🤖 AI

A Cellular Doctrine of Morality: Intrinsic Active Precision and the Mind-Reality Overload Dilemma

该论文指出，当前的 AI 系统因在未经核实信息真实性的情况下放大偏见信息，存在引发“心智 - 现实过载困境”的风险，并提出通过开发基于锥体神经元生物物理动力学的先进 AI 来缓解这一威胁，该机制利用内在的主动精度机制，在注意力分配之前优先处理连贯且有效的证据。

原作者： Ahsan Adeel

发布于 2026-05-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ahsan Adeel

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是论文《道德的细胞学说》的通俗解读，运用类比和隐喻，严格遵循原文主张。

核心难题：“心智 - 现实过载”

想象你正在穿越一片森林。

正常奔跑： 你以大脑能清晰辨识树木、岩石和路径的速度奔跑。你确切知道该避开什么。你的思维与周围的现实保持同步。
过载状态： 现在，想象森林突然以每小时 100 英里的速度向你冲来。树木模糊成一面绿色的墙。你无法分辨岩石与树枝。你感到不知所措、困惑，极易发生碰撞。

作者阿赫桑·阿德尔（Ahsan Adeel）将此称为“心智 - 现实过载困境”。

目前，我们的世界（尤其是互联网和社交媒体）就像那片超速的森林。我们正遭受信息的狂轰滥炸——其中有些是真实的，有些是虚假的，有些只是噪音——以至于我们的大脑（以及当前的计算机）无法跟上。我们再也无法分辨什么是真实的或重要的。这导致了困惑、错误的决策和非理性的行为。

为何现有 AI 加剧了这一问题

将当今的 AI（如你使用的聊天机器人或社交媒体算法）想象成一种贪婪的注意力机制。

运作方式： 这些系统旨在攫取你的注意力。它们审视你展示给它们的一切，并说：“嘿，这很有趣！让我们看看！”
缺陷： 它们没有内置的“真理探测器”。在关注信息之前，它们不会检查信息是否合乎逻辑，或是否与已知内容相符。它们只是放大那些获得最多点击或符合某种模式的内容，即使那是胡言乱语。
结果： 这就像派对上的一名保安，不查验身份证就放所有人入场。很快，派对挤满了陌生人和骗子，没人能进行真正的交谈。系统被“垃圾”信号过载。

生物学解决方案：大脑中的“智能过滤器”

该论文提出，自然界已经解决了这个问题。它关注一种特定的脑细胞，称为锥体神经元（特别是大脑第 5 层的锥体神经元）。

将这些神经元想象成一个双门安检站：

门 A（证据）： 这是你的眼睛和耳朵此刻看到的内容（即“森林”）。
门 B（语境）： 这是你大脑基于已知内容对“应该”存在什么的内部预测（例如：“我正在森林里奔跑，所以我预期看到树木，而不是飞猪”）。

神奇机制：
在健康且清醒的大脑中，这两扇门必须同时打开，信号才能通过。

如果你看到一棵树（证据），且你的大脑预期有一棵树（语境），门就会打开，信号获得“绿灯”。它被放大。
如果你看到一只飞猪（证据），但你的大脑知道猪不会飞（语境），门就不会同时打开。信号会被立即阻断或忽略。

这被称为内在主动精度。它是一个内置过滤器，在信息被允许攫取你的注意力之前，先检查其是否“连贯”（即是否合乎逻辑）。

Proposed 方案：“未来机器”

作者提议构建模仿这种生物“双门”机制的新 AI 系统。他称之为协同语境敏感认知计算（Co4）。

这些新机器不再仅仅攫取注意力，而是会：

优先检查连贯性： 在将信息引入系统之前，先检查其是否与内部语境相符（即是否合乎逻辑）。
早期过滤： 如果信息不连贯（如森林中的飞猪），它会在引起困惑之前立即被过滤掉。
结果： 系统只关注可靠、有效的信息。

类比：

现有 AI： 一个孔洞巨大的筛子，让一切通过，然后试图事后清理垃圾。
提议的 AI： 一扇智能大门，只在人们到达的那一刻允许正确的人进入，保持派对整洁且可控。

这对道德与社会的意义

该论文对道德提出了一个具体而谨慎的主张：

它不教导 AI 变得“善良”。 作者明确指出，这项技术不会编写道德规则，也不会告诉我们什么是对错。
它修复“基础”。 论点是，人类要做出良好的道德决策，首先必须看清世界。如果我们被谎言和噪音的洪流搞得困惑，就无法做出正确的选择。
目标： 通过修复“信息过载”（即让森林不再超速奔跑），我们让人们能更清晰地看待现实。这为形成可靠的信念和做出连贯的判断创造了更好的环境。

作者希望的总结

作者持谨慎乐观态度。他相信，通过构建基于连贯性和有效性（如同我们大脑那样）来过滤信息的机器，我们可以减缓信息“森林”的奔跑速度。这将有助于减少困惑，帮助社会做出更好、更明智的决策。

重要提示： 论文承认这并非万能灵药。它无法阻止人们拥有错误的价值观或受贪婪影响。但其目标是消除那些首先导致无法清晰思考的“噪音”。

差异可视化（基于论文图表）

图 1（现有 AI）： 想象一名司机试图保持在车道内，而一阵随机闪烁的灯光风暴分散了他们的注意力。汽车偏离了道路，因为司机对每一次闪烁（即使是虚假的）都做出了反应。
图 2 和图 3（提议的 AI）： 想象同一位司机，但现在他们拥有一个过滤器，能屏蔽虚假的闪烁灯光。他们只能看到实际的道路标线。即使在风暴中，他们也能完美地保持在车道内。

该论文认为，我们需要构建“过滤器”版本的 AI，以帮助人类驾驭信息风暴。

技术摘要：道德的细胞学说

1. 问题陈述：心智 - 现实过载困境

本文指出了当前人工智能系统及其所驱动的信息生态系统中存在的一个关键弱点：心智 - 现实过载困境。当可观测现实的速率（ $S_R$ ）——定义为信息（包括相关和不相关信息）到达个体的速率——超过连贯认知的速率（ $S_C$ ）——即心智能够区分相关信号并赋予其有效精度的速率——时，便会出现这种状况。

当前的人工智能系统，特别是那些基于过度简化的神经科学模型（例如标准 Transformer 架构）的系统，加剧了这一困境。这些系统通过放大对信息的注意力来最大化全局奖励或最小化预测误差，但缺乏内在精度机制。因此：

它们在分配注意力之前，无法评估证据的有效性或情境适宜性。
它们将带有偏见、虚假或无关的信息与有效信号一同放大。
这导致了一个信息环境，其中有效信号速率压倒了用户的认知能力，从而引发困惑、误判以及非理性或有害的决策。

作者认为，如果没有在分配注意力之前评估精度的内在机制，不连贯的信息就会以膨胀的置信度通过层级传播，在用户有机会过滤之前就到达用户手中。

2. 方法论与理论框架

本文提出从“仅注意力”架构转向**合作情境敏感认知计算（Co4）框架。该方法植根于哺乳动物新皮层中锥体双点神经元（TPNs）**的细胞神经生物学和生物物理建模的最新进展。

生物学基础

该方法借鉴了第 5 层 TPN 的生物物理学，这些神经元整合了两个不同的输入流：

感官证据（ $R$ ）：到达基底树突的前馈（FF）输入。
情境输入（ $C$ ）：到达顶树突的内部生成预测。

在“清醒思维”状态下，这些神经元表现出内在主动精度机制。当基底（ $R$ ）和顶（ $C$ ）区室同时去极化时，神经元会产生高频爆发。这种爆发信号表明了证据与情境之间的连贯性，有效地在信号传播到更高感知层之前放大了有效信号，同时抑制了不连贯的活动。

计算表述

本文将这一生物学原理转化为未来人工智能系统的数学框架：

主动精度（ $\pi^a_{ij}$ ）：定义为调节合作律 $MOD(R_i, C_j)$ ，用于量化外部证据（ $R_i$ ）与内部情境（ $C_j$ ）之间的一致性。
$\pi^a_{ij} = \max(\epsilon, MOD(R_i, C_j))$
其中 $MOD(R, C) $被建模为整合证据（$ f_r(R) $）、整合情境（$ f_c(C) $）及其合作相互作用（$ g(R, C)$）的函数。
情境定义：情境（ $C_j$ ）包括内部预测和在线反馈信号（ $F_j$ ），并按因子 $\lambda$ 进行缩放。
精度门控注意力：与基于学习特征事后加权信号的标准注意力机制不同，Co4 在注意力竞争之前对信号进行门控。预测误差（ $\epsilon_{ij}$ ）由 $\pi^a_{ij}$ 加权，这意味着即使误差很大，如果它们与当前情境缺乏连贯性，也会被降低权重。

3. 主要贡献

定义心智 - 现实过载困境：本文正式定义了 $S_R > S_C$ 的条件，并引入了无量纲比率 $\gamma = S_C / S_R$ 来表征同步与过载的状态。
对当前人工智能的批判：它指出基于 Transformer 的模型缺乏内在精度机制是信息过载的主要驱动因素，并指出这些模型在过滤之前先处理不连贯信号。
Co4 框架：它提出了一种新颖的架构，整合了 TPN 爆发的生物物理原理，以建立内在主动精度。该机制在分配注意力之前评估局部和全局连贯性，确保只有足以指导行动的表征才会被传播。
认识论而非道德基础：作者澄清，这种方法并非从生物学中推导出道德规则。相反，它旨在通过减少信息过载来恢复认识论条件，从而为可靠信念的形成和更明智的判断奠定稳定基础。

4. 结果与实证证据

本文提出了理论论证和说明性模拟来支持 Co4 框架：

模拟自动驾驶：在资源受限的强化学习模拟中（类似于“森林奔跑”示例），使用标准基于注意力的 Transformer 的智能体在面对高信息速率时表现出漂移、不稳定性和失控。相比之下，配备 Co4 机制的智能体保持了稳定的轨迹控制并与预定路径保持一致。
作用机制：Co4 智能体在处理流程的早期成功过滤了不连贯或与任务无关的特征，降低了有效信号速率，防止了心智 - 现实过载条件（ $S_R > S_C$ ）的发生。
消融研究：参考文献 [33] 表明，修改主动精度项（ $\pi^a_{ij}$ ）的结构会降低性能，这表明所提出的公式并非随意，而是对鲁棒推理的经验性必要。
效率：据报告，该框架通过早期过滤不连贯信号，产生了更快的学习速度和降低的计算成本作为副产品。

5. 意义与主张

本文认为，所提出的细胞学说提供了一条减轻信息过载和虚假信息社会风险的途径。其意义在于：

恢复认识论条件：通过优先考虑连贯性和适宜性而非单纯的注意力最大化，这些系统可以减少到达公众的偏见和不可靠信息的数量。
支持道德判断：虽然不规定道德，但该框架表明，可靠的道德推理依赖于对世界的可靠信念。通过提高信息处理的质量，Co4 支持形成更明智的信念，这是连贯道德判断的前提。
人工智能的新范式：它倡导从“注意力即一切”转向“连贯性和适宜性优先”，建议未来的机器应具备内在机制，在传播证据之前将其与情境进行验证。

作者保持谦逊的立场，承认没有任何技术能保证道德决策或消除所有不确定性。然而，本文认为，在架构层面嵌入以连贯性驱动的原则，为减少生物和人工系统中的困惑和非理性行为提供了“谨慎的乐观”。