人类一生所学不过4GB，加州理工顶刊新研究引热议 | 量子位
人类一生所学不过4GB，加州理工顶刊新研究引热议
随着算力的不断提升，机器在各类任务中的表现超越人类只是时间问题。
24小时不间断学习且不遗忘，一辈子也只有4GB的“知识储量”？
科学家们最新研究，计算出了人类学习积累上限，就这么多~~（甚至还不如一块U盘能装）。
这是来自Cell旗下神经科学顶刊Neuron上的一项工作，它提出了一个发人深省的悖论：
由此，按照每秒10bit的速度来算，人类24小时不间断学习且不遗忘，100年储存的知识也不过4GB。
什么概念呢？来和大模型做个对比：
大语言模型每个参数就能存储2bit知识，一个70亿参数的模型就能存储140亿bit的知识。
△结论来自华人学者朱泽园”Physics of Language Models”系列论文
难怪研究人员还提出了一项推论：
另外，按照这项研究的结论，马斯克目前的脑机接口研究也有问题了。
研究人员表示：
一时间，这一系列惊人推论在学术圈各大社区引起广泛讨论。
美国知名医师科学家、斯克里普斯转化研究所创始人Eric Topol也忍不住下场转发。
所以，结论如何得出的？
中枢神经系统“串行”影响信息处理速率
简单说，要想计算人一辈子能学多少知识，我们得先从大脑处理信息的速度说起。
从对几项日常活动（如打字、说话演讲、拧魔方等）的评估来看，他们初步得出“大脑处理信息的速度约为10bits/s”这一结论。
以人类打字为例，高级打字员每分钟能打120个单词（每秒2个），平均每个单词按5bit计算，那么信息传输速率就是10bits/s。
同样，若以英语演讲为例，如果将节奏控制在舒适程度——讲话速度为每分钟160个单词，则信息传输速率为13bits/s，略高于打字。
再比如“盲拧魔方”这项竞技活动，选手需先观察魔方几秒，然后闭眼还原。以一次世界纪录的成绩12.78s为例，其中观察阶段约5.5s，由于魔方可能的排列数约为4.3×1016≈265，则最终信息传输速率约为11.8bits/s。
使用类似方式，作者估算了更多场景下的信息处理速度（从经典实验室实验到现代电子竞技等），结果显示为5~50bits/s之间。
由此也得出一个整体结论：人类思考的速度始终在10bits/s的尺度范围内。
按照这一标准，假设我们能活100岁，每天24小时不间断学习（且剔除遗忘因素），那么我们最终的“知识储量”也将不到4GB。
事实上，与10bits/s形成鲜明对照的是——人类感官系统以约10亿bits/s的速率收集数据。
具体来说，我们每天从周围环境中获取信息的速率就以Gbps/s起算。
举个栗子，视觉系统中单个视锥细胞能以270bits/s的速度传输信息，而一只眼睛就拥有约600万个视锥细胞。
那么，光是双眼视觉系统接收信息的速度就高达3.2Gbps/s。照此推算，我们接收信息的速度与处理信息的速度之间的差距比值竟然达到了108:1。
要知道，人类大脑里有超过850亿个神经元，其中三分之一集中在大脑皮层组成了复杂的神经网络。也就是说，明明单个神经元就能轻松处理超过10bits/s的信息。
而现在所观察到的现象却与之不符，显而易见，上述二者之间存在一定矛盾。
那么，为什么人类信息处理速度如此之慢？
按照论文分析，原因可能在以下几个方面：
最主要的，中枢神经系统在处理信息时采用的是串行方式，对信息传输速率有所限制。
这里要提到并行处理和串行处理之间的区别。
所谓并行处理，显然指多个任务同时进行。以我们看东西为例，视网膜每秒会产生100万个输出信号，每一个信号都是视网膜神经元对视觉图像局部计算的结果，由此同时处理大量视觉信息。
而在中枢神经系统中，他们观察到了一种“心理不应期”（psychological refractory period）效应，即同时面对多个任务，中枢神经系统只将注意力集中在一个任务上。
当然，他们也进一步探究了出现“串行”背后的原因，结论是这与演化过程早期的神经系统功能有关。
展开来说，那些最早拥有神经系统的生物，核心利用大脑来检测气味分子的浓度梯度，以此判断运动方向进行捕食和避开敌人。长此以往，这种特定功能需求使得大脑逐渐形成了“一次处理一个任务”的认知架构。
除此之外，还有理论认为存在 “注意瓶颈” 等限制了信息处理。注意力是认知过程中的一个重要因素，它就像一个瓶颈，限制了能够起来。
有人认为论文读起来很有意思，发人深省：
然鹅，也有不少人提出疑问。
对于这项研究，你有什么看法呢？
论文链接：https://arxiv.org/pdf/2408.10234
参考链接：
[1]https://www.caltech.edu/about/news/thinking-slowly-the-paradoxical-slowness-of-human-behavior
[2]https://www.cell.com/neuron/abstract/S0896-6273(24)00808-0
[3]https://news.ycombinator.com/item?id=42449602
[4]https://arxiv.org/pdf/2408.10234
(来源:量子位)
关联资讯:
论文党狂喜！alphaXiv推出Deep Research一秒搜遍arXiv，研究效率直接爆表
