聊聊 AI 领域的一个新动向。虽然现在的大模型很强大，但在灵活性、效率，尤其是像人一样举一反三、理解世界方面，还是差了很多
来自东京的 Sakana AI （Transformer 作者之一Llion Jones联合创立）认为，关键可能在于我们简化 AI 模型时，丢掉了一个生物大脑的核心要素——时间
基于此Sakana AI 正式推出了他们研发的新型 AI 模型——持续思考机器（Continuous Thought Machine, CTM）。这个 CTM 的核心理念，就是重新将「时间」和「神经元动态」引入 AI 计算的核心
blog：
https://sakana.ai/ctm/
https://pub.sakana.ai/ctm/
paper：
https://arxiv.org/abs/2505.05522
code：
https://github.com/SakanaAI/continuous-thought-machines/
CTM 的创新之处
传统的神经网络（ANNs），比如我们熟悉的 CNN、Transformer，虽然也受大脑启发，但为了计算效率，往往将神经元的复杂动态过程简化为一个静态的激活值。神经元什么时候、以何种节奏、与其他神经元如何协同放电——这些丰富的时序信息，基本被忽略了
Sakana AI 的 CTM 试图改变这一点，它有几个关键的创新：
1.引入「内部思考维度」 (Internal ‘Thinking’ Dimension): CTM 可以在一个独立于外部数据输入节奏的内部时间维度上运行。想象一下，无论给它看一张静态图片，还是一个需要逐步解决的迷宫，CTM 都能在内部进行多步的“思考”和推理，迭代地构建和优化它的理解。这有点像我们人类在解决问题前，会先在脑子里“琢磨”一下
2.神经元级别的时序处理 (Neuron-Level Models, NLMs): CTM 里每个神经元不再是简单的激活函数（如 ReLU）。相反，每个神经元都有自己独立的、带参数的模型（比如一个小型 MLP），它会处理一小段历史的输入信号（pre-activations），来计算当前的输出（post-activation）。这意味着每个神经元都能根据近期的动态输入调整自己的行为，从而产生极其丰富和复杂的神经活动模式
3.神经同步作为核心表征 (Neural Synchronization as Representation): 这是 CTM 最具颠覆性的一点。它不再仅仅依赖神经元的激活值向量作为信息载体。CTM 会追踪神经元在内部思考过程中的放电历史，计算不同神经元之间活动的同步程度（形成一个“同步矩阵”）。这个“同步信息”被直接用作模型的潜在表征 (latent representation)，驱动模型进行注意力分配（看哪里）和最终的预测输出（是什么/怎么做）。换句话说，神经元之间如何协同“起舞”，这个动态模式本身，就是 CTM 用来理解世界和做出决策的核心依据
CTM 测试
由于新增了时间维度，CTM 的一大优势在于，可以观察并直观地看到它如何随着时间的推移解决问题。与传统的 AI 系统不同，传统的 AI 系统可能只需通过神经网络一次即可对图像进行分类，而 CTM 可以分多个步骤来“思考”如何解决任务
为了展示 CTM 的强大功能和可解释性，Sakana AI 在下面展示了两个任务：迷宫探索和照片中的物体分类
像人一样破解迷宫： 在这个任务中，CTM 会被呈现一个二维自上而下的迷宫，并被要求输出解决迷宫所需的步骤。这种模式尤其具有挑战性，因为模型必须理解迷宫结构并规划解决方案，而不是简单地输出路径的视觉表示。CTM 内部连续的“思考步骤”使其能够制定计划，我们可以直观地看到它在每个思考步骤中关注迷宫的哪些部分。值得注意的是，CTM 学会了一种非常类似于人类的迷宫求解方法——我们可以在它的注意力模式中看到它沿着迷宫路径前进。
Sakana AI 还为此制作了交互式 Demo，你可以在浏览器里亲自“指挥”或观看 CTM 解迷宫！
CTM 通过观察（使用注意力机制）并直接生成步骤（例如，向左、向右等）来解决迷宫问题。它直接利用神经动力学的同步（即使用基于同步本身的线性探测）来实现这一点
实验结果显示，CTM 不仅仅能高效解决 39×39 的迷宫，远超 LSTM 等基线模型，甚至在面对从未见过的、路径更长、尺寸更大（如 99×99）的迷宫时，也能展现出惊人的泛化能力
更「懂」图像识别： 在 ImageNet 和 CIFAR 图像分类任务上，CTM 虽然目前精度还没刷到 SOTA（研究团队也表示目标并非刷榜），但展现了独特的优势：
-
• a.可解释性强： 注意力机制的可视化显示，CTM 在识别图像时，其“注视点”会像人眼一样在不同显著区域（如动物的眼睛、鼻子、嘴巴）之间平滑移动，例如，在识别大猩猩时，CTM 的注意力会从眼睛转移到鼻子，再转移到嘴巴，这与人类的视觉注意力模式非常相似 -
-
• b.优秀的校准度 (Calibration)： CTM 对自己预测的置信度非常“诚实”，甚至比人类标注者的平均水平还要准。这意味着当它说“我很确定”时，你大概率可以相信它 -
-
• c.自适应计算： 对于简单的图像，CTM 会“觉得”差不多了，用较少的内部思考步骤就给出高置信度答案；而对于复杂的图像，它会自然地进行更多步的思考。这种能力是其架构和特殊损失函数（结合最低损失点和最高置信度点的预测）带来的涌现特性，无需额外复杂设计 -
-
• d.丰富的神经动态： 对比 CTM 和 LSTM 在处理图像时的神经元活动，你会发现 CTM 的神经元活动模式更加多样和复杂，呈现出类似生物神经信号的多尺度、甚至周期性振荡的行为（尽管没有外部驱动信号），这与 LSTM 相对单调的动态形成鲜明对比。研究者甚至观察到了类似大脑皮层中“行波 (traveling waves)”的现象
算法推理与记忆： 在排序、奇偶校验 (Parity)、Q&A MNIST（看图回答计算题）等任务中，CTM 也表现出色。尤其是在 Q&A MNIST 任务里，即使需要回忆的数字已经超出了神经元模型的直接“记忆窗口”（输入的历史长度 M），CTM 依然能通过神经同步机制成功提取信息并进行计算，证明了同步表征在记忆和信息检索方面的潜力
持续交互： 在强化学习（CartPole, Acrobot, MiniGrid）任务中，CTM 也能在与环境的持续互动中学习策略，展现出与 LSTM 基线相当的性能，但其神经动态依然更加丰富
AI 向生物智能迈出的重要一步？
CTM 的出现，至少给我们带来了几点思考：
弥合差距： 它在 AI 的计算效率与生物智能的动态复杂性之间，架起了一座有趣的桥梁
表征： “神经同步”作为一种全新的信息表征方式，其潜力和应用场景值得深入探索，尤其是在需要整合长期依赖、进行复杂推理和记忆的任务中。同步矩阵本身提供了一个巨大的、无需额外参数成本的高维表征空间
涌现与可解释性： CTM 的许多能力（如自适应计算、路径追踪）是自然涌现的，而非刻意设计，并且其思考过程相对透明，这对于构建更值得信赖的 AI 系统至关重要。
未来方向： Sakana AI 提到，未来会将 CTM 应用于语言模型、视频等时序数据，探索在更自然的“连续世界”设定下进行训练，甚至结合生物可塑性原理（如 Hebbian 学习）进行梯度无关的优化
当然，CTM 并非完美：
训练速度： 其内部的串行思考过程无法像传统模型那样大规模并行，训练时间会更长
参数开销： 每个神经元都有自己的模型（NLMs），这会带来额外的参数量。
写在最后
尽管现代人工智能以大脑为基础，形成“人工神经网络”，但即使在今天，人工智能研究与神经科学之间的重叠仍然少得惊人。人工智能研究人员选择沿用上世纪80年代开发的极其简单的模型，因为它简单易用、训练高效，并且在推动人工智能发展方面持续取得成功。另一方面，神经科学将创建更精确的大脑模型，但其主要目的是理解大脑，而不是试图创建更高级的智能模型（当然，两者之间也可能存在某种关联）。尽管这些神经科学模型更加复杂，但它们的表现通常仍不及我们目前最先进的人工智能模型，因此，它们或许在人工智能应用方面缺乏进一步研究的吸引力
如果现代人工智能在某些方面不继续向大脑靠拢，就错失了良机，我们或许可以通过这种方式找到更强大、更高效的模型。2012 年，人工智能能力的大幅提升，即所谓的“深度学习革命”，正是源于神经网络——一个受大脑启发的模型。为了延续这一进步，我们是否应该继续受到大脑的启发？CTM 是首次尝试弥合这两个领域之间的差距，它展现出一些更接近大脑行为的初步迹象，同时仍然是一个解决重要问题的实用人工智能模型
感兴趣的朋友，强烈建议去 Sakana AI 的项目主页体验交互式 Demo，并深入阅读他们的技术报告原文和开源代码，链接如下：
项目主页 & 交互 Demo:
https://sakana.ai/ctm/ 或 https://pub.sakana.ai/ctm/
技术报告 (PDF):
[arXiv:2505.05522v1]
开源代码 (GitHub):
https://github.com/SakanaAI/continuous-thought-machines/
关于 Sakana AI 这家公司
Sakana AI 是一家专注于人工智能基础模型研究的公司，总部位于日本东京
创始团队： 这家公司由两位 AI 领域的重量级人物于 2023 年创立：
-
• David Ha: 他之前在 Google Brain 和 Stability AI 工作，以其在 World Models、生成模型、神经进化以及探索 AI 创造力方面的工作而闻名 -
• Llion Jones: 他是著名的 “Attention Is All You Need” 论文的共同作者之一，这篇论文引入了 Transformer 架构，是当今绝大多数大型语言模型（LLMs）的基础。Llion Jones 之前也在 Google 工作
研究方向与理念： Sakana AI 的一个显著特点是其研究理念——从自然界和生物系统中汲取灵感来构建新一代的 AI
公司名字 “Sakana” 在日语中意为“鱼”，这象征着他们希望从鱼群等自然界的集体智能 (Collective Intelligence)和进化 (Evolution)过程中获得启发
他们探索的方向不仅仅是简单地扩大现有模型的规模，而是寻求新的架构和学习范式。例如，他们研究如何：
-
• 使用进化算法来自动发现合并或组合现有开源模型的方法，以创造新的能力。 -
• 探索来自人工生命 (Artificial Life) 的概念 -
• 开发受生物学启发的模型，比如你刚了解到的持续思考机器 (CTM)，它就明确地借鉴了大脑中神经元的时间动态和同步机制
⭐
（文：AI寒武纪）