索引擎都能在三次点击内找到焦点内容，，，这是提升网站整体可会见性的要害一步。。。