人类

一般而言，人类负责“道”与“杂”，人类是意义的发起者、价值的锚定点和责任的终极承担者。

中国科学院自动化研究所5月7日发布消息说，该所科研团队联合中外合作者，最新在狨猴脑中鉴定出与人类高度同源的神经纤维束——弓状束，证实狨猴脑连接特征相较于猕猴更接近人类，并揭示语言相关神经架构并非仅由物种亲缘关系决定，而是受社会生态与复杂发声交流需求驱动趋同演化，为追溯人类语言能力的神经起源提供了重要线索。

研究人员在小型灵长类动物狨猴的脑中，成功鉴定出与人类高度同源的神经纤维束——弓状束，并证实其连接模式在关键脑区较猕猴更接近人类。

事实上，围绕「AI到底会不会干掉人类的饭碗」，科技圈各位大佬都曾激情开麦。

吴恩达炮轰「AI就业末日论」：贩卖失业焦虑，其实就是一门生意2026年05月15日17:36机器之心ProAI会不会端掉人类的饭碗？

“人类语言的演化是一个漫长而复杂的过程，狨猴就像一把钥匙，帮我们打开了理解这一过程的新大门。

弓状束是大脑中负责连接听觉感知区与运动控制区的“神经高速公路”，是人类语言理解与表达的核心通路。

而体型小巧的狨猴，作为新世界猴的代表，不仅能通过父母的社会反馈学习发声，其复杂的叫声系统也与人类语言的早期形式存在深度相似性。

论文通讯作者、中国科学院自动化所樊令仲研究员表示，本项研究成果为人类语言神经机制研究提供了新路径。

打开人类语言演化过程新大门

因此，此次研究既展现出演化的连续性，也凸显人类语言神经机制的独特创新。

研究团队强调，本项研究明确了“相似性”与“独特性”的边界：尽管狨猴与人类的弓状束在额叶连接上高度相似，但弓状束向中颞叶和下颞叶的延伸为人类独有，这一结构差异可能支撑了人类语言特有的语义和词汇检索功能。

小小狨猴脑，藏着人类语言神经起源线索

“这一结构差异可能支撑了人类语言特有的语义和词汇检索功能。

”樊令仲说，人类语言的演化是一个漫长而复杂的过程，狨猴就像一把钥匙，帮我们打开了理解这一过程的新大门。

”王玙璠认为，这一发现既凸显了演化的连续性，也明确了人类语言神经机制的独特创新。

这一发现为追溯人类语言能力的神经起源提供了重要线索，相关论文于日前发表于学术期刊《美国国家科学院院刊》（PNAS）。

人类语言神经机制如何起源演化？

人类认知依赖“语境”而非“标签”（意义在于关系）

我们可以从以下几个维度来深入理解为什么“关系”才是人类认知的本质：

"许多行为学研究都假设人类观察者是中立的，但我们的研究表明，城市鸟类并非如此，"她说，"这对城市生态学和科学领域的平等都具有重要意义。

贝内德蒂博士也指出了这个研究在方法论层面的重要意义，它挑战了行为学研究中长期存在的一个隐含假设，即人类观察者是"中性"的，不同观察者之间可以互换。

未来具身智能的核心壁垒，究竟在算法还是在于那套关乎人类行为的“说明书”？

我们需要的是从HumanData（人类行为数据）入手，构建一套从行动到思考再到反馈的闭环数据产品和平台。

我们自己做了一款APP，把设备给到每个家庭，用户通过APP了解采集任务，用我们的设备完成正常的家务动作即可，不需要对用户的操作做额外的教育和约束，用户的自然操作对模型来说反而更有价值，模型需要学习多样化的人类行为，才能补充场景盲点，因此行为上传后我们通过云端来识别、标注。

核心工作是将采集到的人类行为数据，通过模型加工还原成接近人类整体感受的数据格式，这件事难度很高。

这些深层逻辑，只有EGOcentric的数据能提供，非EGO视角的训练，缺少了对模型深层认知的监督，只能监督轨迹和图像，无法监督模型面对问题时的解决方案，也无法获取人类行为背后的思考逻辑。

长期来看，具身模型一定需要理解触觉，才能和人类的行为对齐，单一视觉的EGO数据，无法满足模型的长期训练需求。

但听取人类建议和听取人工智能建议存在显著区别：人类给出建议时，往往会顺带表露自身话语的笃定程度，而这份自信也会直接影响我们对建议的信任与采纳程度。

该研究成果发表于《通讯·心理学》期刊，研究表明：即便人工智能与人类给出的回答完全一致，人们依旧普遍认为人工智能作答时的自信心更强。

这非常符合人类真实的生命体验——我们是在“正在成为”（becoming）的过程中存在的，而不是静止的“是”（being）。

结合狨猴独特的合作育幼模式，幼崽在社会互动中获得的发声反馈，会持续塑造弓状束的连接模式，最终形成与人类相似的神经通路。

在阿尔忒弥斯2号飞掠月球期间，宇航员将飞越此前人类登月的两个地点——阿波罗12号和14号。

人类理解事物，从来不是靠死记硬背孤立的属性，而是靠理解事物在复杂网络中的位置和关联。

人类通过洞察纠正机器，将新的关系注入系统，这种“人机共生”的协同机制，恰恰是人类理解复杂世界的真实方式。

动态本体论中的关系更接近人类的理解

动态本体论之所以被认为更接近人类的理解，是因为它打破了传统静态、孤立的“实体主义”视角，还原了我们真实感知世界的方式。

总的来说，动态本体论中的“关系”之所以更接近人类理解，是因为它承认了世界的流动性、认知的语境依赖性以及存在的相互构成性。

语言是人类独有的高级认知功能，其神经机制的探索一直是神经科学领域的难题。

但霍金留给世界的，不仅仅是科学理论，还有一系列关乎人类未来的预言。

而本体（Ontology）和知识图谱之所以更接近人类智能，是因为它们明确定义了概念之间的关系（例如“某人从事某职业”）。

这位被誉为继爱因斯坦之后最杰出的理论物理学家，在2018年3月14日离开了我们，但他留下的预言和警告，却像一颗颗定时炸弹，悬在人类文明的头顶。

模型训练的完整流程，应该是通过人类数据完成预训练，再通过精选的人类专家数据完成中间训练，最后基于评测结果做强化学习和后训练。

遥操本质上就是最基础的模仿学习，行业里很多demo，都是在相同场景下录几百小时的人类数据，回灌给模型，让模型以接近回放的方式复现操作。

（2）模糊、复杂的场景（人类接管）：一旦出现信息不全或特殊情况（如探测器报警但监控无明火、报警人地址模糊、或现场存在老弱病残等弱势群体），机器会立即将态势标注为“待确认中间态”并移交人类。

此时必须触发“熔断机制”，强制转交人类指挥官。

第三是对人机协同结果负责，即便任务由AI完成，最终责任仍然由人类承担。

上层数据和模型只能做交叉验证、基于已采集信息提升精度，而数据的底层对错，需要硬件质量来保证，这其中有很多围绕人类感受的底层原理创新需要做。

那么，大语言模型究竟是如何理解人类情绪的？

值得注意的是，研究团队也明确了“相似性”与“独特性”的边界：尽管狨猴与人类的弓状束在额叶连接上高度相似，但人类弓状束向中颞叶和下颞叶的延伸是独有的。

在这些生物上，人类已经能够初步实现全脑、单神经元级别的实时功能记录，这为建立「结构-功能」的映射关系提供了至关重要的真实数据。

人工智能的发展速度太快，人类已然难以跟上。

他认为，人工智能发展太快，人类已然难以跟上。

为了验证这些现象是否只是模型自身的偏差，作者还进行了人类实验。

模型中的情绪结构还会受到性别、种族、收入、教育水平等身份设定的影响，呈现出与人类实验中相似的的情绪识别偏见。

他们详细梳理了狨猴区别于其他灵长类的发声特性：它们不仅能进行类似人类对话的“发声交替”，还能根据交流对象身份、距离调整叫声的振幅和时长，更具备通过社会引导实现发声学习的能力——这与人类婴儿的语言发育过程高度相似。

据了解，长期以来，黑猩猩、猕猴等灵长类动物被视为研究人类大脑演化的主要模型，其中猕猴属于旧大陆猴，但这类动物缺乏人类婴儿般的社会引导性发声学习能力。

这种全息式、非局域性的关联视角，比机械的因果决定论更能解释人类复杂的生命体验和直觉判断。

因此，它们构成了一个很难超越的人类基准。

绝大多数机器人仍在模仿人类动作的表层轨迹，却不理解为什么拧不开瓶盖时要先擦擦手。

“当人类希望AI以更合理的方式为我们赋能，或者共生共创的同时，人类其实也需要去管理、培训和监督AI，这是人类非常重要的职责。

动态维度机器主导的边界（效率与计算）人类主导的边界（价值与直觉）

中国科学院自动化研究所5月7日发布消息说，该所科研团队联合中外合作者，最新在狨猴脑中鉴定出与人类高度同源的神经纤维束——弓状束，证实狨猴脑连接特征相较于猕猴更接近人类，并揭示语言相关神经架构并非仅由物种亲缘关系决定，而是受社会生态与复杂发声交流需求驱动趋同演化，为追溯人类语言能力的神经起源提供了重要线索

2026年4月15日，一场关于“科技与人类未来”的高端学术交流会在北京举行

模型训练的完整流程，应该是通过人类数据完成预训练，再通过精选的人类专家数据完成中间训练，最后基于评测结果做强化学习和后训练。

LLM的偏见和人类有多像？