摘要

一项受基因组压缩海量信息能力启发的新AI算法，为大脑功能和潜在技术应用提供了新见解。研究人员发现，该算法在执行图像识别和视频游戏等任务时，几乎与经过全面训练的AI网络一样有效。

通过模仿基因组如何用有限数据编码复杂行为，该模型突显了高效信息压缩的进化优势。这些发现为开发能够在智能手机等小型设备上运行的先进、轻量级AI系统提供了新思路。

关键事实

• 基因组式信息压缩：该AI算法像基因组一样压缩信息，实现高效运行。

• 接近顶尖AI的性能：它在执行任务时几乎与经过全面训练的最先进AI一样有效。

• 潜在应用：包括在智能手机等设备上运行大型AI模型。

研究背景

从某种意义上说，我们每个人从出生起就具备了行动的能力。许多动物在出生后不久就能完成惊人的壮举，比如蜘蛛织网、鲸鱼游泳。但这些与生俱来的能力从何而来？

显然，大脑在其中扮演了关键角色，因为它包含了控制复杂行为所需的数万亿神经连接。然而，基因组只能存储这些信息的一小部分。这一悖论困扰了科学家数十年。如今，冷泉港实验室（CSHL）的Anthony Zador教授和Alexei Koulakov教授利用人工智能提出了一个可能的解决方案。

研究内容

当Zador首次遇到这个问题时，他提出了一个新的视角：“如果基因组有限的容量正是让我们如此聪明的原因呢？如果这是一个特性，而不是缺陷呢？”换句话说，也许我们能够智能行动并快速学习，正是因为基因组的限制迫使我们适应。

这是一个大胆的想法，但难以证明。毕竟，我们无法将实验室实验扩展到数十亿年的进化过程中。于是，基因组瓶颈算法的概念应运而生。

在AI领域，新一代模型的诞生只需按下按钮。Zador、Koulakov以及CSHL的博士后Divyansha Lachi和Sergey Shuvaev着手开发了一种计算机算法，能够将大量数据压缩成一个简洁的包——就像我们的基因组可能压缩形成功能性大脑回路所需的信息一样。

随后，他们将该算法与经过多轮训练的AI网络进行了对比测试。令人惊讶的是，这种未经训练的新算法在执行图像识别等任务时，几乎与最先进的AI一样有效。他们的算法甚至在《太空入侵者》等视频游戏中表现出色，仿佛天生就懂得如何玩。

研究意义

这是否意味着AI很快就能复制我们的自然能力？Koulakov表示：“我们还没有达到那个水平。大脑的皮层结构可以容纳约280太字节的信息——相当于32年的高清视频。而我们的基因组只能容纳约1小时的信息。这意味着AI的压缩技术还无法与基因组相媲美。”

尽管如此，该算法实现了迄今为止AI中未见的高压缩水平。这一特性可能在技术领域有令人印象深刻的应用。研究的主要作者Shuvaev解释道：“例如，如果你想在手机上运行一个大型语言模型，该算法可以通过在硬件上逐层展开模型来实现。”

这种应用可能意味着更先进的AI和更快的运行速度。而这一切，仅用了35亿年的进化时间。

关于这项AI、遗传学和进化研究

• 作者：Samuel Diamond

• 来源：冷泉港实验室（CSHL）

• 联系人：Samuel Diamond – CSHL

原始研究：开放访问。“Encoding innate ability through a genomic bottleneck” by Anthony Zador et al. PNAS