AI transcript
0:00:04 Welcome to the Huberman Lab Podcast, where we discuss science and science-based tools
0:00:07 for everyday life.
0:00:14 I’m Andrew Huberman, and I’m a professor of neurobiology and ophthalmology at Stanford
0:00:15 School of Medicine.
0:00:17 My guest today is Dr. Terry Sagnowski.
0:00:22 Dr. Terry Sagnowski is a professor at the Salk Institute for Biological Studies, where
0:00:26 he directs the Computational Neurobiology Laboratory.
0:00:29 And as his title suggests, he is a computational neuroscientist.
0:00:34 That is, he uses math, as well as artificial intelligence, and computing methods to understand
0:00:38 this overarching, ultra-important question of how the brain works.
0:00:43 Now, I realize that when people hear terms like computational neuroscience, algorithms,
0:00:48 large language models, and AI, that it can be a bit overwhelming and even intimidating.
0:00:53 But I assure you that the purpose of Dr. Sagnowski’s work, and indeed today’s discussion, is all
0:00:59 about using those methods to clarify how the brain works, and indeed to simplify the answer
0:01:00 to that question.
0:01:05 So for instance, today you will learn that regardless of who you are, regardless of your
0:01:11 experience, that all your motivation in all domains of life is governed by a simple algorithm
0:01:12 or equation.
0:01:17 Dr. Sagnowski explains how a single rule, a single learning rule, drives all of our
0:01:19 motivation-related behaviors.
0:01:22 And it, of course, relates to the neuromodulator dopamine.
0:01:25 And if you’re familiar with dopamine as a term, today you will really understand how
0:01:31 dopamine works to drive your levels of motivation, or in some cases, lack of motivation, and
0:01:34 how to overcome that lack of motivation.
0:01:36 Today we also discuss how best to learn.
0:01:41 Dr. Sagnowski shares not just information about how the brain works, but also practical
0:01:46 tools that he and colleagues have developed, including a zero-cost online portal that teaches
0:01:52 you how to learn better based on your particular learning style, the way that you in particular
0:01:55 forge for information and implement that information.
0:02:01 Dr. Sagnowski also explains how he himself uses physical exercise of a particular type
0:02:06 in order to enhance his cognition, that is, his brain’s ability to learn information and
0:02:08 to come up with new ideas.
0:02:12 Today we also discuss both the healthy brain and the diseased brain in conditions like
0:02:18 Parkinson’s and Alzheimer’s, and how particular tools that relate to mitochondrial function
0:02:23 can perhaps be used in order to treat various diseases, including Alzheimer’s dementia.
0:02:26 I’m certain that by the end of today’s episode, you will have learned a tremendous
0:02:31 amount of new knowledge about how your brain works and practical tools that you can implement
0:02:32 in your daily life.
0:02:36 Before we begin, I’d like to emphasize that this podcast is separate from my teaching
0:02:38 and research roles at Stanford.
0:02:42 It is, however, part of my desire and effort to bring zero-cost to consumer information
0:02:46 about science and science-related tools to the general public.
0:02:50 In keeping with that theme, I’d like to thank the sponsors of today’s podcast.
0:02:52 Our first sponsor is BetterHelp.
0:02:56 BetterHelp offers professional therapy with a licensed therapist carried out completely
0:02:57 online.
0:02:59 I’ve been doing weekly therapy for well over 30 years.
0:03:01 Initially, I didn’t have a choice.
0:03:04 It was a condition of being allowed to stay in school, but pretty soon I realized that
0:03:07 therapy is an extremely important component to one’s overall health.
0:03:12 In fact, I consider doing regular therapy just as important as getting regular exercise,
0:03:16 including cardiovascular exercise and resistance training, which, of course, I also do every
0:03:17 single week.
0:03:21 Now, there are essentially three things that great therapy provides.
0:03:25 First of all, it provides a good rapport with somebody that you can trust and talk to about
0:03:27 essentially all issues that you want to.
0:03:31 Second of all, great therapy provides support in the form of emotional support or simply
0:03:36 directed guidance, what to do or what not to do in given areas of your life.
0:03:40 And third, expert therapy can provide you useful insights that you would not have been
0:03:42 able to arrive at on your own.
0:03:46 BetterHelp makes it very easy to find an expert therapist who you really resonate with and
0:03:50 that can provide you the benefits I just mentioned that come with effective therapy.
0:03:56 If you’d like to try BetterHelp, go to betterhelp.com/huberman to get 10% off your first month.
0:03:59 Again, that’s betterhelp.com/huberman.
0:04:03 Today’s episode is also brought to us by Helix Sleep.
0:04:07 Helix Sleep makes mattresses and pillows that are customized to your unique sleep needs.
0:04:11 Now I’ve spoken many times before on this and other podcasts about the fact that getting
0:04:16 a great night’s sleep is the foundation of mental health, physical health and performance.
0:04:19 Now the mattress you sleep on makes a huge difference in terms of the quality of sleep
0:04:20 that you get each night.
0:04:25 How soft it is or how firm it is, how breathable it is, all play into your comfort and need
0:04:27 to be tailored to your unique sleep needs.
0:04:32 If you go to the Helix website, you can take a brief two minute quiz and it asks you questions
0:04:34 such as, “Do you sleep on your back, your side or your stomach?
0:04:36 Do you tend to run hot or cold during the night?”
0:04:37 Because of that sort.
0:04:40 Maybe you know the answers to those questions, maybe you don’t.
0:04:43 Either way, Helix will match you to the ideal mattress for you.
0:04:46 For me, that turned out to be the Dusk mattress, the USK.
0:04:50 I started sleeping on a Dusk mattress about three and a half years ago and it’s been
0:04:52 far and away the best sleep that I’ve ever had.
0:04:57 If you’d like to try Helix, you can go to helixsleep.com/huberman.
0:05:01 Take that two minute sleep quiz and Helix will match you to a mattress that is customized
0:05:02 for your unique sleep needs.
0:05:08 By the month of November 2024, Helix is giving up to 25% off on all mattress orders and two
0:05:09 free pillows.
0:05:15 Again, that’s helixsleep.com/huberman to get up to 25% off and two free pillows.
0:05:18 Now for my discussion with Dr. Terry Sainowski.
0:05:21 Dr. Terry Sainowski, welcome.
0:05:23 Great to be here.
0:05:28 We go way back and I’m a huge, huge fan of your work because you’ve worked on a great
0:05:31 many different things in the field of neuroscience.
0:05:36 You’re considered by many a computational neuroscience, so you bring mathematical models to an understanding
0:05:40 of the brain and neural networks and we’re also going to talk about AI today and we’re
0:05:45 going to make it accessible for everybody, biologist or no, math background or no.
0:05:50 To kick things off, I want to understand something.
0:05:55 I understand a bit about the parts list of the brain and most listeners of this podcast
0:05:58 will understand a little bit of the parts list of the brain even if they’ve never heard
0:06:01 an episode of this podcast before because they understand there are cells, those cells
0:06:05 are neurons, those neurons connect to one another in very specific ways that allow us
0:06:09 to see, to hear, to think, et cetera.
0:06:15 I’ve come to the belief that even if we know the parts list, it doesn’t really inform us
0:06:17 how the brain works.
0:06:18 This is the big question.
0:06:19 How does the brain work?
0:06:20 What is consciousness?
0:06:23 All of this stuff.
0:06:30 Here and how does an understanding of how neurons talk to one another start to give us a real
0:06:33 understanding about how the brain works?
0:06:36 What is this piece of meat in our heads?
0:06:42 Because it can’t just be, okay, the hippocampus remembers stuff and the visual cortex perceives
0:06:43 stuff.
0:06:48 When you sit back and you remove the math from the mental conversation, if that’s possible
0:06:53 for you, how do you think about, quote, unquote, how the brain works?
0:07:00 At a very basic level, what is this piece of meat in our heads really trying to accomplish?
0:07:03 Let’s just say the time when we first wake up in the morning and we’re a little groggy
0:07:09 till we make it to that first cup of coffee or water, or maybe even just to urinate first
0:07:10 thing in the morning.
0:07:11 What is going on in there?
0:07:16 What a great question.
0:07:23 I have a — Pat Churchley and I wrote a book, “Computational Brain,” and in it, there’s
0:07:30 this levels diagram, and it levels of investigation at different spatial scales from the molecular
0:07:37 at the very bottom to synapses and neurons, circuits, neural circuits, how they’re connected
0:07:43 with each other, and then brain areas in the cortex and then the whole central nervous
0:07:51 system span 10 orders of magnitude, 10th to the 10th, in spatial scale.
0:07:56 Where is consciousness in all of that?
0:07:59 There are two approaches that neuroscientists have taken.
0:08:05 I shouldn’t say neuroscientists, I should say that scientists have taken, and the one
0:08:10 you described, which is, let’s look at all the parts, that’s the bottom-up approach.
0:08:15 Take it apart and just reductionist approach, and you make a lot of progress.
0:08:19 You can figure out how things are connected and understand how development works, how
0:08:26 neurons connect, but it’s very difficult to really make progress because quickly you get
0:08:28 lost in the forest.
0:08:37 Now the other approach, which has been successful, but at the end unsatisfying, is the top-down
0:08:43 approach, and this is the approach that psychologists have taken looking at behavior and trying to
0:08:53 understand the laws of behavior, this is the behaviorist, but even people in AI were trying
0:09:00 to do a top-down, to write programs that could replicate human behavior, intelligent behavior.
0:09:06 I have to say that both of those approaches, bottom-up or top-down, have really not gotten
0:09:11 to the core of answering any of those questions, the big questions.
0:09:17 But there’s a whole new approach now that is emerging in both neuroscience and AI at
0:09:22 exactly the same time, and at this moment in history it’s really quite remarkable.
0:09:27 So there’s an intermediate level between the implementation level at the bottom, how you
0:09:38 implement some particular mechanism, and the actual behavior of the whole system is called
0:09:42 the algorithmic level, it’s in between.
0:09:48 So algorithms are like recipes, they’re like when you bake a cake, you have to have ingredients
0:09:55 and you have to say the order in which they’re put together and how long, and if you get
0:10:00 it wrong it doesn’t work, it’s just a mess.
0:10:06 Now it turns out that we’re discovering algorithms, we’ve made a lot of progress with understanding
0:10:14 the algorithms that are used in neural circuits, and this speaks to the computational level
0:10:21 of how to understand the function of the neural circuit, but I’m going to give you one example
0:10:29 of an algorithm, which is one we worked on back in the 1990s when Peter Dayan and Reid
0:10:35 Montague were postdocs in the lab, and it had to do with a part of the brain below the
0:10:43 cortex called the basal ganglia, which is responsible for learning sequences of actions
0:10:46 in order to achieve some goal.
0:10:51 For example, if you want to play tennis, you have to be able to coordinate many muscles
0:10:56 and a whole sequence of actions has to be made if you want to be able to serve accurately
0:11:01 and you have to practice, practice, practice, well what’s going on there is that the basal
0:11:08 ganglia basically is taking over from the cortex and producing actions that get better
0:11:14 and better and better and better, and that’s true not just of the muscles, but it’s also
0:11:15 true of thinking.
0:11:21 If you want to become good in any area, if you want to become a good financier, if you
0:11:29 want to become a good doctor or a neuroscientist, you have to be practicing, practicing, practicing
0:11:38 in terms of understanding the details of the profession and what works, what doesn’t work
0:11:43 and so forth, and it turns out that the basal ganglia interacts with the cortex not just
0:11:47 in the back, which is the action part, but also with the prefrontal cortex, which is
0:11:48 the thinking part.
0:11:51 Can I ask you a question about this briefly?
0:11:56 The basal ganglia, as I understand, are involved in the organization of two major types of
0:12:03 behaviors, go, meaning to actually perform a behavior, but the basal ganglia also instruct
0:12:09 no go, don’t engage in that behavior, and learning an expert golf swing or even a basic
0:12:14 golf swing or tennis racket swing involves both of those things, go and no go.
0:12:21 Given what you just said, which is that the basal ganglia are also involved in generating
0:12:28 thoughts of particular kinds, I wonder therefore if it’s also involved in suppression of thoughts
0:12:29 of particular kinds.
0:12:35 I mean, you don’t want your surgeon cutting into a particular region and just thinking
0:12:38 about their motor behaviors, what to do and what not to do.
0:12:42 They presumably need to think about what to think about, but also what to not think about.
0:12:47 You don’t want that surgeon thinking about how their kid was a brat that morning, and
0:12:50 they’re frustrated because the two things interact.
0:12:54 Is there go no go in terms of action and learning, and is there go no go in terms of thinking?
0:13:00 Well, I mentioned the prefrontal cortex and that part, the loop with the basal ganglia,
0:13:05 that is one of the last to mature in early adulthood.
0:13:11 The problem is that for adolescents, it’s not the no go part for planning and actions.
0:13:17 This isn’t quite there yet, and so often it doesn’t kick in to prevent you from doing
0:13:19 things that are not in your best interest.
0:13:25 Yes, absolutely right, but one of the things though is that learning is involved, and this
0:13:32 is really a problem that we cracked first theoretically in the ’90s and then experimentally
0:13:37 later by recording from neurons and also brain imaging in humans.
0:13:44 So it turns out we know the algorithm that is used in the brain for how to learn sequences
0:13:51 of actions to achieve a goal, and it’s the simplest possible algorithm you can imagine.
0:13:56 It’s simply to predict the next reward you’re going to get.
0:14:05 If I do an action, will it give me something of value, and you’ll learn every time you
0:14:10 try something, whether you got the amount of reward you expected or less, you use that
0:14:16 to update the synapses, synaptic plasticity, so that the next time you’ll have a better
0:14:21 chance of getting a better reward, and you build up what’s called a value function.
0:14:27 So the cortex now, over your lifetime, is building up a lot of knowledge about things
0:14:30 that are good for you, things that are bad for you, like you go to a restaurant, you
0:14:33 order something, how do you know what’s good for you, right?
0:14:39 You’ve had lots of meals in a lot of places, and now that is part of your value function.
0:14:43 This is the same algorithm that was used by AlphaGo.
0:14:46 This is the program that DeepMind built.
0:14:53 This is an AI program that beat the world Go Champion, and Go is the most complex game
0:14:58 that humans have ever played on a regular basis.
0:15:00 Far more complex than chess, as I understand.
0:15:01 Yeah, that’s right.
0:15:06 So Go is to chess with chess as to something like checkers.
0:15:12 In other words, the level of difficulty is another way off above it, because you have
0:15:18 to think in terms of battles going on all over the place at the same time, and the order
0:15:24 in which you put the pieces down are going to affect what’s going to happen in the future.
0:15:29 So this value function is super interesting, and I wonder whether, and I think you answered
0:15:36 this, but I wonder whether this value function is implemented over long periods of time.
0:15:42 So you talked about the value function in terms of learning a motor skill.
0:15:47 Let’s say swinging a tennis racket to do a perfect tennis serve, or even just a decent
0:15:49 tennis serve.
0:15:54 When somebody goes back to the court, let’s say on the weekend, once a month over the course
0:16:00 of years, are they able to tap into that same value function every time they go back, even
0:16:04 though there’s been a lot of intervening time and learning?
0:16:05 That’s question number one.
0:16:09 And then the other question is, do you think that this value function is also being played
0:16:15 out in more complex scenarios, not just motor learning, such as, let’s say, a domain of
0:16:21 life that for many people involves some trial and error, it would be like human relationships.
0:16:23 We learn how to be friends with people.
0:16:25 We learn how to be a good sibling.
0:16:28 We learn how to be a good romantic partner.
0:16:30 We get some things right, we get some things wrong.
0:16:35 So as the same value function being implemented, we’re paying attention to what was rewarding,
0:16:38 but what I didn’t hear you say also was what was punishing.
0:16:43 Are we only paying attention to what is rewarding, or we’re also integrating punishment?
0:16:47 We don’t get an electric shock when we get the serve wrong, but we can be frustrated.
0:16:58 What you identified is a very important feature, which is that rewards, by the way, every time
0:17:03 you do something, you’re updating this value function every time, and it accumulates.
0:17:07 And the answer to your first question, the answer is that it’s always going to be there.
0:17:09 It doesn’t matter.
0:17:15 It’s a very permanent part of your experience and who you are.
0:17:23 And interestingly, and the behaviorists knew this back in the 1950s, that you can get there
0:17:27 two ways of trial and error.
0:17:35 Small rewards are good because you’re constantly coming closer and closer to getting what you’re
0:17:41 seeking, a better tennis player or being able to make a friend.
0:17:52 But the negative punishment is much more effective, one trial learning.
0:18:00 You don’t need to have 100 trials, which you need when you’re training a rat to do some
0:18:03 task with small food rewards.
0:18:06 But if you just shock the rat, boy, that rat doesn’t forget that.
0:18:12 Yeah, one really bad relationship will have you learning certain things forever.
0:18:17 And this is also PTSD, post-traumatic stress disorder is another good example of that.
0:18:21 That can screw you up for the rest of your life.
0:18:25 But the other thing, and you pointed out something really important, which is that a large part
0:18:30 of the prefrontal cortex is devoted to social interactions.
0:18:33 And this is how humans, when you come into the world, you don’t know what language you’re
0:18:34 going to be speaking.
0:18:40 You don’t know what the cultural values are that you’re going to have to be able to become
0:18:44 a member of this society and things that are expected of you.
0:18:50 All of that has to become through experience, through building this value function.
0:18:53 And this is something we discovered in the 20th century.
0:18:58 And now it’s going into AI, it’s called reinforcement learning in AI.
0:19:02 It’s a form of procedural learning as opposed to the cognitive level where you think and
0:19:04 you do things.
0:19:10 Cognitive thinking is much less efficient because you have to go step by step with procedural
0:19:12 learning.
0:19:13 It’s automatic.
0:19:19 Can you give me an example of procedural learning in the context of a comparison to
0:19:20 cognitive learning?
0:19:27 Like, is there an example of perhaps like how to make a decent cup of coffee using purely
0:19:33 knowledge-based learning versus procedural learning where procedural learning wins?
0:19:36 And I can imagine one, but you’re the true expert here.
0:19:42 Well, you know a lot of examples, but since we’ve been talking about tennis, can you
0:19:45 imagine learning how to play tennis through a book, reading a book?
0:19:46 That’s so funny.
0:19:52 On the plane back from Nashville yesterday, the guy sitting across the aisle from me was
0:19:57 reading a book about maybe he was working on his pilot’s license or something.
0:20:02 And I looked over and couldn’t help but notice these diagrams of the plane flying.
0:20:07 And I thought, I’m just so glad that this guy is a passenger and not a pilot.
0:20:10 And then I thought about how the pilot’s learned and presumably it was a combination
0:20:14 of practical learning and textbook learning.
0:20:17 I mean, when you scuba dive, this is true, I’m scuba dive certified.
0:20:21 And when you get your certification, you learn your dive tables and you learn why you have
0:20:25 to wait between dives, et cetera, and gas exchange and a number of things.
0:20:30 But there’s really no way to simulate what it is to take your mask off underwater, put
0:20:33 it back on, and then blow the water out of your mask.
0:20:37 You just have to do that in a pool and you actually have to do it when you need to for
0:20:41 it to really get drilled in.
0:20:49 It’s really essential for things that have to be executed quickly and expertly to get
0:20:54 that really down pat so you don’t have to think.
0:20:58 And this happens in school, right?
0:21:04 In other words, you have classroom lessons where you’re given explicit instruction, but
0:21:07 then you go do homework.
0:21:08 That’s procedural learning.
0:21:09 You do problems.
0:21:10 You solve problems.
0:21:18 And I’m a PhD physicist, so I went through all of the classes in theoretical physics.
0:21:24 And it was really the problems that really were the core of becoming a good physicist.
0:21:28 You can memorize the equations, but that doesn’t mean you understand how to use the equations.
0:21:29 I think it’s worth highlighting something.
0:21:33 A lot of times on this podcast, we talk about what I call protocols.
0:21:37 It would be like get some morning sunlight in your eyes to stimulate your suprachiasmatic
0:21:41 nucleus by way of your retinal ganglion cells, audiences of this podcast will recognize those
0:21:42 terms.
0:21:45 It’s basically get sunlight in your eyes in the morning and set your circadian clock.
0:21:50 And you can hear that a trillion times, but I do believe that there’s some value to both
0:21:54 knowing what the protocol is, the underlying mechanisms.
0:21:58 There are these things in your eye that encode the sunrise qualities of light, et cetera,
0:22:01 and then send them to your brain, et cetera, et cetera.
0:22:07 But then once we link knowledge, pure knowledge, to a practice, I do believe that the two things
0:22:14 merge someplace in a way that, let’s say reinforces both the knowledge and the practice.
0:22:16 So these things are not necessarily separate.
0:22:17 They bridge.
0:22:22 In other words, doing your theoretical physics problem sets reinforces the examples that
0:22:26 you learned in lecture and in your textbooks and vice versa.
0:22:33 So this is a battle that’s going on right now in schools.
0:22:35 What you just said is absolutely right.
0:22:36 You need both.
0:22:37 We have two major learning systems.
0:22:40 We have a cognitive learning system, which is cortical.
0:22:47 We have procedural learning system, which is subcortical, basal ganglia.
0:22:49 And the two go hand in hand.
0:22:54 If you want to become good at anything, the two are going to help each other.
0:22:59 And what’s going on right now in schools, in California at least, is that they’re trying
0:23:01 to get rid of the procedural.
0:23:02 That’s ridiculous.
0:23:09 They don’t want students to practice because it’s going to be, you’re stressing them.
0:23:13 You don’t want them to feel that they’re having difficulty.
0:23:14 But it can do everything.
0:23:20 For those listening, I’m covering my eyes because this would be saying, goodness, there’s
0:23:21 so many examples.
0:23:24 Like here’s a textbook on swimming and then you’re going to go out to the ocean someday
0:23:28 and you will never actually swim.
0:23:33 And now you’re expected to be able to survive, let alone swim well.
0:23:34 It’s crazy.
0:23:43 I’ll tell you, Barbara Oakley and I have a MOOC, Massive Open Online Course, on Learning
0:23:44 How to Learn.
0:23:49 And it helps students, we aimed at students, but it actually has been taken by 4 million
0:23:53 people in 200 countries ages 10 to 90.
0:23:54 What is this called?
0:23:55 Learning How to Learn.
0:23:58 Is it, is there a paywall?
0:24:00 No, it’s free, completely free.
0:24:01 Amazing.
0:24:07 And, you know, I get incredible feedback, fan letters almost every day.
0:24:09 Well, you’re about to get a few more.
0:24:12 I did an episode on learning how to learn and my understanding of the research is that
0:24:15 we need to test ourselves on the material.
0:24:22 The testing is not just a form of evaluation, it is a form of identifying the errors that
0:24:27 help us then compensate for the errors and learn, but it’s very procedural.
0:24:31 It’s not about just listening and regurgitating.
0:24:35 You know, you put your finger on it, which is that, and this is what we teach the students,
0:24:43 is that you have to, the way the brain works, right, is not, it doesn’t memorize things
0:24:48 like a computer, but you have to, it has to be active learning.
0:24:49 You have to actively engage.
0:24:55 In fact, when you’re trying to solve a problem on your own, right, this is where you’re really
0:24:58 learning by trial and error, and that’s the procedural system.
0:25:03 But if someone tells you what the right answer is, you know, that’s just something that is
0:25:08 a fact that it gets stored away somewhere, but it’s not going to automatically come up
0:25:13 if you actually are faced with something that’s not exactly the same problem, but is similar.
0:25:22 And by the way, this is the key to AI, completely essential for the recent success of these large
0:25:28 language models that the public now is beginning to use, is that they’re not parrots.
0:25:34 They just, they’re not, they just don’t memorize what the data that they’ve taken in.
0:25:36 They have to generalize.
0:25:40 That means to be able to do well on new things that come in that are similar to the old things
0:25:45 that you’ve seen, but allow you to solve new problems.
0:25:47 That’s the key to the brain.
0:25:50 The brain is really, really good at generalizing.
0:25:55 In fact, in many cases, you only need one example to generalize.
0:26:02 But going to a restaurant for the first time, there are a number of new interactions, right?
0:26:04 There might be a host or a hostess.
0:26:06 You sit down at these tables you’ve never sat at.
0:26:07 Somebody asks you questions.
0:26:08 You read it.
0:26:09 Okay.
0:26:14 Maybe it’s a QR code these days, but forever after you understand the process of going
0:26:19 into a restaurant, doesn’t matter what the genre of food happens to be or what city, sitting
0:26:22 inside or outside, you can pretty much work it out.
0:26:23 Sit at the counter.
0:26:24 Sit outside.
0:26:25 Sit at the table.
0:26:31 There are a number of key action steps that I think pretty much translate to everywhere,
0:26:36 unless you go to some super high-end thing or some super low-end thing where it’s a buffet
0:26:37 or whatever.
0:26:39 You can start to fill in the blanks here.
0:26:45 If I understand correctly, there’s an action function that’s learned from the knowledge
0:26:46 and the experience.
0:26:47 Exactly.
0:26:50 Then where is that action function stored?
0:26:54 Is it in one location in the brain or is it kind of an emergent property of multiple brain
0:26:55 areas?
0:27:00 You’re right at the cusp here of where we are in neuroscience right now.
0:27:02 We don’t know the answer to that question.
0:27:14 In the past, it had been thought that the cortex were like countries that each of which,
0:27:20 each part of the cortex was dedicated to one function, right?
0:27:23 Interestingly, you record for the neurons and it certainly looks that way, right?
0:27:28 In other words, there’s a visual cortex in the back and there’s a whole series of areas
0:27:32 and then there’s the auditory cortex here in the middle and then the prefrontal cortex
0:27:34 for social interaction.
0:27:39 It looked really clear-cut that it’s modular.
0:27:45 Now, what we’re facing is we have a new way to record from neurons.
0:27:52 Optically, we can record from tens of thousands, from dozens of areas simultaneously and what
0:27:57 we’re discovering is that if you want to do any task, you’re engaging not just the
0:28:05 area that you might think has the input coming into the visual system, but the visual system
0:28:08 is getting input from the motor system, right?
0:28:12 In fact, there’s more input coming from the motor system than from the eye.
0:28:13 Really?
0:28:14 Yes.
0:28:18 That’s right, Ellen at UCLA has shown that in the mouse.
0:28:26 This is so now we’re looking at global interactions between all these areas and that’s where real
0:28:30 complex cognitive behaviors emerge is from those interactions.
0:28:34 Now we have the tools for the first time to actually be able to see them in real time
0:28:44 and we’re doing that now first on mice and monkeys, but we now can do this in humans.
0:28:49 So I’ve been collaborating with a group at Mass General Hospital to record from people
0:28:55 with epilepsy and they have to have an operation for people who are drug resistant to be able
0:29:02 to find out where it starts in the cortex and where it is initiated, where the seizure
0:29:07 starts and then to go in, you have to go in and record simultaneously from a lot of parts
0:29:13 of the cortex for weeks until you find out where it is and then you go in and you try
0:29:21 to take it out and often that helps, very, very invasive, but for two weeks we have access
0:29:28 to all those neurons in that cortex that are being recorded from constantly and so I started
0:29:33 out because I was interested in sleep and I wanted to understand what happens in the
0:29:41 cortex of a human during sleep, but then we realized that you can also figure people
0:29:46 who have these debilitating problems with seizures, they’re there for two weeks and
0:29:51 they have nothing to do, so they just love the fact that scientists are interested in
0:29:57 helping them and teaching them things and finding out where in the cortex things are
0:30:00 happening when they learn something.
0:30:05 This is a goldmine, it’s unbelievable and I’ve learned things from humans that I could
0:30:07 have never gotten from any other species.
0:30:08 Amazing.
0:30:13 So, I know which is one of them, but there are other things in sleep that we’ve discovered
0:30:15 having to do with traveling waves.
0:30:20 There are circular traveling waves that go on during sleep, which is astonishing, nobody
0:30:24 ever really saw that before.
0:30:29 If you were to ascribe one or two major functions to these traveling waves, what do you think
0:30:31 they are accomplishing for us in sleep?
0:30:35 And by the way, are they associated with deep sleep, slow wave sleep or with rapid eye movement
0:30:37 sleep or both?
0:30:47 This is non-rem sleep, this is a jargon, but this is during intermediate transition states.
0:30:48 Our audience will probably be keep up.
0:30:52 They’ve heard a lot about slow wave sleep from me and that walker from rapid eye movements.
0:30:53 Light slow wave sleep.
0:30:56 And so what are these traveling waves accomplished for us?
0:31:04 In the case of, they’re called sleep spindles, the waves last for about a second or two and
0:31:08 they travel, like I say, in a circle around the cortex.
0:31:13 And it’s known that these spindles are important for consolidating experiences you’ve had during
0:31:18 the day into your long-term memory storage.
0:31:26 So, it’s a very important function and if you take out, see, it’s the hippocampus that
0:31:28 is replaying the experiences.
0:31:30 It’s a part of the brain is very important for long-term memory.
0:31:34 If you don’t have a hippocampus, you can’t learn new things.
0:31:40 As I say, you can’t remember what you did yesterday or for that matter, even an hour
0:31:41 earlier.
0:31:46 But the hippocampus plays back your experiences, causes the sleep spindles now to need that
0:31:48 into the cortex.
0:31:53 And it’s important you do that right because you don’t want to overwrite the existing knowledge
0:31:54 you have.
0:31:58 You just want to basically incorporate the new experience into your existing knowledge
0:32:03 base in an efficient way that doesn’t interfere with what you already know.
0:32:07 So, that’s an example of a very important function that these traveling ways have.
0:32:11 I’d like to take a quick break and acknowledge our sponsor, AG1.
0:32:16 AG1 is a vitamin mineral probiotic drink that includes prebiotics and adaptogens.
0:32:22 I’ve been drinking AG1 since 2012 and I started doing it at a time when my budget was really
0:32:23 limited.
0:32:26 In fact, I only had enough money to purchase one supplement and I’m so glad that I made
0:32:28 that supplement, AG1.
0:32:31 The reason for that is even though I strive to eat whole foods and unprocessed foods,
0:32:36 it’s very difficult to get enough vitamins and minerals, micronutrients, and adaptogens
0:32:39 from diet alone in order to make sure that I’m at my best, meaning have enough energy
0:32:44 for all the activities I participate in from morning until night, sleeping well at night
0:32:46 and keeping my immune system strong.
0:32:51 When I take AG1 daily, I find that all aspects of my health, my physical health, my mental
0:32:55 health, my performance, recovery from exercise, all of those improve.
0:32:58 And I know that because I’ve had lapses when I didn’t take my AG1 and I certainly felt
0:32:59 the difference.
0:33:03 I also notice, and this makes perfect sense given the relationship between the gut microbiome
0:33:08 and the brain, that when I regularly take AG1, that I have more mental clarity and more
0:33:09 mental energy.
0:33:16 If you’d like to try AG1, you can go to drinkag1.com/huberman to claim a special offer.
0:33:21 For this month only, November 2024, AG1 is giving away a free one month supply of omega-3
0:33:26 fatty acids from fish oil, in addition to their usual welcome kit of five free travel
0:33:29 packs and a year supply of vitamin D3K2.
0:33:33 As I’ve discussed many times before on this podcast, omega-3 fatty acids are critical
0:33:36 for brain health, mood, cognition, and more.
0:33:41 Again, go to drinkag1.com/huberman to claim this special offer.
0:33:44 Today’s episode is also brought to us by David.
0:33:47 David makes a protein bar unlike any other.
0:33:53 It has 28 grams of protein, only 150 calories and 0 grams of sugar.
0:33:57 That’s right, 28 grams of protein and 75% of its calories come from protein.
0:33:59 These bars from David also taste amazing.
0:34:03 My favorite flavor is chocolate chip cookie dough, but then again I also like the chocolate
0:34:06 fudge flavored one and I also like the cake flavored one.
0:34:08 Basically, I like all the flavors.
0:34:09 They’re incredibly delicious.
0:34:12 For me personally, I strive to eat mostly whole foods.
0:34:16 However, when I’m in a rush, or I’m away from home, or I’m just looking for a quick
0:34:20 afternoon snack, I often find that I’m looking for a high quality protein source.
0:34:25 With David, I’m able to get 28 grams of protein with the calories of a snack, which makes
0:34:29 it very easy to hit my protein goals of one gram of protein per pound of body weight each
0:34:30 day.
0:34:33 And it allows me to do that without taking in excess calories.
0:34:37 I typically eat a David bar in the early afternoon or even mid-afternoon if I want
0:34:39 to bridge that gap between lunch and dinner.
0:34:43 I like that it’s a little bit sweet so it tastes like a tasty snack, but it’s also
0:34:48 giving me that 28 grams of very high quality protein with just 150 calories.
0:34:52 If you would like to try David, you can go to davidprotein.com/huberman.
0:34:57 Again, the link is davidprotein.com/huberman.
0:35:03 As I recall, there are one or two things that one can do in order to ensure that one gets
0:35:09 sufficient sleep spindles at night and thereby incorporate this new knowledge.
0:35:14 This was from the episode that we did with Gina Poe from UCLA, I believe, and others,
0:35:16 including Matt Walker.
0:35:20 My recollection is that the number one thing is to make sure you get enough sleep at night
0:35:22 so you experience enough of these spindles.
0:35:26 And we’re all familiar with the cognitive challenges, including memory challenges and
0:35:30 learning challenges associated with lack of sleep, insufficient sleep.
0:35:36 The other was that there was some interesting relationship between daytime exercise and
0:35:39 nighttime prevalence of sleep spindles.
0:35:40 Are you familiar with that literature?
0:35:41 Yes.
0:35:42 Oh, yes.
0:35:48 No, this is a fascinating literature, and it’s all pointing in the same direction, which
0:35:54 is that we always neglect to appreciate the importance of sleep.
0:35:59 I mean, obviously, you’re refreshed when you wake up, but there’s a lot of things happen.
0:36:04 It’s not that your brain turns off, it’s that it goes into a completely different state,
0:36:08 and memory consolidation is just one of those things that happens when you fall asleep.
0:36:11 And of course, there’s dreams and so forth.
0:36:19 We don’t fully appreciate or understand exactly how all the different sleep stages work together.
0:36:30 But exercise is a particularly important part of getting the motor system tuned up.
0:36:36 And it’s thought that the REM, rapid eye movement sleep, may be involved in that.
0:36:41 So that’s yet another part of the sleep stages.
0:36:46 You go through, you go back and forth between stream sleep and the slow way sleep, back
0:36:49 and forth, back and forth during the night.
0:36:55 And then when you wake up, you’re in the REM stage, more and more REM.
0:36:58 But that’s all observation.
0:37:04 But as a scientist, what you want to do is perturb the system and see if you can, maybe
0:37:08 if you had more sleep spindles, maybe you’d be able to remember things better.
0:37:14 So it turns out Sarah Mednick, who was at UC Irvine, did this fantastic experiment.
0:37:23 So it turns out there’s a drug called zolpidum, which goes by the name Ambien.
0:37:24 You may have some experience with that.
0:37:27 I’ve never taken it, but I’m aware of what it is.
0:37:29 People use it as a sleep aid.
0:37:30 That’s right.
0:37:35 A lot of people take it in order to sleep, okay?
0:37:41 Well it turns out that it causes more sleep spindles, really, yeah.
0:37:45 It doubles the number of sleep spindles if you take the drug.
0:37:53 You take the drug after you’ve done the learning, you do the learning at night and then you
0:37:56 take the drug and you have twice as many spindles.
0:38:00 You wake up in the morning, you can remember twice as much from what you learned.
0:38:03 And the memories are stable over time.
0:38:04 It’s in there.
0:38:05 Yes.
0:38:06 No, it consolidates it.
0:38:07 I mean, that’s the point.
0:38:09 What’s the downside of Ambien?
0:38:10 Okay.
0:38:11 Here’s the downside.
0:38:12 Okay.
0:38:17 So people who take the drug say if you’re going to Europe and you take it and then you sleep
0:38:24 really soundly, but often you find yourself in the hotel room and you completely have
0:38:27 no clue, you have no memory of how you got there.
0:38:32 I’ve had that experience without Ambien or any other drugs where I am very badly jet
0:38:33 lagged.
0:38:34 Yes.
0:38:39 And I wake up and for a few seconds, but what feels like eternity, I have no idea where
0:38:40 I am.
0:38:41 Okay.
0:38:42 It’s terrifying.
0:38:44 Well, that’s another problem that you have with jet lag.
0:38:46 Jet lag really screws things up.
0:38:49 But this is something where it could be an hour.
0:38:56 You took the train or you took a taxi or something and so here, this seems crazy.
0:39:04 How could it be a way to improve learning and recall on one hand and then forgetfulness
0:39:05 on the other hand?
0:39:16 Well, it turns out what’s important is that when you take the drug, in other words, it
0:39:22 helps consolidate experiences you’ve had in the past before you took the drug, but it
0:39:27 will wipe out experiences you have in the future after you take the drug.
0:39:28 Right?
0:39:29 So I’m not laughing.
0:39:35 It must be a terrifying experience, but I’m laughing because there’s some beautiful pharmacology
0:39:40 and indeed some wonderfully useful pharmaceuticals out there.
0:39:43 Some people may cringe to hear me say that, but there are some very useful drugs out there
0:39:46 that save lives and help people deal with symptoms, et cetera.
0:39:47 Side effects are always a concern.
0:39:56 But this particular drug profile, Ambien, that is, seems to reveal something perhaps
0:40:00 even more important than the discussion about spindles or Ambien or even sleep, which is
0:40:04 that you got to pay the piper somehow as they say.
0:40:05 That’s right.
0:40:11 That you tweak one thing in the brain, something else goes.
0:40:15 You don’t get anything for free.
0:40:22 I think that this is something that is true not just of drugs for the brain, but steroids
0:40:23 for the body.
0:40:24 Sure.
0:40:25 Yeah.
0:40:30 I mean, steroids, even low dose testosterone therapy, which is very popular nowadays, will
0:40:31 give people more vigor, et cetera.
0:40:37 But it is introducing a second puberty, and puberty is perhaps the most rapid phase of
0:40:39 aging in the entire lifespan.
0:40:43 Same thing with people who take growth hormone would be probably a better example because
0:40:47 certainly those therapies can be beneficial to people, but growth hormone gives people
0:40:50 more vigor, but it accelerates aging.
0:40:53 Look at the quality of skin that people have when they take growth hormone.
0:40:54 It looks more aged.
0:40:56 They physically change.
0:40:58 And I’m not for or against these things.
0:40:59 It’s highly individual.
0:41:00 But I completely agree with you.
0:41:07 I would also venture that with the growing interest in so-called new tropics and people
0:41:12 taking things like modafinil, not just for narcolepsy, daytime sleepiness, but also to
0:41:16 enhance cognitive function, okay, maybe they can get away with doing that every once in
0:41:18 a while for a deadline task or something.
0:41:24 But my experience is that people who obsess over the use of pharmacology to achieve certain
0:41:26 brain states pay in some other way.
0:41:27 Absolutely.
0:41:32 Whether or not stimulants or sedatives or sleep drugs, and that behaviors will always
0:41:34 prevail.
0:41:36 Behaviors will always prevail as tools.
0:41:44 And one of the things about the way the body evolved is that it really has to balance a
0:41:46 lot of things.
0:41:50 And so with drugs, you’re basically unbalancing it somehow.
0:41:57 And the consequence is, as you point out, is that in order to make one part better, one
0:42:02 part of your body, you sacrifice something else somewhere else.
0:42:07 As long as we’re talking about brain states and connectivity across areas, I want to ask
0:42:08 a particular question.
0:42:12 Then I want to return to this issue about how best to learn, especially in kids, but
0:42:14 also in adulthood.
0:42:17 I’ve become very interested in and spent a lot of time with the literature and some
0:42:21 guests on the topic of psychedelics.
0:42:24 Let’s leave the discussion about LSD aside, because do you know why there aren’t many
0:42:25 studies of LSD?
0:42:26 This is kind of a fun one.
0:42:28 No one is expected to know the answer.
0:42:29 Well, it’s against the law, I think.
0:42:33 But so is psilocybin or MDMA, and there are lots of studies going on about this.
0:42:34 Well, there are now.
0:42:35 Yeah, it’s changed.
0:42:37 But when I was growing up, as you know, it was against the law.
0:42:38 Right.
0:42:43 So what I learned is that there are far fewer clinical trials exploring the use of LSD as
0:42:46 a therapeutic, because with the exception of Switzerland, none of the researchers are
0:42:50 willing to stay in the laboratory as long as it takes for the subject to get through
0:42:54 an LSD journey, whereas psilocybin tends to be a shorter experience.
0:42:55 Right.
0:42:56 Okay.
0:42:58 Let’s talk about psilocybin for a moment.
0:43:04 My read of the data on psilocybin is that it’s still open to question, but that some
0:43:09 of the clinical trials show pretty significant recovery from major depression is pretty impressive.
0:43:13 But if we just set that aside and say, “Okay, more needs to be worked out for safety,”
0:43:17 what is very clear from the brain imaging studies, the sort of before and after resting
0:43:25 state, task related, et cetera, is that you get more resting state global connectivity,
0:43:31 more areas talking to more areas than was the case prior to the use of the psychedelic.
0:43:35 And given the similarity of the psychedelic journey, and here specifically talking about
0:43:40 psilocybin to things like rapid eye movement, sleep, and things of that sort, I have a very
0:43:42 simple question.
0:43:47 Do you think that there’s any real benefit to increasing brain-wide connectivity?
0:43:52 To me, it seems a little bit haphazard, and yet the clinical data are promising, if nothing
0:43:54 else, promising.
0:44:00 And so, is what we’re seeking in life as we acquire new knowledge, as we learn tennis
0:44:07 or golf, or take up singing, or what have you, as we go from childhood into the late
0:44:13 stages of our life, that whole transition is what we’re doing, increasing connectivity
0:44:15 and communication between different brain areas.
0:44:18 Is that what the human experience is really about?
0:44:21 Or is it that we’re getting more modular, we’re getting more segregated in terms of
0:44:25 this area, talking to this area in this particular way.
0:44:29 Feel free to explore this in any way that feels meaningful, or to say pass if it’s not
0:44:30 a good question.
0:44:31 No, it’s a great question.
0:44:35 I mean, you have all these great questions, and we don’t have complete answers yet.
0:44:43 But specifically with regard to connectivity, if you look at what happens in an infant’s
0:44:48 brain during the first two years, there’s a tremendous amount of new synapses being
0:44:49 formed.
0:44:50 This is your area, by the way.
0:44:51 The neurodevelopment.
0:44:52 The neurodevelopment.
0:44:53 Yeah.
0:44:54 That’s true.
0:44:55 But then you prune them.
0:44:56 Right?
0:45:01 Then the second phase is that you overabundant synapses, and now what you want to do is to
0:45:02 prune them.
0:45:03 Why would you want to do that?
0:45:09 Well, synapses are expensive.
0:45:16 Takes a lot of energy to activate all of the neurons and the synapses especially, because
0:45:20 there’s the turnover of the neurotransmitter.
0:45:26 And so what you want to do is to reduce the amount of energy and only use those synapses
0:45:30 that have been proven to be the most important.
0:45:31 Right?
0:45:38 Now, unfortunately, as you get older, the pruning slows down, but doesn’t go away.
0:45:43 So the cortex thins and so forth.
0:45:45 So I think it goes in the opposite direction.
0:45:50 I think that as you get older, you’re losing connectivity.
0:45:53 But interestingly, you retain the old memories.
0:45:57 The old memories are really rock solid, because they were put in when you were young.
0:45:58 The foundation.
0:46:02 The foundation upon which everything else is built.
0:46:11 But it’s not totally one way in the sense that even as an adult, as you know, you can
0:46:12 learn new things.
0:46:13 Maybe not as quickly.
0:46:18 By the way, this is one of the things that surprised me.
0:46:25 So Barbara and I have looked at the people who really were the benefit of the most.
0:46:29 It turns out that the peak of the demographic is 25 to 35.
0:46:30 Barbara.
0:46:31 Oakley.
0:46:32 Oakley.
0:46:33 Yeah, she’s really the mastermind.
0:46:40 She’s a fabulous educator and background in engineering.
0:46:42 But what’s going on?
0:46:49 So it turns out we aimed our MOOC at kids in high school and college, because that’s
0:46:50 their business.
0:46:52 They go every day and they go into work.
0:46:54 They have to learn, right?
0:46:56 That’s their business.
0:47:02 But in fact, very few of the students were actually, you know, they weren’t taking the
0:47:03 course.
0:47:04 Why should they?
0:47:05 They spent all day in the class, right?
0:47:06 Why do they want to take another class?
0:47:10 So this is the learning to learn class.
0:47:11 Learning how to learn.
0:47:12 So you did this with Barbara.
0:47:13 So we did this.
0:47:18 I did with Barbara and now 25 to 35, we have this huge peak, huge.
0:47:19 So what’s going on?
0:47:20 Here’s what’s going on.
0:47:22 It’s very interesting.
0:47:24 So you’re 25.
0:47:25 You’ve gone to college.
0:47:27 Half the people, by the way, who take the course went to college, right?
0:47:29 So it’s not like, you know, filling in for college.
0:47:32 This is like topping it off.
0:47:34 But you’re in a workforce.
0:47:36 You have to learn new skill.
0:47:37 Maybe you have mortgage.
0:47:38 Maybe you have children, right?
0:47:47 You can’t afford to go off and take a course, or get another degree.
0:47:52 So you take a MOOC and you discover, you know, I’m not quite as agile as I used to be in
0:47:58 terms of learning, but it turns out with our course, you can boost your learning.
0:48:04 And so that even though you’re not as, your brain isn’t learning as quickly, you can do
0:48:05 it more efficiently.
0:48:06 This is amazing.
0:48:07 I want to take this course.
0:48:10 I will take this course.
0:48:12 What sort of time commitment is the course?
0:48:15 You already pointed out that it’s zero cost, which is amazing.
0:48:16 Yeah.
0:48:17 Okay.
0:48:20 So it’s bite-sized videos lasting about 10 minutes each.
0:48:24 And there’s about 50 or 60 over a course of one month.
0:48:25 And are you tested?
0:48:26 Are you self-tested?
0:48:27 Yeah.
0:48:28 Yeah.
0:48:29 There are tests.
0:48:30 There are quizzes.
0:48:31 There are tests at the end.
0:48:33 And there are forums where you can go and talk to other students.
0:48:34 You have questions.
0:48:35 We have TAs.
0:48:37 And anyone can do this.
0:48:42 Everyone in the world, in fact, we have people in India, housewives, who say, “Thank you.
0:48:43 Thank you.
0:48:44 Thank you.”
0:48:46 Because I could have never learned about how to be a better learner.
0:48:49 And I wish I had known this when I was going to school.
0:48:54 Why do more people not know about this learning-to-learn course, although as people know, if I get
0:48:58 really excited about it or about anything, I’m never going to shut up about it.
0:49:02 But I’m going to take the course first, because I want to understand the guts of it.
0:49:04 You’ll enjoy it.
0:49:08 You have 98% approval, which is phenomenal, it’s sticky.
0:49:09 Is it math?
0:49:10 No.
0:49:11 Vocabulary?
0:49:12 No math.
0:49:16 We’re not teaching anything specific.
0:49:17 We’re not trying to give you knowledge.
0:49:25 We’re trying to tell you how to acquire knowledge and how to do that, how to deal with exam anxiety,
0:49:26 for example.
0:49:29 Or how do we all procrastinate, right?
0:49:30 We put things off.
0:49:31 No.
0:49:32 No, I’m kidding.
0:49:33 We all procrastinate.
0:49:35 We teach you how to avoid that.
0:49:36 Fantastic.
0:49:42 Okay, I’m going to skip back a little bit now with the intention of double-clicking on
0:49:45 this learning-to-learn thing.
0:49:51 You pointed out that, in particular in California, but elsewhere as well, there isn’t as much
0:49:57 procedural practice-based learning anymore.
0:50:01 I’m going to play devil’s advocate here, and I’m going to point out that this is not
0:50:06 what I actually believe, but when I was growing up, you had to do your times tables in your
0:50:13 division, and then your fractions and your exponents, and they build on one another.
0:50:18 And then at some point, you take courses where you might need a graphing calculator to some
0:50:20 people that can be like, “What is this?”
0:50:23 But the point being that there were a number of things that you had to learn to implement
0:50:27 functions, and you learned by doing.
0:50:28 You learned by doing.
0:50:33 Likewise, in physics class, we were attaching things to strings and for macro mechanics
0:50:39 and learning that stuff, and learning from the chalkboard lectures.
0:50:45 I can see the value of both, certainly, and you explained that the brain needs both to
0:50:50 really understand knowledge and how to implement and back and forth.
0:50:54 But nowadays, you’ll hear the argument, “Well, why should somebody learn how to read a paper
0:50:58 map unless it’s the only thing available because you have Google Maps?”
0:51:02 Or if they want to do a calculation, they just put it into the top bar function on the
0:51:05 Internet and boom, out comes the answer.
0:51:14 So there is a world where certain skills are no longer required, and one could argue that
0:51:23 the brain space and activity and time and energy in particular could be devoted to learning
0:51:28 new forms of knowledge that are going to be more practical in the school and workforce
0:51:30 going forward.
0:51:32 So how do we reconcile these things?
0:51:36 I mean, I’m of the belief that the brain is doing math, and you and I agree.
0:51:40 It’s electrical signals and chemical signals, and it’s doing math, and it’s running algorithms.
0:51:43 I think you convinced us of that, certainly.
0:51:49 But how are we to discern what we need to learn versus what we don’t need to learn in
0:51:53 terms of building a brain that’s capable of learning the maximum number of things or
0:51:58 even enough things so that we can go into this very uncertain future, because as far
0:52:02 as you know and I know, neither of us have a crystal ball.
0:52:05 So what is essential to learn?
0:52:10 And for those of us that didn’t learn certain things in our formal education, what should
0:52:13 we learn how to learn?
0:52:20 Well, this is generational.
0:52:25 So technologies provide us with tools.
0:52:28 You mentioned the calculator, right?
0:52:37 Well, a calculator didn’t eliminate the education you need to get in math, but it made certain
0:52:43 things easier, it made it possible for you to do more things and more accurately.
0:52:49 However, interestingly, students in my class often come up with answers that are off by
0:52:53 eight orders of magnitude, and that’s a huge amount, right?
0:52:58 It’s clear that they didn’t key in the calculator properly, but they didn’t recognize that it
0:53:04 was a very far, it was a completely way off the beam, because they didn’t have a good
0:53:05 feeling for the numbers.
0:53:10 They don’t have a good sense of, you know, exactly how big it should have been, order
0:53:13 of magnitude, basic understanding.
0:53:20 So it’s kind of a, there’s a, the benefit is that you can do things faster, better,
0:53:25 but then you also lose some of your intuition if you don’t have the procedural system in
0:53:26 place.
0:53:32 I’m thinking about a kid that wants to be a musician who uses AI to write a song about
0:53:40 a bad breakup that then is kind of recovered when they find new love, and I’m guessing
0:53:45 that you could do this today and get a pretty good song out of AI, but would you call that
0:53:48 kid a songwriter or a musician?
0:53:52 On the face of it, yeah, the AI is helping, and then you’d say, well, that’s not the same
0:53:57 as sitting down with a guitar and trying out different chords and feeling the intonation
0:54:01 in their voice, but I’m guessing that for people that were on the electric guitar, they were
0:54:04 criticizing people on the acoustic guitar.
0:54:07 You know, so we have this generational thing where we look back and say, that’s not the
0:54:08 real thing.
0:54:12 You need to get the, so what are the key fundamentals is really a critical question.
0:54:13 Okay.
0:54:18 So I’m going to come back to that because this is how, the way you put it at the beginning
0:54:24 had to do with whether you’re, how your brain is allocating resources, okay?
0:54:29 So when you’re younger, you can take in things.
0:54:30 Your brain is more malleable.
0:54:35 For example, how good are you on social media?
0:54:43 Well, I do all my own Instagram and Twitter, and those accounts have grown in proportion
0:54:44 to the amount of time I’ve been doing it.
0:54:45 So yeah, I would say pretty good.
0:54:50 I mean, I’m not the biggest account on social media, but for a science health account, we’re
0:54:51 doing okay.
0:54:52 Thanks to the audience.
0:54:59 Well, this speaks well for the fact that you’ve managed to break, you know, to go beyond
0:55:00 the generation gap.
0:55:02 I can type with my thumbs, Terry.
0:55:03 Okay.
0:55:04 There you go.
0:55:05 That’s a manual skill that you learned.
0:55:08 That’s a new phenomenon of human evolution.
0:55:09 I couldn’t believe it.
0:55:13 I saw people doing that, and now I can do it too.
0:55:18 But the thing is that if you learn how to do that early in life, you’re much more good
0:55:19 at it.
0:55:22 You can move your thumbs much more quickly.
0:55:27 Also, you can have many more, you know, tweets going, what do they call them?
0:55:28 No, they’re not called tweets.
0:55:34 So on X, I think they still call them tweets because it’s hard to verb the letter X.
0:55:35 The word X.
0:55:36 You all didn’t think of that one.
0:55:37 I like X because it’s cool.
0:55:44 It’s kind of punk, and it’s got a black kind of format, and it fits with kind of the engineer
0:55:47 like black X, you know, and this kind of thing.
0:55:48 But yeah, we’ll still call them tweets.
0:55:49 Okay, we’ll call them tweets.
0:55:51 Okay, that’s good.
0:55:58 But you know, I walk across campus and I see everybody, like half the people are tweeting
0:56:00 or you know, they’re doing something with their cell phone.
0:56:01 I mean, it’s unbelievable.
0:56:04 And you have beautiful sunsets at the Salk Institute.
0:56:05 We’ll put a link to one of them.
0:56:12 I mean, it is truly spectacular, awe-inspiring to see a sunset at the Salk Institute.
0:56:13 Every day is different.
0:56:15 And everyone’s on their phones these days?
0:56:16 Sad.
0:56:17 And you know, they’re looking down at their phone.
0:56:19 And they’re walking along even people who are skateboarding.
0:56:20 Unbelievable.
0:56:25 I mean, it’s amazing what human being can do, you know, when they learn to get into something.
0:56:28 But what happens is the younger generation picks up whatever technology it is and the
0:56:31 brain gets really good at it.
0:56:37 And you can pick it up later, but you’re not quite as agile, not quite as maybe obsessive.
0:56:38 It fatigues me.
0:56:44 I will point this out, that doing anything on my phone feels fatiguing in a way that
0:56:49 reading a paper book or even just writing on a laptop or a desktop computer is fundamentally
0:56:50 different.
0:56:51 I can do that for many hours.
0:56:55 If I’m on social media for more than a few minutes, I can literally feel the energy draining
0:56:57 out of my body.
0:56:58 Interesting.
0:57:04 I could do sprints or deadlifts for hours and not feel the kind of fatigue that I feel
0:57:06 from doing social media.
0:57:08 So you know, this is fascinating.
0:57:11 I like to know what’s going on in your brain.
0:57:15 Why is it, and also I’d like to know from younger people whether they have the same,
0:57:16 I think not.
0:57:22 I think my guess is that they don’t feel fatigued because they got into this early enough.
0:57:31 And this is actually a very, very, I think that has a lot to do with the foundation you
0:57:32 put into your brain.
0:57:39 In other words, things that you get, you learn when you’re really young are foundational
0:57:40 and they make things easier.
0:57:41 Some things easier.
0:57:42 Yeah.
0:57:47 I spent a lot of time in my room as a kid either playing with Legos or action figures or building
0:57:50 fish tanks or reading about fish.
0:57:55 I tended to read about things and then do a lot of procedural based activities.
0:57:58 You know, I would read skateboard magazines and skateboard.
0:58:02 I was never one to really just watch a sport and not play it.
0:58:04 So that, you know, bridging across these things.
0:58:08 So social media to me feels like an energy sink.
0:58:12 And of course I love the opportunity to be able to teach to people and learn from people
0:58:13 at such scale.
0:58:17 But at an energetic level, I feel like I don’t have a foundation for it.
0:58:23 It’s like I’m trying to like, like Jerry rigged my cognition into doing something that it wasn’t
0:58:24 designed to do.
0:58:25 Well, there you go.
0:58:26 And it’s because you don’t have the foundation.
0:58:28 You didn’t do it when you were younger.
0:58:34 And now you have to sort of use the cognitive powers to do a lot of what was being done
0:58:37 now in a younger person procedurally.
0:58:41 I’d like to take a quick break and thank one of our sponsors, Element.
0:58:45 Element is an electrolyte drink that has everything you need and nothing you don’t.
0:58:50 That means the electrolytes, sodium magnesium and potassium in the correct ratios, but no
0:58:51 sugar.
0:58:54 We should all know that proper hydration is critical for optimal brain and body function.
0:58:59 In fact, even a slight degree of dehydration can diminish your cognitive and physical performance
0:59:00 to a considerable degree.
0:59:03 It’s also important that you’re not just hydrated, but that you get adequate amounts
0:59:06 of electrolytes in the right ratios.
0:59:09 Drinking a packet of element dissolved in water makes it very easy to ensure that you’re
0:59:13 getting adequate amounts of hydration and electrolytes.
0:59:17 To make sure that I’m getting proper amounts of both, I dissolve one packet of element in
0:59:20 about 16 to 32 ounces of water when I wake up in the morning.
0:59:22 And I drink that basically first thing in the morning.
0:59:26 I’ll also drink a packet of element dissolved in water during any kind of physical exercise
0:59:31 that I’m doing, especially on hot days when I’m sweating a lot and losing water and electrolytes.
0:59:34 There are a bunch of different great tasting flavors of element.
0:59:35 I like the watermelon.
0:59:36 I like the raspberry.
0:59:37 I like the citrus.
0:59:38 Basically, I like all of them.
0:59:42 If you’d like to try element, you can go to drinkelement.com/huberman to claim an
0:59:46 element sample pack with the purchase of any element drink mix.
0:59:52 Again, that’s drink element spelled L-M-N-T, so it’s drinkelement.com/huberman to claim
0:59:53 a free sample pack.
0:59:56 Today’s episode is also brought to us by Juve.
1:00:00 Juve makes medical grade red light therapy devices.
1:00:04 Now if there’s one thing that I’ve consistently emphasized on this podcast is the incredible
1:00:06 impact that light can have on our biology.
1:00:11 In addition to sunlight, red light and near-infrared light have been shown to have positive effects
1:00:15 on improving numerous aspects of cellular and organ health, including faster muscle
1:00:22 recovery, improved skin health and wound healing, improvements in acne, reduced pain and inflammation,
1:00:26 improved mitochondrial function, and even improving vision itself.
1:00:30 What sets Juve lights apart and why their my preferred red light therapy devices is that
1:00:34 they use clinically proven wavelengths, meaning they use specific wavelengths of red light
1:00:39 and near-infrared light in combination to trigger the optimal cellular adaptations.
1:00:44 Personally, I use the Juve whole body panel about three to four times a week, and I use
1:00:47 the Juve handheld light both at home and when I travel.
1:00:53 If you’d like to try Juve, you can go to Juve spelled J-O-O-V-V dot com slash Huberman.
1:00:59 Juve is offering Black Friday discounts of up to $1300 now through December 2nd, 2024.
1:01:06 And that’s Juve, J-O-O-V-V dot com slash Huberman, to get up to $1300 off select Juve products.
1:01:11 I’m going to tell you something which is going to help all of your listeners.
1:01:17 My book, ChatGDP and the Future of AI, I went through and I looked at other people’s experiences
1:01:18 with ChatGDP.
1:01:22 I just wanted to know what people were thinking.
1:01:26 And I came across, it was an article, I think it was the New York Times, of a technical
1:01:33 writer who decided she would spend one month using it to help her write things, her articles.
1:01:40 And she said that when she started out, at the end of the day, she was drained, completely
1:01:47 drained, and it was like working on a machine, like a tractor or something, struggling, struggling,
1:01:50 struggling to get it to work.
1:01:57 And then she started, said, “Well, wait a second.
1:01:59 What if I treat it like a human being?
1:02:04 What if I’m polite instead of being curt?”
1:02:13 She said, “Suddenly, I started getting better answers by being polite and back and forth
1:02:15 the way you were with a human.”
1:02:18 So saying, “Could you please give me information about so and so?”
1:02:19 Yeah, please.
1:02:20 I’m really having trouble.
1:02:21 That answer you gave me was fabulous.
1:02:27 Is exactly what I was looking for, and now I need you to go on to the next part and help
1:02:28 me with that too.
1:02:30 In other words, the way you talk to a human, right, if you’re an assistant.
1:02:36 Or is it that she was talking to the AI, to ChatGPT it sounds like in this case, in the
1:02:41 way that her brain was familiar with asking questions to a human.
1:02:47 In other words, so is the AI learning her and therefore giving her the sorts of answers
1:02:50 that are more facile for her to integrate with?
1:02:53 I think it’s both.
1:02:57 First of all, the ChatGDP is mirroring the way you treat it.
1:02:59 It will mirror that back.
1:03:05 You treat it like a machine, you like a machine, because that’s what it’s good at.
1:03:07 But here’s the surprise.
1:03:13 Surprises, she said, “Once I started treating it like a human, at the end of the day I wasn’t
1:03:14 fatigued anymore.”
1:03:15 Why?
1:03:21 Well, it turns out that all your life, you interact with humans in a certain way and
1:03:26 your brain is wired to do that and it doesn’t take any effort.
1:03:32 And so by treating the ChatGDP as if it were a human, you’re taking advantage of all the
1:03:35 brain circuits in your brain.
1:03:36 This is incredible.
1:03:40 And I’ll tell you why, because I think many people, not just me, but many people really
1:03:43 enjoy social media.
1:03:47 Everyone from it, I mean, yesterday I learned a few things that I thought were just fascinating
1:03:52 about how we perceive our own identity according to whether or not we’re filtering it through
1:03:56 the responses of others or whether or not we take a couple minutes and really just sit
1:03:58 and think about how we actually feel about ourselves.
1:04:02 Very interesting ideas about locus of self-perception and things like that.
1:04:06 I also looked at a really cool video of a baby raccoon popping bubbles while standing
1:04:08 on its hind limbs.
1:04:09 And that was really cool.
1:04:12 And social media could provide me both those things within a series of minutes.
1:04:14 Now, I was thinking to myself, this is crazy, right?
1:04:18 The raccoon is kind of trivial, but it delighted me and that’s not trivial.
1:04:20 There you go.
1:04:23 But here’s the question.
1:04:31 Could it be that one of the detrimental aspects of social media is that if we’re complimenting
1:04:36 one another or if we are giving hearts or we’re giving thumbs down or we’re in an argument
1:04:40 with somebody or we’re doing a clap back or they’re clapping back on us as it or dunking
1:04:48 as it’s called on Exxon, that it isn’t necessarily the way that we learned to argue.
1:04:52 It’s not necessarily the way that we learn to engage in healthy dispute.
1:04:57 And so as a consequence, it feels like, and this is my experience, that certain online
1:05:02 interactions feel really good and others feel like they’re kind of great on me because there’s
1:05:04 almost like an action step that isn’t allowed.
1:05:08 You can’t fully explain yourself or understand the other person.
1:05:13 And I am somebody who believes in the power of real face-to-face dialogue or at least
1:05:14 on the phone dialogue.
1:05:17 And I feel the same way about text messaging.
1:05:18 I hate text messaging.
1:05:24 When text messaging first came out, I remember thinking, I was not a kid that passed notes
1:05:25 in class.
1:05:26 This feels like passing notes in class.
1:05:30 In fact, this whole text messaging thing is beneath me.
1:05:31 That’s how I felt.
1:05:34 And over the years, of course, I became a text messenger.
1:05:36 And it’s very useful for certain things, be there in five minutes, running a few minutes
1:05:40 late, in my case, that’s a common one.
1:05:46 But I think this notion of what grates on us and as it relates to whether or not it
1:05:52 matches our childhood-developed template of how our brain works is really key because
1:05:56 it touches on something that I definitely want to talk about today that I know you’ve
1:06:00 worked on quite a bit, which is this concept of energy.
1:06:06 What we’re talking about here is energy, not woo biology, woo science wellness energy.
1:06:09 We’re talking about we only have a finite amount of energy.
1:06:16 And years ago, the great Ben Barris, sadly passed away, our former colleague and my post-doc
1:06:20 advisor, came to me one day in the hallway and he stopped me and he called me Andy,
1:06:21 like you do.
1:06:28 And he said, “Andy, how come we get so run down of energy as we get older?
1:06:30 Why am I more tired today than I was 10 years ago?”
1:06:31 I was like, “I don’t know.
1:06:32 How are you sleeping?”
1:06:33 He’s like, “I’m sleeping fine.”
1:06:35 Ben never slept much in the first place, but he had a ton of energy.
1:06:39 And I thought to myself, “I don’t know.
1:06:42 What is this energy thing that we’re talking about?
1:06:46 I want to make sure that we close the hatch on this notion of a template neural system
1:06:50 that then you either find experiences invigorating or depleting.
1:06:53 I want to make sure we close the hatch on that, but I want to make sure that we relate
1:06:56 it at some point to this idea of energy.
1:07:02 And why is it that with each passing year of our life, we seem to have less of it?”
1:07:04 You asked these great questions.
1:07:05 I wish that I had great answers.
1:07:08 Well, so far you really do have great answers.
1:07:12 There’s certainly novel to me in the sense that I’ve not heard answers of this sort.
1:07:17 So there’s a tremendous amount of learning for me today, and I know for the audience.
1:07:24 But let’s say somebody is 20 years old versus 50 years old versus what should they do?
1:07:25 I mean, we need to integrate with the modern world.
1:07:27 We also need to relate across generations.
1:07:28 Oh, yeah.
1:07:29 No, this is true.
1:07:30 This is true.
1:07:31 People aren’t retiring as much.
1:07:32 They’re living longer.
1:07:36 Their birth rates are down, but we have to all get along, as they say.
1:07:38 So it is interesting.
1:07:45 I think it’s true that we all, as we get older, have less of the vigor, if I can use
1:07:50 a somewhat different word from energy, we’ll come back to that.
1:07:54 But I think there are some who manage to keep an active life.
1:07:59 Here’s something that, again, in our MOOC, we really emphasize.
1:08:00 Could you explain a MOOC?
1:08:02 I think most people won’t know what a MOOC is.
1:08:03 Just for their sake.
1:08:04 Okay.
1:08:09 They’ve been around for about, actually, started at Stanford, Andrew Ng, and Daphna
1:08:10 Kohler.
1:08:12 So they have a company called Coursera.
1:08:17 And what happens is that you get professors, and in fact, anybody who has knowledge or
1:08:23 professional expertise, to give lectures that are available to anybody in the world who
1:08:30 have access to the internet, and this is probably tens of thousands now.
1:08:36 Any specialty, history, science, music, you name it.
1:08:40 There’s somebody who’s an expert on that who wants to tell you, because they’re excited
1:08:42 about what they’re doing.
1:08:43 Okay.
1:08:50 So what we wanted to do was to help people with learning.
1:08:53 And so part of the problem is that it gets more difficult.
1:08:56 It takes more effort as you get older.
1:09:00 It depletes your vigor more if we’re going to stay with this language of energy and vigor.
1:09:01 Yeah.
1:09:02 That’s right.
1:09:03 So let’s actually use the word energy.
1:09:09 As you know, in the cell, there’s a physical power plant called the mitochondrion, which
1:09:17 is supplying us with ATP, which is the coin of the realm for the cell, to be able to operate
1:09:19 all of its machinery, right?
1:09:25 And so one of the things that happens when you get older is that your mitochondrial
1:09:26 run down.
1:09:27 Yeah.
1:09:29 Fewer of them, and they’re less efficient.
1:09:30 That’s right.
1:09:31 They’re less efficient.
1:09:35 And actually, drugs can do that to you, too, because they can harm mitochondria.
1:09:36 Recreational drugs.
1:09:37 No.
1:09:38 The drugs you take for illness.
1:09:43 I’m not sure about recreational drugs, but I know in the case that there are a lot of
1:09:49 drugs that people take because they have to.
1:09:54 But the other thing, and this is something that’s the bad news, here’s the good news.
1:10:03 The good news is that you can replenish your energy by exercise.
1:10:06 Exercise is the best drug you could ever take.
1:10:12 It’s the cheapest drug you could ever take that can help every organ in your body.
1:10:20 It helps obviously your heart, it helps your brain, it rejuvenates your brain, it helps
1:10:21 your immune system.
1:10:25 Every single organ system in the body benefits from a regular exercise.
1:10:30 I run on the beach every day at the Salk Institute.
1:10:37 And I also, it’s on a mesa, 340 foot above the, so I go down every day, and then I climb
1:10:38 up the cliff.
1:10:39 Yeah.
1:10:42 Those steps down to Blacks Beach are a good workout.
1:10:47 They are, they are, and so this is something that has kept me active, and I do hiking when
1:10:51 hiking in the Alps this last fall.
1:10:53 So this is in September.
1:10:59 So this is, I think, something that people really ought to realize is that, you know,
1:11:06 it’s like putting away, you know, reserves of energy for, you know, when you get older.
1:11:09 The more you put away, the better off you are.
1:11:10 Here’s something else.
1:11:11 Okay.
1:11:13 Now this is jumping now to Alzheimer’s.
1:11:20 So a study that was done in China many, many years ago when I first came to La Jolla, San
1:11:27 Diego, I heard this from the, it was the head of the Alzheimer’s program.
1:11:35 He had done a study in China on onset, and he, they went and they had three populations.
1:11:38 They had peasants who had almost no education.
1:11:41 And they had another group that had high school education, and then there were people who
1:11:44 were, you know, advanced education.
1:11:51 So it turns out that the onset of Alzheimer’s was earlier for the people who had no education,
1:11:54 and it was the latest for the people who had the most education.
1:11:56 Now this is interesting, isn’t it?
1:12:00 Because it’s, and presumably the genes aren’t that different, right?
1:12:02 I mean, they’re all Chinese.
1:12:08 So one possibility, and obviously we don’t really know why, but one possibility is that
1:12:17 the more you exercise your brain with education, the more reserve you have later in life.
1:12:22 I believe in the notion, and I don’t have a better word for it, maybe you do, or a phrase
1:12:28 for it, is of kind of a cognitive velocity.
1:12:32 You know, I sometimes will play with this, I’ll read slowly, or I’ll see where my default
1:12:36 pace of reading is at a given time of day, and then I’ll intentionally try and read a
1:12:40 little bit faster while also trying to retain the knowledge I’m reading.
1:12:44 So I’m not just reading the words, I’m trying to absorb the information, and you can feel
1:12:46 the energetic demand of that.
1:12:50 And then I’ll play with it, I’ll kind of back off a little bit, and then I’ll go forward.
1:12:57 And I try and find the sweet spot where I’m not reading at the pace that is reflexive,
1:13:02 but just a little bit quicker while also trying to retain the information.
1:13:07 And I learned this when I had a lot of catching up to do at one phase of my educational career.
1:13:11 Fortunately, it was pretty early, and I was able to catch up on most things, occasionally
1:13:15 things slip through, and I have to go back and learn how to learn, and if I get anything
1:13:18 wrong on the internet, they sure as heck pointed out, and then we go back and learn.
1:13:19 And guess what?
1:13:24 I’d never forget that because punishment, social punishment is a great signal.
1:13:30 So thank you all for keeping me learning.
1:13:37 But I picked that up from my experience of trying to get good at things like skateboarding,
1:13:38 or soccer when I was younger.
1:13:44 There’s a certain thing that happens when skateboarding, that was my sport growing up, where it’s actually
1:13:47 easier to learn something going faster.
1:13:51 You know, most kids try and learn how to ollie and kickflip standing in the living room on
1:13:52 the carpet.
1:13:53 That’s the worst way to learn how to do it.
1:13:57 It’s all easier going a bit faster than you’re comfortable.
1:14:02 It’s also the case that if you’re not paying attention, you can get hurt.
1:14:05 It’s also the case that if you pay too much cognitive attention, you can’t perform the
1:14:06 motor movements.
1:14:07 Right.
1:14:11 So there’s this sweet spot that eventually I was able to translate into an understanding
1:14:16 of when I sit down to read a paper or a news article, or even listen to a podcast, there’s
1:14:21 a pace of the person’s voice, and then I’ll adjust the rate of the audio, where I have
1:14:28 to engage cognitively, and I know I’m in a mode of retaining the information and learning.
1:14:33 Whereas if I just go with my reflexive pace, it’s rare that I’m in that perfect zone.
1:14:36 So I point this out because perhaps it will be useful to people.
1:14:40 I don’t know if it’s incorporated into your learning how to learn course, but I do think
1:14:46 that there is something which I call kind of cognitive velocity, which is ideal for learning,
1:14:48 versus kind of leisurely scrolling.
1:14:51 And this is why I think that social media is detrimental.
1:14:58 I think that we train our brain basically to be slow, passive, and multi-context cycling
1:14:59 through.
1:15:05 And unless something is very high salience, it kind of makes us kind of fat and lazy,
1:15:10 forgive the language, but I’m going to be blunt here, fat and lazy cognitively, unless
1:15:12 we make it a point to also engage learning.
1:15:16 And my guess is it’s tapping into this mitochondrial system.
1:15:17 Very likely.
1:15:19 That’s one part of it.
1:15:25 By the way, the way that you’ve adjusted the speed is very interesting because it turns
1:15:32 out that stress, everybody thinks stress is bad, but no, it turns out stress that is transient.
1:15:37 That is only for a limited amount of time that you control is good for you.
1:15:38 It’s good for your brain.
1:15:39 It’s good for your body.
1:15:45 I run intervals on the beach just the way that you do cognitive intervals when you’re
1:15:46 reading.
1:15:52 I run like hell for about 10 seconds, and then I go to a jog and I run like hell for
1:16:00 another 10 seconds, and it’s pushing your body into that extra gear that helps the muscles.
1:16:04 The muscles need to know that this is what they’ve got to put out, and that’s where you
1:16:11 gain muscle mass, not from just doing the same running pace every day.
1:16:15 Well, your intellectual and physical vigor is undeniable.
1:16:17 I’ve known you a long time.
1:16:23 You’ve always had a slight forward center of mass in your intellect, and even the speed
1:16:26 at which you walk, Terry, dare I say.
1:16:30 For a Californian, you’re a quick walker.
1:16:31 That’s a compliment, by the way.
1:16:36 East Coasters know what I’m talking about, and Californians would be like, “Why not
1:16:37 slow down?”
1:16:43 The reason to not slow down too much for too long is that these mitochondrial systems,
1:16:48 the energy of the brain and body, as you point out, are very linked, and I do think that
1:16:51 below a certain threshold, it makes it very hard to come back.
1:16:55 Just like below a certain threshold, it’s hard to exercise without getting very depleted
1:16:58 or even injured, that we need to maintain this.
1:17:05 Perhaps now would be a good time to close the hatch on this issue of how to teach young
1:17:06 people.
1:17:13 Everyone should take this learning-to-learn course as a free resource, amazing.
1:17:22 As it relates to AI, do you think that young people and older people now, I’m 49, so put
1:17:27 myself in the older bracket, should be learning how to use AI?
1:17:33 They are already learning how to use AI, and again, it’s just like, new technology comes
1:17:34 along, who picks up first?
1:17:38 It’s the younger people, and it’s astonishing.
1:17:44 They’re using it a lot more than I use it almost every day, but I know a lot of students
1:17:52 who basically, and by the way, it’s like any other tool, it’s a tool that you need to know
1:17:54 how to use it.
1:17:58 Where do you suggest people start?
1:18:06 I have started using Claude AI, this was suggested to me by somebody expert in AI as an alternative
1:18:07 to chat GPT.
1:18:12 I don’t have anything against chat GPT, but I’ll tell you, I really like the aesthetic
1:18:14 of Claude AI.
1:18:16 It’s a bit of a softer, beige aesthetic.
1:18:18 It feels kind of Apple-like.
1:18:22 I like the Apple brand, and it gives me answers.
1:18:24 Maybe it’s the font, maybe it’s the feel.
1:18:29 Maybe this goes back to the example you used earlier where I like Claude AI, and I’m a big
1:18:31 fan of it, and they don’t pay me to say this.
1:18:35 I have never met them, I have no relationship to them, except that it gives me answers in
1:18:41 a bullet-pointed format that feels very aesthetically easy to transfer that information into my brain
1:18:43 or onto a page.
1:18:45 I like Claude AI, use chat GPT.
1:18:51 How should people start to explore AI for sake of getting smarter, learning knowledge just
1:18:54 for the sake of knowledge, having fun with it?
1:18:56 What’s the best way to do that?
1:19:03 I think exactly what you did, which is there’s now dozens and dozens of different chat bots
1:19:09 out there, and different people will feel comfortable with one or the other.
1:19:15 Chat GPT is the first, so that’s why it’s kind of taken over a lot of the cognitive space.
1:19:19 It’s become like Kleenex, that word.
1:19:26 That was why I used it as the first word in my book because it’s iconic.
1:19:30 Some of them, I have to say that, for example, there are some that are really much better
1:19:33 math than others.
1:19:45 Google’s Gemini recently did some fine-tuning with what’s called chain of reasoning.
1:19:48 When you reason, you go through a sequence of steps, and when you solve a math problem,
1:19:55 you go through a sequence of steps of fitting, first finding out what’s missing and then
1:19:58 adding that.
1:20:04 It went from 20% correct to 80 on those problems.
1:20:08 As people hear that, they probably think, “Well, that means 20% wrong still.”
1:20:14 Could you imagine any human or panel of humans behind a wall where if you asked it a question,
1:20:19 and then another question, and another question, that it would give you back better than 80%
1:20:23 accurate information in a matter of seconds?
1:20:34 I think we are being perhaps a little bit unfair to compare these large language models
1:20:39 to the best humans rather than the average human, right?
1:20:45 As you said, most people couldn’t pass the LSAT, the loss test to get into law school,
1:20:51 or MCAT, the test to get into medical school, and JetGPT has.
1:21:00 Is there a world now where we take the existing AI, LLMs, these computers basically that can
1:21:08 learn like a collection of human brains and send that somehow into the future, right?
1:21:11 Give them an imagined future, okay?
1:21:18 Could we give them outcome A and outcome B and let them forage into future states that
1:21:24 we are not yet able to get to, and then harness that knowledge and explore the two different
1:21:25 outcomes?
1:21:33 I think that’s perhaps the better question in some sense because we can’t travel back
1:21:40 in time, but we can perhaps travel into the future with AI if you provide it different
1:21:47 scenarios and you say, “Unlike a panel of people, panel of experts, medical experts,
1:21:53 or space travel experts, or sea travel experts,” you can’t say, “Hey, you know what, don’t
1:21:55 sleep tonight.
1:21:58 You’re just going to work for the next 48 hours.
1:22:02 In fact, you’re going to work for the next three weeks or three months, and you know
1:22:03 what?
1:22:04 You’re not going to do anything else.
1:22:05 You’re not going to pay attention to your health.
1:22:06 You’re not going to do anything else.”
1:22:12 But you can take a large language model and you can say, “Just forage for knowledge under
1:22:17 the following different scenarios,” and then have that fleet of large language models come
1:22:21 back and give us the information like, “I don’t know, tomorrow.”
1:22:22 Okay.
1:22:24 So I’ve lived through this myself.
1:22:31 Back in the 1980s, I was just starting my career, and I was one of the pioneers in developing
1:22:33 learning algorithms for neural network models.
1:22:37 Jeff Hinton and I collaborated together on something called the Bosel Machine, and he
1:22:39 actually won an Nobel Prize for this recently.
1:22:40 Yeah, just this year.
1:22:41 Wonderful.
1:22:42 He’s one of my best friends.
1:22:43 Brilliant.
1:22:49 And he well deserved it for not just the Bosel Machine, but all the work he’s done since
1:22:54 then on machine learning and then back propagation and so forth.
1:23:00 But back then, Jeff and I had this view of the future.
1:23:06 AI was dominated by symbol processing, rules, logic, writing computer programs.
1:23:13 For every problem, you need a different computer program, and it was very human resource intensive
1:23:17 to write programs so that it was very, very slow going.
1:23:18 And they never actually got there.
1:23:23 They never wrote a program for vision, for example, even though the computer vision community
1:23:25 really worked hard for a long time.
1:23:27 But we had this view of the future.
1:23:32 We had this view that nature had solved these problems, and there’s existence proof that
1:23:36 you can solve the vision problem, look, every animal can see even insects, right?
1:23:37 Come on.
1:23:40 Well, figure out, let’s figure out how they did it.
1:23:43 Maybe we can help by following up on nature.
1:23:48 We can actually, again, going back to algorithms, I was telling you.
1:23:52 And so in the case of the brain, what makes it different from a digital computer, digital
1:23:57 computers basically can run any program, but a fly brain, for example, only runs the program
1:24:00 that is a special purpose hardware allows it to run.
1:24:01 Not much neuroplasticity.
1:24:07 There’s enough there, just enough habituation and so forth so that you can survive.
1:24:08 And this is…
1:24:09 Survive 24 hours.
1:24:13 I’m not trying to be disparaging to the fly biologists, but when I think of neuroplasticity,
1:24:18 I think of the magnificent neuroplasticity of the human brain to customize to a world
1:24:19 of experience.
1:24:20 I agree.
1:24:21 But…
1:24:25 When I think about a fly, I think about a really cool set of neural circuits that work really
1:24:32 well to avoid getting swatted, to eating, and to reproducing, and not a whole lot else.
1:24:34 They don’t really build technology.
1:24:38 They might have interesting relationships, but who knows, who cares.
1:24:41 It’s just sort of like, it’s not that it doesn’t matter.
1:24:46 It’s just a question of the lack of plasticity makes them kind of a meh species.
1:24:47 Okay.
1:24:49 I can see I’ve pressed your button here.
1:24:50 No, no, no, no.
1:24:51 I love fly biology.
1:24:54 They taught us about algorithms for direction selectivity in the visual system.
1:24:55 Oh, no, no.
1:24:56 I love the Drosophila biology.
1:25:03 I just think that the lack of neuroplasticity reveals a certain key limitation, and the
1:25:06 reason we’re the curators of the Earth is because we have so much plasticity.
1:25:07 Of course.
1:25:08 Of course.
1:25:10 But you have to take…
1:25:15 One step at a time, nature first has to be able to create creatures that can survive,
1:25:23 and then their brain gets bigger as the environment gets more complex, and here we are.
1:25:29 But the key is that it turns out that certain algorithms in the fly brain are present in
1:25:32 our brain, like conditioning, classical conditioning.
1:25:37 You can classical condition a fly in terms of training it to…
1:25:41 When you give it a reward, it will produce the same action.
1:25:43 This is like condition behavior.
1:25:47 That algorithm that I told you about, that isn’t your value function.
1:25:52 Temporal difference learning, that algorithm is in the fly brain, it’s in your brain.
1:25:56 So we can learn about learning from many species.
1:25:58 I was just having a little fun poking at the fly biologist.
1:26:01 I actually think Drosophila has done a great deal.
1:26:08 As has honeybee biology, for instance, if you give caffeine to bees on particular flowers,
1:26:13 they’ll actually try and pollinate those flowers more, because they actually like the feeling
1:26:14 of being caffeinated.
1:26:17 There’s a bad pun about a buzz here, but I’m not going to make that pun because everyone’s
1:26:20 done it before.
1:26:27 I fully absorb and agree with the value of studying simpler organisms to find the algorithms.
1:26:28 Right.
1:26:29 That’s where we are right now.
1:26:34 Now, just to go into the future now, I’m telling the story about what we really were.
1:26:37 We were predicting the future.
1:26:41 We were saying, “This is an alternative to traditional AI.
1:26:43 We were not taken seriously.”
1:26:44 Everybody was…
1:26:46 The experts said, “No, no.
1:26:47 Write programs.
1:26:48 Write programs.”
1:26:53 The resources, the grants, the jobs, and we were just like the little furry mammals under
1:26:56 the feet of these dinosaurs in retrospect.
1:27:01 I love the analogy, but the dinosaurs died off.
1:27:06 The point I’m making is that it’s possible for our brain to make these extrapolations
1:27:07 into the future.
1:27:10 Why not AI versions of brains?
1:27:11 Why not?
1:27:14 I think your idea is a great one.
1:27:22 I mean, the reason I’m excited about AI and increasingly so across the course of this
1:27:32 conversation is because there are very few opportunities to forge information at such
1:27:34 large scale and around the circadian clock.
1:27:40 I mean, if there’s one thing that we are truly a slave to as humans is the circadian biology.
1:27:42 You got to sleep sooner or later.
1:27:46 Even if you don’t, your cognition really waxes and wanes across the circadian cycle.
1:27:48 If you don’t, you’re going to die early.
1:27:50 We know this.
1:27:51 Computers can work, work, work.
1:27:53 Sure, you got to power them.
1:27:54 There’s the cooling thing.
1:28:01 There are a bunch of things related to that, but that’s tractable.
1:28:04 Computers can work, work, work.
1:28:09 The idea that they can provide a portal into the future and that they can just bring it
1:28:11 back so we can take a look-see.
1:28:19 I’m not saying we have to implement their advice, but to be able to send a panel of diverse,
1:28:27 computationally diverse, experientially diverse AI experts into the future and bring us back
1:28:33 a panel of potential routes to take to me is so exciting.
1:28:37 Maybe a good example would be like treatments for schizophrenia.
1:28:40 This is an area that I want to make sure that we talk about.
1:28:46 I grew up learning as a neuroscience student that schizophrenia was somehow a disruption
1:28:51 of the dopamine system because if you give neuroleptic drugs that block dopamine receptors,
1:28:56 that you get some improvement in the motor symptoms and some of the hallucinations, etc.
1:29:00 You now also have people who say, “No, that’s not really the basis of schizophrenia.
1:29:01 I’d love your thoughts.”
1:29:05 You have incredible work from people like Chris Palmer at Harvard and we even have a
1:29:10 department at Stanford now focusing, we even have people at Stanford now focusing on what
1:29:15 Chris really founded as a field, which is metabolic psychiatry, the idea that who could
1:29:20 imagine being sarcastic here, what you eat impacts your mitochondria, how you exercise
1:29:25 impacts your mitochondria, mitochondria impacts brain function, and woe and behold,
1:29:29 metabolic health of the brain and body impacts schizophrenia symptoms.
1:29:34 He’s looked at ways that people can use ketogenic diet, maybe not to cure, but to treat and in
1:29:37 some cases maybe even cure schizophrenia.
1:29:41 Here we are at this place where we still don’t have a “cure” for schizophrenia, but
1:29:48 you could send LLMs into the future and start to forage the most likely, all of the data
1:29:56 in those fields, probably could do that in an hour, plus come up with a bunch of hypothesized
1:30:02 different positive and negative result clinical trials that don’t even exist yet, 10,000 subjects
1:30:09 in Scandinavia who go on ketogenic diet, who have a certain level of susceptibility
1:30:15 schizophrenia based on what we know from twin studies, things that never ever ever would
1:30:21 be possible to do in an afternoon, maybe even in a year, there’s this in funding, and boom,
1:30:25 get the answers back and let them present us those answers and then you say, “Well,
1:30:30 it’s artificial,” but so are human brains coming up with these experiments.
1:30:34 For me, I’m starting to realize that it’s not that we have to implement everything
1:30:40 that AI tells us or offers us, but it sure as hell gives us a great window into what
1:30:43 might be happening or is likely to happen.
1:30:49 Specifically for schizophrenia, I’m pretty sure that if we had these large language models
1:30:53 20 years ago, we would have known back then that ketamine would have been a really good
1:30:56 drug to try to help these people.
1:31:00 Tell us about the relationship between ketamine and schizophrenia because I think a lot of
1:31:03 people, and maybe you could define schizophrenia even though most people think about people
1:31:10 hearing voices and psychosis, there’s a bit more to it that maybe we just can’t bring
1:31:11 out.
1:31:17 Okay, so one of the things now that we know, the problem is that if you look at the endpoint,
1:31:20 that doesn’t tell you what started the problem.
1:31:28 But during early development, schizophrenia is something that appears when late adolescence,
1:31:35 early adulthood, but it actually is already a problem, a genetic problem from the get-go.
1:31:40 So what is the concordance in identical twins, meaning if you have identical twins in the
1:31:46 womb and one is destined to be full-blown schizophrenic, what’s the probability of the
1:31:47 other?
1:31:48 So here’s the experiment.
1:31:52 This has very, very been replicated many, many times in mice, I should say.
1:31:57 Oh, no, actually, okay, let me start with a human, okay.
1:32:04 So ketamine is, for a long time, and it still is a party drug, special K.
1:32:06 I’ve never taken it, but this is what I hear.
1:32:07 I haven’t either.
1:32:08 I don’t know.
1:32:09 It’s a dissociative anesthetic, right?
1:32:14 But I’ll tell you what happens, because I’ve talked to these people who have done this.
1:32:18 You take ketamine, subanesthetic, by the way, it’s an anesthetic, it’s given to children.
1:32:21 It’s a pretty good anesthetic, and it’s also used in veterinary medicine.
1:32:29 But in any case, you give it to, you take young adults, here’s what they experience.
1:32:38 They experience, out-of-body experience, they have this wonderful feeling of energy,
1:32:43 and they’re very, it’s a high, but it’s a very unusual high.
1:32:51 Now, if they just go and have one experience, but if they have two, like they party two
1:32:55 days in a row, a lot of them come into the emergency room.
1:32:59 And here’s what the symptoms are.
1:33:03 Full-blown psychosis, full-blown.
1:33:08 We’re talking about indistinguishable from a schizophrenic break.
1:33:09 So auditory hallucinations.
1:33:10 Yeah.
1:33:17 And hallucinations, paranoia, very, very advanced, you’d say that, my God, this person
1:33:26 here has really gone, has become a schizophrenic, and this is really, like you say, the symptoms
1:33:27 are the same.
1:33:32 However, if you isolate them for a couple of days, they’ll come back, right?
1:33:37 So it means that schizophrenia can induce, I mean, sorry, ketamine can induce a form
1:33:43 of schizophrenia, psychosis, temporarily, not permanently, fortunately.
1:33:44 Okay.
1:33:45 So what does it attack?
1:33:46 Okay.
1:33:47 And there’s another literature on this.
1:33:54 It turns out that it binds to a form of receptor, a glutamate receptor called NMDA receptors,
1:33:56 which are very important by way for learning and memory.
1:34:04 But we know the target, and we also know what the acute outcome is that it reduces the strength
1:34:11 of the inhibitory circuit, the interneurons that use inhibitory transmitters, the enzyme
1:34:15 that creates the inhibitory transmitter is downregulated.
1:34:16 And what does that do?
1:34:18 It means that there’s more excitation.
1:34:20 And what does that mean when there’s more excitation?
1:34:27 It means that there’s more activity in the cortex, and there’s actually much more vigor.
1:34:32 You start becoming crazy, right, if it’s too much activity.
1:34:33 So this is interesting.
1:34:39 So this is telling us, I think, that we should be thinking about, and now there’s a whole
1:34:47 field now in psychiatry that has to do with the glutamate hypothesis for the first, where
1:34:52 the actual imbalance first occurs.
1:34:58 It’s an imbalance between the excitatory inhibitory systems that are in the cortex,
1:34:59 keep you in balance.
1:35:03 And NMDA, N-methyldiaspartate receptors are glutamate receptors.
1:35:04 Yes, they are glutamate.
1:35:05 They’re one class.
1:35:06 That’s one class.
1:35:07 That’s right.
1:35:08 Okay.
1:35:15 So now, here is a hypothesis for why ketamine might be good for depression.
1:35:16 People are taking it now.
1:35:18 We’re depressed, right?
1:35:26 So here you have a drug that causes overexcitation, and here you have a person who is under-excited.
1:35:31 Depression is associated with lower excitatory activity in some parts of the cortex.
1:35:36 Well, if you titrate it, you can come back into balance, right?
1:35:43 So what you do is you fight depression with schizophrenia, a touch of schizophrenia.
1:35:49 Now, you have to keep giving, I think, once every three weeks, they have to have a new
1:35:55 dose of ketamine, but it’s helped an enormous number of people with very, very severe clinical
1:35:56 depression.
1:36:01 So as we learn more about the mechanisms underlying some of these disorders, the better we are
1:36:08 going to be at extrapolating and coming up with some solutions at least to prevent it
1:36:09 from getting worse.
1:36:14 By the way, I’m pretty sure that the large-language models could have figured this out longer ago.
1:36:19 So in an attempt to understand how we might be able to leverage these large-language models
1:36:24 now, how would we have used these large-language models long ago?
1:36:35 Let’s say you had 2024 AI technology in, let’s have fun here, 1998, the year that I started
1:36:36 graduate school.
1:36:37 Right.
1:36:41 At that time, it was like the dopamine hypothesis, schizophrenia was in every textbook.
1:36:47 There was a little bit about glutamate, perhaps, but it was all about dopamine.
1:36:51 So how would the large-language models have discovered this?
1:36:53 Protein was known as a drug.
1:37:01 Ketamine, by the way, is very similar to PCP, which also bonds the NMDR receptor.
1:37:08 So how would this also, which is also, yeah, not one I recommend, nor ketamine.
1:37:12 Frankly, I don’t recommend any recreational drugs, but I’m not a recreational drug guy.
1:37:19 But what would those large-language models do if they, so you’ve got 2024 technology
1:37:25 placed into 1998, they’re foraging for existing knowledge, but then are they able to make
1:37:30 predictions like, “Hey, this stuff is going to turn out to be wrong,” or, “Hey, this
1:37:31 stuff is …”
1:37:32 Okay.
1:37:40 You know, this is all very, very speculative, and really we can begin actually to see this
1:37:42 happening now.
1:37:47 So I have a colleague at the Salk Institute, Rusty Gage.
1:37:55 Very distinguished neuroscientist, and he discovered that there are new neurons being
1:37:59 born in the hippocampus, right, which is something, in adults, which is something that in a textbook
1:38:01 says that doesn’t happen, right?
1:38:03 That was around 1998, Rusty did that, yeah.
1:38:04 That’s right.
1:38:11 And I actually have a paper with him where we tested LTP, long-term potentiation, actually
1:38:15 the effects of exercise on neurogenesis.
1:38:17 Exercise increases neurogenesis.
1:38:25 It increases the cells, it increases neurogenesis and also the cells that are active become
1:38:26 part of the circuit.
1:38:28 More cells become integrated.
1:38:30 And this is true in humans as well, right?
1:38:31 Yeah.
1:38:36 And there was some cancer drug that was given that, you know, that they showed that there
1:38:39 are new cells that were able, that they were able to later impose more of them to actually
1:38:43 see that they were born in the adult, okay.
1:38:51 So here we are, okay, in 1998, and the question is, can you jump?
1:38:52 Can you jump into the future?
1:38:53 Okay.
1:39:04 So Rusty, you know, happened to talk about this issue about, you know, he’s using these
1:39:12 large language models now for his research, and I said, “Oh, wow, how do you use it?”
1:39:15 And he said, “We use it as an idea pump.”
1:39:16 What do you mean idea pump?
1:39:22 Well, you know, we give it all of the experiments that we’ve done, and we have, you know, the
1:39:27 literature, its access to the literature and so forth, and we ask it for ideas for new
1:39:28 experiments.
1:39:29 Oh, I love it.
1:39:30 I love it.
1:39:36 I was on a plane where I sat next to a guy that works at Google, and he’s one of the
1:39:43 main people there in terms of voice to text, and text to voice software, and he showed
1:39:44 me something.
1:39:48 I’ll provide a link to it because it’s another one of these open resource things.
1:39:49 And I’m not super techy.
1:39:53 I’m not like the, I don’t get an F in technology.
1:39:54 I don’t get an A plus.
1:39:55 I’m kind of in the middle.
1:39:58 So I think I’m pretty representative of the average listener for this podcast, presumably.
1:40:04 What he showed me is that you can take, you open up this website, and you can take PDFs
1:40:10 or you take URLs, so websites, website addresses, and you just place them in the margin.
1:40:13 You literally just drag and drop them there.
1:40:20 And then you can ask questions, and the AI will generate answers that are based on the
1:40:26 content of whatever you put into this margin, those PDFs, those websites.
1:40:32 And the cool thing is, it references them so you know which article it came from.
1:40:39 And, and then you can start asking it more sophisticated questions, like in the two examples
1:40:45 of the effects of a drug, one being very strong and one being very weak, which of these papers
1:40:51 do you think is more rigorous based on, you know, subject number, but also kind of the
1:40:53 strength of the findings.
1:40:54 You know, a pretty vague thing.
1:40:56 Strength of findings is pretty vague, right?
1:41:00 Anyone that argues those are weak findings, those aren’t enough subjects, well, we know
1:41:04 a hell of a lot about human memory from one patient, HM.
1:41:09 So strength of findings when people is a subjective thing, you really have to be an expert in
1:41:11 a field to understand strength of findings, and even then.
1:41:17 And what’s amazing is it starts giving back answers, like, well, if you’re concerned about
1:41:23 number of subjects, this paper, but that’s a pretty obvious one, which one had more subjects,
1:41:29 but it can start critiquing these statistics that they used in these papers in very sophisticated
1:41:35 ways, and explain back to you why certain papers may not be interesting and others are
1:41:39 more interesting, and it starts to weight the evidence.
1:41:45 And then you say, well, with that weighted evidence, can you hypothesize what would happen
1:41:46 if?
1:41:49 And so I’ve done a little bit of this where it starts trying to predict the future based
1:41:53 on, you know, 10 papers that you gave it five minutes ago.
1:42:00 I don’t think any professor could do that, except in their very specific area of interest,
1:42:03 and if they were already familiar with the papers, and it would take them many hours,
1:42:06 if not days, to read all those papers in detail.
1:42:10 And they might not actually come up with the same answers, right?
1:42:11 Right.
1:42:12 Yeah.
1:42:18 So, actually, this is something that is happening in medicine, by the way, for doctors who are
1:42:23 using AI as an assistant, this is really interesting.
1:42:27 So this is dermatology, it was a paper in nature, you know, with skin lesions.
1:42:31 There’s several, 2000 skin lesions.
1:42:36 Some of them are, you know, cancerous, and others are benign.
1:42:41 And so, in any case, they tested the expert doctors, and then they tested an AI, and they
1:42:46 were both doing about, you know, 90 percent, right?
1:42:52 However, if you let the doctor use the AI, it boosts the doctor to 98 percent.
1:42:53 98 percent accuracy.
1:42:54 Yes.
1:42:55 And what’s going on there?
1:42:56 It’s very interesting.
1:43:03 So it turns out that, although they got the same 90 percent, they had different expertise
1:43:08 that the AI had access to more data, and so it could look at the lesions that were rare
1:43:11 that the doctor may never have seen, okay?
1:43:16 But the doctor has more in-depth knowledge of the most common ones that he’s seen over
1:43:19 and over again, and those are subtleties and so forth.
1:43:24 But so, putting them together, it makes so much sense that they’re going to improve if
1:43:26 they work together.
1:43:33 And I think that now, what you’re saying is that using AI as a tool for discovery with
1:43:41 the expert who’s interpreting and looking at the arguments, the statistical arguments,
1:43:48 and also looking at the paper, maybe in a new way, maybe that’s the future of science.
1:43:49 Maybe that’s what’s going to happen.
1:43:52 Everybody’s worried about, oh, AI is going to replace us.
1:43:57 It’s going to be much better than we are everything, and humans are obsolete.
1:43:59 Nothing can be further from the case.
1:44:07 Our strengths and weaknesses are different, and by working together, it’s going to strengthen.
1:44:14 Both, what we do and what AI does, and it’s going to be a partnership, it’s not going
1:44:17 to be adversarial, it’s going to be a partnership.
1:44:22 Would you say that’s the case for things like understanding or discovering treatments for
1:44:31 a neurologic illness for avoiding large scale catastrophes?
1:44:36 Can it predict macro movements?
1:44:39 Let me give an example.
1:44:44 Here in Los Angeles, there’s occasionally an accident on the freeway.
1:44:46 You have a lot of cameras over freeways nowadays.
1:44:48 You have cameras in cars.
1:44:53 You can imagine all of the data being sent in in real time, and you could probably predict
1:44:55 accidents pretty easily.
1:45:00 These are just moving objects at a specific rate who’s driving haphazardly, but you could
1:45:06 also potentially signal takeover of the brakes or the steering wheel of a car and prevent
1:45:07 accidents.
1:45:14 I mean, certain cars already do that, but could you essentially eliminate, let’s do something
1:45:15 even more important.
1:45:16 Let’s eliminate traffic.
1:45:24 I don’t know if you can do that, because that’s a funnel problem, but could you predict physical
1:45:26 events in the world into the future?
1:45:27 Okay.
1:45:34 This has already been done, not for traffic, but for hurricanes.
1:45:41 As you know, the weather is extremely difficult to predict, and except here in California
1:45:48 where it’s always going to be sunny right here, but now what they’ve done is to feed
1:45:55 a lot of previous data from previous hurricanes and also simulations of hurricanes.
1:45:57 You can simulate them in a supercomputer.
1:46:03 It takes days and weeks, so it’s not very useful for actually accurately predicting
1:46:10 where it’s going to hit, Florida, but what they did was after training up the AI on all
1:46:16 of this data, it was able to predict with much better accuracy exactly where in Florida
1:46:20 it’s going to make a landfall.
1:46:25 It does that on your laptop in 10 minutes.
1:46:26 Incredible.
1:46:33 Something just clicked for me, and it’s probably obvious to you and most people, but I think
1:46:34 this is true.
1:46:35 I think what I’m about to say is true.
1:46:40 At the beginning of our conversation, we were talking about the acquisition of knowledge
1:46:46 versus the implementation of knowledge, just learning facts versus learning how to implement
1:46:50 those facts in the form of physical action or cognitive action.
1:46:52 Math problem is cognitive action, physical action.
1:46:53 Okay.
1:46:57 AI can do both knowledge acquisition.
1:47:01 It can learn facts, long lists of facts and combinations of facts, but presumably it can
1:47:05 also run a lot of problem sets and solve a lot of problem sets.
1:47:12 I don’t think except with some crude still-to-me examples of robotics that it’s very good at
1:47:16 action yet, but it will probably get there at some point.
1:47:23 Robots are getting better, but they’re not doing what we’re doing yet, but it seems to
1:47:30 me that as long as they can acquire knowledge and then solve different problem sets, different
1:47:36 iterations of combinations of knowledge that basically they are in a position to take any
1:47:43 data about prior events or current events and make pretty darn good predictions about
1:47:49 the future and run those back to us quickly enough and to themselves quickly enough that
1:47:52 they could play out the different iterations.
1:47:57 I’m thinking one of the problems that seems to have really vexed neuroscientists in the
1:48:02 field of medicine and the general public has been the increase in the at least diagnosis
1:48:05 of autism.
1:48:07 I’ve heard so many different hypotheses over the years.
1:48:11 I think we’re still pretty much in the fog on this one.
1:48:20 Could AI start to come up with new and potential solutions and treatments if they’re necessary,
1:48:22 but maybe get to the heart of this problem?
1:48:23 It might.
1:48:25 It depends on the data you have.
1:48:31 It depends on the complexity of the disease.
1:48:32 But it will happen.
1:48:37 In other words, we will use those tools at the best we can because obviously if you can
1:48:43 make any progress at all and jump into the future, wow, that would save lives.
1:48:45 That would help so many people out there.
1:48:50 I really think the promise here is so great that even though there are flaws and there
1:48:56 are regulatory problems, we really, really have to really push.
1:49:06 We have to do that in a way that is going to help people in terms of making their jobs
1:49:13 better and helping them solve problems that otherwise they would have had difficulty with
1:49:15 and so forth.
1:49:20 It’s beginning to happen, but these are early days.
1:49:28 We’re at a stage right now with AI that is similar to what happened after the first flight
1:49:29 of the Wright brothers.
1:49:36 In other words, the achievement that the Wright brothers made was to get off the ground 10
1:49:41 feet and to power forward with the human being 100 feet.
1:49:42 That was it.
1:49:43 That was the first flight.
1:49:46 It took an enormous amount of improvements.
1:49:49 The most difficult thing that had to be solved was control.
1:49:50 How do you control it?
1:49:55 How do you make it go in the direction you want it to go?
1:50:00 Shades of what’s happening now in AI is that we are off the ground, we’re not going very
1:50:05 far yet, but who knows where it will take us into the future.
1:50:11 Let’s talk about Parkinson’s disease, a depletion of dopamine neurons that leads to difficulty
1:50:22 in smooth movement generation and also some cognitive and mood-based dysfunction.
1:50:28 Tell us about your work on Parkinson’s and what did you learn?
1:50:32 As you point out, Parkinson’s is first a degenerative disease.
1:50:40 It’s very interesting because the dopamine cells are a particular part of the brain stem
1:50:44 and they are the ones that are responsible for procedural learning.
1:50:46 I told you before about temporal difference.
1:50:49 It’s dopamine cells.
1:50:55 It’s a very powerful way for global signals called a neuromodulator because it modulates
1:51:00 all the other signals taking place throughout the cortex.
1:51:15 Also it’s very important for learning sequences of actions that produce survival for survival.
1:51:27 The problem is that with certain environmental insults, especially toxins like pesticides,
1:51:33 those neurons are very vulnerable and when they die, you get all of the symptoms that
1:51:36 you just described.
1:51:43 People who have lost those cells actually before the treatment, you know, Aldopa, which
1:51:49 is a dopamine precursor, they actually became comatose, right?
1:51:51 They didn’t move.
1:51:58 They were still live, but they just didn’t move at all.
1:52:01 Locked in is called, yeah, it’s tragic, tragic.
1:52:08 So when the first trials of Aldopa were given to them, it was magical because suddenly they
1:52:11 started talking again.
1:52:13 So I mean, this is amazing, amazing.
1:52:17 I’m curious, when they started talking again, did they report that their brain state during
1:52:21 the locked in phase was slow velocity?
1:52:25 Was it sort of like a dreamlike state or they felt like they were in a nap or were they
1:52:28 in there screaming to get out?
1:52:33 Because their physical velocity obviously was zero, they’re locked in after all.
1:52:40 And I’ve long wondered when coming back from a run or from waking up from a great night’s
1:52:46 sleep when I shift into my waking state, whether or not physical velocity and cognitive velocity
1:52:47 are linked.
1:52:52 So a wonderful observation or a question, I’ll bet you know the answer.
1:53:01 Okay, here’s something that is really amazing, it was discovered interestingly when they
1:53:04 tend to move slowly, as you said.
1:53:08 But to them, cognitively, they think they’re moving fast.
1:53:13 Now it’s not because they can’t move fast because you can say, well, can you move faster?
1:53:14 Sure.
1:53:15 And they move normal, right?
1:53:19 But to them, they think they’re moving at super velocities.
1:53:20 So it’s a set point issue.
1:53:22 So it’s a set point issue, yes, it’s all about set points.
1:53:25 That’s what’s really going on.
1:53:31 And as the set point gets further and further down, now without moving at all, they think
1:53:32 they’re moving, right?
1:53:33 I mean, this is what’s going on.
1:53:35 By the way, you can ask them, what was it like?
1:53:37 We were talking to you and you didn’t respond.
1:53:40 Oh, I didn’t feel like it.
1:53:42 The brain confabulates an answer.
1:53:50 Well, they confabulated it because they didn’t have enough energy or they couldn’t initiate.
1:53:52 They couldn’t initiate actions.
1:53:56 That’s one of the things that they have trouble with, with movements, starting a movement.
1:54:00 As you can tell, I’m fascinated by this notion of cognitive velocity.
1:54:06 And again, there may be a better or more accurate or official language for it.
1:54:12 But I feel like it encompasses so much of what we try to do when we learn and the fact
1:54:17 that during sleep you have these very vivid dreams during rapid eye movement sleep.
1:54:19 So cognitive velocity is very fast.
1:54:22 Time perception is different than in slow wave sleep dreams.
1:54:28 And I really think there’s something to it as at least one metric that relates to brain
1:54:29 state.
1:54:33 I’ve long thought that we know so much more about brain states during sleep than we do
1:54:35 about wakeful brain states.
1:54:39 We talk about focus, motivated, flow.
1:54:41 These are not scientific terms.
1:54:45 I’m not being disparaging of them, they’re pretty much all we’ve got until we come up
1:54:46 with something better.
1:54:50 But we’re biologists and neuroscientists and computational neuroscientists in your case.
1:54:55 And we’re trying to figure out what brain state are we in right now.
1:54:58 Our cognitive velocity is a certain value.
1:55:04 But I think the more that people think about this, I’ll venture to say that the more that
1:55:07 they think a little bit about their cognitive velocity at different times of day.
1:55:10 We start to notice that there’s a, tends to be a few times of day.
1:55:18 For me, it tends to be early to late mid-morning and then again in the evening after a little
1:55:24 bit of trough and energy that boy, that hour and a half each, that’s the time to get real
1:55:25 work done.
1:55:31 I can mentally sprint far at those times.
1:55:37 But there are other times of day when I don’t care how much caffeine I drink, unless it’s
1:55:43 a stressful event that I need to meet the demands of that stress, I just can’t get to
1:55:46 that faster pace while I’m also engaging.
1:55:51 You can read faster, you can listen, but you’re not using the information, you’re not storing
1:55:52 the information.
1:55:53 That’s right.
1:55:54 What times of day for you are?
1:56:06 I get most done in morning and then later after dinner is also different though.
1:56:12 I think in the morning, I’m better at creative stuff and then I think that in the evening
1:56:15 I’m better at actually just cranking it out.
1:56:17 Interesting.
1:56:22 Given the relationship between a body temperature and circadian rhythm, I would like to run
1:56:27 an experiment that relates core body temperature to cognitive velocity.
1:56:34 I’ve actually noticed that this is something that is just purely subjective, but the temperature
1:56:41 at the salt inside the building is kept 75, it’s like rock solid.
1:56:45 But in the afternoon, I feel a little chilly.
1:56:52 It’s probably my internal, body temperature, it’s probably going down.
1:56:58 That may correspond to the loss of energy, the amount of the ability for the brain and
1:56:59 everything else.
1:57:03 By the way, you know this is Q10, this is a jargon.
1:57:11 Every single enzyme in your every cell can go at different rates depending on the temperature.
1:57:15 The body temperature is doing this and all the cells are doing this too.
1:57:20 It’s an explanation, I’m not sure if it’s the right one.
1:57:24 Craig Heller, my colleague at Stanford in the biology department, has beautifully described
1:57:31 how the enzymatic control over pyruvate, I believe it is, controls muscular failure.
1:57:37 That local muscular failure, when people are trying to move some resistance, has everything
1:57:43 to do with the temperature, the local temperature that shuts down certain enzymatic processes
1:57:47 that don’t allow the muscles to contract the same way.
1:57:50 He knows the details and he covered them on this podcast and I’m forgetting the details.
1:57:55 He starts to go, “Wow, these enzymes are so beautifully controlled by temperature.”
1:58:00 And of course, his laboratory is focused on ways to bypass those temperature or to change
1:58:04 temperature locally in order to bypass those limitations and have shown them again and
1:58:05 again.
1:58:06 It’s just incredible.
1:58:11 Yeah, I don’t hear we’re speculating about what it would mean for cognitive velocity,
1:58:16 but I think it’s such a different world to think about the underlying biology as opposed
1:58:18 to just thinking about a drug.
1:58:23 You increase dopamine and norepinephrine and epinephrine, the so-called catecholamines,
1:58:26 and you’re going to increase energy focus and alertness, but you’re going to pay the
1:58:27 price.
1:58:30 You’re going to have a trough and energy focus and alertness that’s proportional to how much
1:58:31 greater it was when you took the drug.
1:58:34 Craig Boy, amphetamines are a good example.
1:58:41 Boy, you’re going a mile a minute when you’re taking the drug.
1:58:48 Of course, when I stand, that’s your impression and the reality is you don’t actually accomplish
1:58:50 that much more.
1:58:56 Have any LLMs, so AI been used to answer this really pressing question of what is going
1:59:02 to be the consequence on cognition for these young brains that have been weaned while taking
1:59:07 Ritalin, Adderall, Vivance, and other stimulants because we have millions of kids that have
1:59:08 been raised.
1:59:13 We have a chairman on our whole cadre, a whole generation, and I really would like
1:59:15 to know the answer.
1:59:17 I wonder if anybody’s studying that.
1:59:22 That’s really a great question because we gave them speed effectively, the drug that
1:59:26 causes the brain to be activated.
1:59:36 By the way, the consequence is that when it wears off, you have no energy.
1:59:39 You just completely spend.
1:59:40 That’s it.
1:59:41 That’s the pit.
1:59:44 That’s the pit, but that’s why you take more of it.
1:59:49 That’s the problem, it’s a spiral.
1:59:56 I love how today, you’re making it so very clear how computation, how math and computers
2:00:02 and AI now are really shaping the way that we think about these biological problems,
2:00:04 which are also psychological problems, which are also daily challenges.
2:00:08 I also love that we touched on mitochondria and how to replenish mitochondria.
2:00:12 I want to make sure that we talk about a couple of things that I know are in the back of people’s
2:00:18 minds, no pun intended here, which are consciousness and free will.
2:00:21 Normally, I don’t like to talk about these things.
2:00:25 Not because they’re sensitive, but because I find the discussions around them typically
2:00:32 to be more philosophical than neurobiological, and they tend to be pretty circular.
2:00:37 You get people like Kevin Mitchell, who I think he has a book about free will, he believes
2:00:40 in free will.
2:00:43 You’ve got people like Robert Sapolsky, wrote the book Determined, he doesn’t believe in
2:00:44 free will.
2:00:47 How do you feel about free will?
2:00:49 Is it even a discussion that we should be having?
2:00:57 Well, if you go back 500 years to the Middle Ages, the concept didn’t exist, or at least
2:01:08 not in the way we use it, because the way that humans felt about the world and how it
2:01:14 worked and its impact on them was that it’s all fate.
2:01:22 They had this concept of fate, which is that there’s nothing you can do that something
2:01:27 is going to happen to you because of what’s going on in the gods above, or whatever it
2:01:28 is.
2:01:34 You attribute it to the physical forces around you that caused it.
2:01:38 Not to your own free will, not that there’s something that caused you this to happen to
2:01:39 you.
2:01:47 I think that these words, by the way that we use, free will, consciousness, intelligence,
2:01:52 understanding, they’re weasel words, because you can’t pin them down.
2:01:58 There is no definition of consciousness that everybody agrees on, and it’s tough to solve
2:02:07 a scientific problem if you don’t have a definition that you can agree on, and there’s this big
2:02:14 controversy about whether these large language models understand language or not the way
2:02:17 we do.
2:02:21 What it really is revealing is we don’t understand what understanding is.
2:02:28 Literally, we don’t have a really good argument or measure that you can measure someone’s
2:02:33 understanding and then apply it to the GDP and see whether it’s the same.
2:02:38 It probably isn’t exactly the same, but maybe there’s some continuum here we’re talking
2:02:39 about.
2:02:52 The way I look at it, it says if an alien suddenly landed on earth and started talking
2:02:59 to us in English, and the only thing we could be sure of was that it’s not human.
2:03:06 I met some people that I wondered about their terrestrial origins.
2:03:11 Okay, now there’s a big diversity amongst humans too, you’re right about that.
2:03:16 Certain colleagues of ours at UCSD years ago, one in particular in the physics department
2:03:24 who I absolutely adore as a human being, just had such an unusual pattern of speech, of
2:03:27 behavior, totally appropriate behavior, but just unusual.
2:03:31 In the middle of a faculty meeting, we just turned to me and start talking while the other
2:03:39 person was presenting and I was like, “Maybe not now,” and he would say, “Oh, okay.”
2:03:42 But in any other domain, you’d say he was very socially adept.
2:03:47 There are certain people that just kind of discard with convention and he kind of wanted
2:03:48 to like, “Is he an alien?”
2:03:51 It’s kind of cool, in a cool way, like he’s one of my, again, a friend and somebody I
2:03:52 really delight in.
2:03:53 It’s true.
2:03:54 It’s true.
2:04:00 No, not everybody has adopted the same social conventions.
2:04:02 It could be a touch of autism.
2:04:03 Yeah.
2:04:04 That’s a problem.
2:04:08 In other words, there are very high-functioning autistic people out there.
2:04:09 He’s brilliant.
2:04:18 And often, there are high people who are brilliant with autism.
2:04:24 Could you build an LLM that was more on one end of the spectrum versus the other to see
2:04:26 what kind of information they forage for?
2:04:27 I reviewed a paper.
2:04:30 Personally, it would be a really important thing to do.
2:04:31 It’s been done.
2:04:32 Okay.
2:04:37 There was a paper that I reviewed where they took the LLM and they fine-tuned it with different
2:04:44 data from people with different disorders, the autism and so forth.
2:04:49 And sociopaths, you know.
2:04:50 That’s scary.
2:04:51 But you want to know the answer.
2:04:52 No, no.
2:04:58 They got these LLMs to behave just like those people who have these disorders.
2:05:01 You can get them to behave that way, yes.
2:05:05 Could you do political leaning and values?
2:05:10 I haven’t seen that, but it’s pretty clear that to me at least that if you can do sociopathy,
2:05:15 you can probably do any political belief, you know.
2:05:19 But you could also view all this as, you could take benevolent tracks.
2:05:30 You could also say hypercreative, sensitive to emotional tone of voices and find out what
2:05:36 kind of information that person brings, excuse me, that LLM brings back versus somebody who
2:05:40 is very oriented towards just the content of people’s words as opposed to what, you
2:05:43 know, because among people, you find this.
2:05:46 You know, if you’ve ever left a party with a significant other and sometimes someone
2:05:51 will say, I’ve had this experience with like, did you see that interaction between so and
2:05:52 so?
2:05:53 I’m like, no, what are you talking about?
2:05:54 Like, did you hear that?
2:05:55 I’m like, no, not at all.
2:05:58 I didn’t hear, I heard the words, but I did not pick up on what you were picking up on.
2:06:03 And it was clear that there’s two very different experiences of the same content based purely
2:06:06 on a difference in interpretation of the tonality.
2:06:07 Okay.
2:06:14 There’s a lot of information that is, as you point out, which has to do with the tone,
2:06:21 the spatial expressions, you know, there’s a tremendous amount of information that is
2:06:27 past, not just with words, but with all the other parts, the visual input and so forth.
2:06:30 And some people are good at picking that up and others are not.
2:06:34 There’s a tremendous variability between individuals.
2:06:39 And you know, that’s the biology is all about diversity and it’s all about, you know, needing
2:06:47 a gene pool that’s very diverse so that you can evolve and survive catastrophic changes
2:06:50 that occur in a climate, for example.
2:07:08 But wouldn’t it be wonderful if we could create a LLM that could understand what those differences
2:07:09 are?
2:07:10 Now, just think about it, right?
2:07:14 That could truly diverse LLM that integrated all those differences.
2:07:15 Yeah, but here’s what you’d have to do.
2:07:21 What you’d have to do is to train it up on data from a bunch of individuals, human individuals.
2:07:27 Now, one of the things about these LLMs is that they don’t have a single persona.
2:07:30 They can adopt any persona.
2:07:33 You have to tell it what you’re expecting from.
2:07:37 Or ask it in a way that works for you and you’ll get back a certain persona.
2:07:44 If you, I once gave it an abstract from a paper, very technical, a computational paper.
2:07:52 And I said, “You are a neuroscientist, and I want you to explain this abstract to a ten-year-old.”
2:07:54 It did it in a way that I could never have done it.
2:07:57 It really simplified it.
2:08:02 Some of the subtleties were not in it, but it explained what plasticity it was and explained
2:08:03 what a synapse is.
2:08:04 It’s amazing.
2:08:05 It did that.
2:08:07 It’s like a qualifying exam for a graduate student.
2:08:13 I saw something today on X, formerly known as Twitter, that blew my mind that I wanted
2:08:14 your thoughts on that.
2:08:19 It was very appropriate to what you’re saying right now, which is someone was asking questions
2:08:25 of an LLM on chat GPT or maybe one of these other anthropic or Claude or something like
2:08:26 that.
2:08:27 I’ll probably misuse those names.
2:08:38 One of the AI online sites and somewhere in the middle of its answers, the LLM decided
2:08:43 to just take a break and start looking at pictures of landscapes in Yosemite.
2:08:52 Like the LLM was doing what a maybe cognitively fatigued person or what any kind of online
2:08:56 person online would do, which was to like take a break and look at a couple pictures
2:08:59 of something, maybe they’re thinking about going camping there or something and then
2:09:01 get back to whatever task.
2:09:06 We hear about hallucinations in AI that it can imagine things that aren’t there, just
2:09:11 like a human brain, but that blew my mind.
2:09:16 I haven’t encountered that, but it’s fascinating.
2:09:23 That’s a sign of a real generative internal model.
2:09:33 Here’s the thing that most distinguishes, I think, an LLM from a human is that if you
2:09:39 go into a room, quiet room, and just sit there without any sensory stimulation, your brain
2:09:40 keeps thinking.
2:09:47 In other words, you think about what you want to do, planning ahead or something that happened
2:09:53 to you during the day, your brain is always generating internally.
2:09:59 After talking to you, one of these large language models just goes blank.
2:10:06 There is no self-continuous, self-generated thoughts.
2:10:11 We know self-generated thought and in particular brain activity during sleep, as you illustrated
2:10:15 earlier with the example of sleep spindles and rapid eye movement sleep, are absolutely
2:10:24 critical for shaping the knowledge that we experienced during the day.
2:10:28 These LLMs are not quite where we are at yet.
2:10:38 They can outperform us in certain things like go, but how soon will we have LLMs, AI that
2:10:43 is, with self-generated internal activity?
2:10:48 We were getting closer, and so this is something I’m working on myself, actually trying to
2:10:56 understand how that’s done in our own brains was generating continual brain activity that
2:11:00 leads to planning and things.
2:11:04 We don’t know what the answer to that is yet in neuroscience.
2:11:11 By the way, you go to a lecture and you hear the words one after the next over an hour and
2:11:16 you see the slides went after the next, and then you ask a question.
2:11:18 Just think about what you just did.
2:11:24 Somehow, you’re able to integrate all that information over the hour and then use your
2:11:30 long-term memory then to come up with some insight or some issue that you want.
2:11:38 How did your brain remember all that information, traditional working memory that neuroscientists
2:11:39 study?
2:11:44 It’s only a few seconds, maybe a telephone number or something, but we’re talking about
2:11:46 long-term working memory.
2:11:53 We don’t understand how that was done, and LLMs, actually large language models, can
2:11:54 do something.
2:12:01 It’s called in-context learning, and it was a great surprise because there is no plasticity.
2:12:05 The thing learns at the beginning, you train it up on data, and then all it does after
2:12:12 that is to inference, fast loop of activity one word after the next.
2:12:16 That’s what happens with no learning, no learning.
2:12:24 But it’s been noticed that as you continue your dialogue, it seems to get better at things.
2:12:25 How could that be?
2:12:31 How could it be in-context learning, even though there’s no plasticity?
2:12:32 That’s a mystery.
2:12:35 We don’t know the answer to that question yet, but we also don’t know what the answer
2:12:36 it is.
2:12:39 What the answer is for humans, either.
2:12:40 Right.
2:12:47 Could I ask you a few questions about you and as it relates to science and your trajectory?
2:12:53 Building off of what you were just saying, do you have a practice of meditation or eyes
2:13:02 closed, sensory input, reduced or shut down to drive your thinking in a particular way,
2:13:06 or are you at your computer talking to your students in postdocs and sprinting on the
2:13:07 beach?
2:13:08 Orously.
2:13:12 No, it’s funny you mentioned that because I get my best ideas, not sprinting on the
2:13:18 beach, but just either walking or jogging.
2:13:19 It’s wonderful.
2:13:20 I don’t know.
2:13:21 I think serotonin goes up.
2:13:22 It’s another neuromodulator.
2:13:26 I think that that stimulates ideas and thoughts.
2:13:35 So inevitably, I come back to my office and I can’t remember any of those great ideas.
2:13:37 What do you do about that?
2:13:38 Well now I take notes.
2:13:39 Voice memos.
2:13:40 Yeah.
2:13:41 Uh-huh.
2:13:42 And some of them pan out.
2:13:44 There’s no doubt about it.
2:13:48 You’re put into a situation, it is a form of meditation.
2:13:56 If you’re running in a steady pace, nothing distracting about the beach.
2:13:57 Do you listen to music or podcasts?
2:14:01 No, I never listen to anything except my own thoughts.
2:14:06 So there’s a former guest on this podcast who, she happens to be triple-degreeed from
2:14:11 Harvard, but she’s more in the kind of like personal coach space, but very, very high
2:14:14 level and impressive mind, impressive human all around.
2:14:22 And she has this concept of wordlessness that can be used to accomplish a number of different
2:14:28 things, but this idea that allowing oneself or creating conditions for oneself to enter
2:14:35 states throughout the day, or maybe once a day, of very minimal sensory input.
2:14:39 No lecture, no podcast, no book, no music, nothing.
2:14:47 And allowing the brain to just kind of idle and go a little bit nonlinear, if you will.
2:14:51 Where we’re not constructing thoughts or paying attention to anyone else’s thoughts through
2:14:58 those media venues in any kind of structured way as a source of great ideas and creativity.
2:14:59 It’s been studied.
2:15:01 Psychologists call it mind wandering.
2:15:02 Mind wandering.
2:15:04 Yeah, it is a significant literature.
2:15:11 And it’s often when you have an aha moment, you know, your mind is wandering and it’s
2:15:20 thinking nonlinearly in the sense of not following a sequence that is logical, you know, hopping
2:15:22 from thing to thing.
2:15:27 Often that’s when you get a great idea with just letting your mind wander.
2:15:28 Yeah.
2:15:29 And that happens to me.
2:15:35 I wonder whether social media and just texting and phones in general have eliminated a lot
2:15:40 of the walks to the car after work where one would normally not be on a call or in communication
2:15:42 with anyone or anything.
2:15:47 I used to do experiments where I was, you know, like pipetting and running, you know,
2:15:49 it has to chemistry and it was very relaxing.
2:15:53 And I could think while I was doing, because I knew the procedures and then, you know,
2:15:55 you had to pay attention to certain things, write them down.
2:16:00 But I would often feel like, wow, I’m both working and relaxing and thinking of things.
2:16:02 And then I would listen to music sometimes.
2:16:11 Okay, so we have a whole session, you know, a clip in learning how to learn about exactly
2:16:14 this phenomenon.
2:16:16 Here’s what we tell our students, right?
2:16:20 Is that, you know, if you’re having trouble with some concept or, you know, you don’t
2:16:24 understand something, you’re beating your head against the wall.
2:16:27 Don’t stop, stop.
2:16:29 Just go off and do something.
2:16:31 Go off and clean the dishes.
2:16:34 Go off and, you know, walk around the block.
2:16:39 And inevitably what happens is when you come back, your mind is clear and you figure out
2:16:41 what to do.
2:16:45 And that’s one of the best pieces of advice that anybody could get.
2:16:51 Because, you know, we don’t, nobody has told us how the brain works, right?
2:16:57 Some people are really good at intuitings, because they’ve experienced, you may be, and
2:17:07 but everybody, okay, the other thing is everybody I know who’s really made important contributions.
2:17:11 And I’ll bet you’re one of them.
2:17:14 You know, you’re struggling with some problem at night and you go to bed and you wake up
2:17:17 in the morning, ah, that’s the solution.
2:17:18 That’s what I should do, right?
2:17:24 The first thing in the morning when I wake up is when I’m almost bombarded with, I wouldn’t
2:17:31 say insight and not always meaningful insight, but certainly what was unclear becomes immediately
2:17:32 clear on the way.
2:17:33 That’s right.
2:17:37 That’s the thing that is so amazing about sleep.
2:17:40 And you can see people who know this can count on it.
2:17:46 In other words, the key is to think about it before you go to sleep, right?
2:17:49 Your brain works on it during the sleep period, right?
2:17:52 And so, you know, don’t watch TV because then who knows what your brain is going to work
2:17:53 on.
2:17:59 You know, use the time before you fall asleep to think about something that is bothering
2:18:04 you or maybe something that, you know, you’re trying to understand, maybe, you know, a paper
2:18:09 that you read the paper and say, oh, you know, I’m tired, I’m going to go to sleep.
2:18:11 You wake up in the morning and say, oh, I know what’s going on in that paper.
2:18:12 Yeah.
2:18:13 I mean, that’s what happens.
2:18:16 You can use, you know, once you know something about how the brain works, you can take advantage
2:18:18 of that.
2:18:20 Do you pay attention to your dreams?
2:18:21 Do you record them?
2:18:22 No.
2:18:23 No.
2:18:24 Okay.
2:18:25 So here’s the problem.
2:18:36 Dreams seem so iconic and a lot of people, you know, somehow attribute things to them.
2:18:44 But there has never been any good theory or any good understanding, first of all, why
2:18:45 we dream.
2:18:47 It’s still not completely clear.
2:18:49 I mean, there are some ideas.
2:18:53 Or what, why this particular dream?
2:18:56 Does that have some significance for you?
2:19:03 And the only thing that I know that might explain a little bit is that, you know, the
2:19:08 dreams are often very visual, you know, rapid eye movement sleep so that there’s something
2:19:11 happening that actually is interesting.
2:19:15 All the neuromodulators are down-regulated during sleep, and then during REM sleep, the
2:19:16 acetylcholine comes up, right?
2:19:19 So that’s a very powerful neuromodulator.
2:19:22 It’s important for attention, for example.
2:19:27 But it doesn’t come up in the prefrontal cortex, which means that the circuits in the prefrontal
2:19:34 cortex that are interpreting the sensory input coming in are not turned on.
2:19:40 So any of these, whatever happens in your visual cortex is not being monitored anymore.
2:19:44 So you get bizarre things, you know, that you start floating and, you know, things happen
2:19:45 to you.
2:19:48 And, you know, it’s not anchored anymore.
2:19:51 And so, but that still doesn’t explain why, right?
2:19:53 Why you have that period.
2:19:57 It’s important because if you block it, and there are some sleeping pills that do block
2:20:04 it, you know, it really does cause problems with, you know, normal cognitive function.
2:20:05 Cannabis as well.
2:20:13 People who come off cannabis experience a tremendous REM rebound and lots of dreaming
2:20:17 in the, you know, the days and weeks and months after cannabis.
2:20:18 Wow.
2:20:21 I don’t want to call it withdrawal because that has a different meaning.
2:20:22 Yeah.
2:20:27 It’s say it’s an imbalance that was cause of, you know, because the brain adjusted to
2:20:31 the, you know, the endocannabinoid levels.
2:20:34 And now it’s got to go back and it takes time.
2:20:35 But it’s interesting.
2:20:36 It isn’t interesting.
2:20:37 It affects dreams.
2:20:38 I think that may be a clue.
2:20:39 Yeah.
2:20:42 Very, very common phenomenon.
2:20:45 I’m told I’m not a cannabis user, but no judgment there.
2:20:47 I just am not.
2:20:52 This is actually a book I read years ago when I was in college.
2:20:58 So a long time ago by Alan Hobson, who was out at Harvard who, oh, cool.
2:21:05 So I never met him, but he had this interesting idea that dreams in particular rapid eye movement
2:21:13 dreams were so very similar to the experience that one has on certain psychedelics, LSD,
2:21:17 Surgical Acid Diathomide, or psilocybin.
2:21:22 And that perhaps dreams are revealing the unconscious mind, you know, not saying this
2:21:25 in any psychological terms, you know, that, you know, when we’re asleep, our conscious
2:21:30 mind can’t control thought and action in the same way, obviously, and kind of a, it’s
2:21:35 sort of a recession of the water line, you know, so we’re getting more of the, the unconscious
2:21:36 processing revealed.
2:21:38 You know, that’s an interesting hypothesis.
2:21:40 How would you test it?
2:21:45 I probably have to put someone in a scanner, have them go to sleep, put them in the scanner
2:21:52 on a psilocybin journey, this kind of thing, you know, that it’s tough.
2:21:57 I mean, any of these observational studies, of course, we both know are deficient in the
2:22:00 sense that what you’d really like to do is control the neural activity.
2:22:04 You’d like to get in there and tickle the neurons over here and see how the brain changes
2:22:06 and you’d love to get real time subjective report.
2:22:09 This is the problem with sleep and dreaming is people, you can wake people up and ask
2:22:13 them what they were just dreaming about, but you can’t really know what they’re dreaming
2:22:16 about in real time.
2:22:17 It’s true.
2:22:18 Yeah, it’s true.
2:22:20 By the way, you know, there are two kinds of dreams.
2:22:21 Very interesting.
2:22:28 So if you wake someone up during REM sleep, you get very vivid changing dreams that are
2:22:31 always, they’re always different and changing.
2:22:36 But if you wake someone up during slow wave sleep, you often get a dream report, but it’s
2:22:40 a kind of dream that keeps repeating over and over again every night.
2:22:42 And it’s a very heavy emotional content.
2:22:43 Interesting.
2:22:45 That’s in slow wave sleep.
2:22:46 Yeah.
2:22:49 Because I’ve had a few dreams over and over and over throughout my life, so this would
2:22:50 be in slow wave sleep.
2:22:52 Yeah, probably slow wave sleep.
2:22:53 Yeah.
2:22:56 Fascinating.
2:23:01 As a neuroscientist who’s computationally oriented, but really you incorporate the biology
2:23:05 so well into your work, so that’s one of the reasons you’re you, you’re this luminary
2:23:11 of your field and who’s also now really excited about AI.
2:23:13 What are you most excited about now?
2:23:20 Like if you had, and of course this isn’t the case, but if you had like 24 more months
2:23:24 to just pour yourself into something and then you had to hand the keys to your lab over
2:23:28 to someone else, what would you go all in on?
2:23:33 Well, so the NIH has something called the Pioneer Award.
2:23:39 And what they’re looking for are big ideas that could have a huge impact, right?
2:23:50 So I put one in recently, and, and, and here’s the title is a temporal context in brains
2:23:52 and transformers.
2:23:54 And in brains and transforms?
2:23:55 Transformers.
2:23:56 Formers.
2:23:57 AI.
2:23:58 Right.
2:24:03 The, the key to chat GTP is the fact there’s this new architectures, deep learning architecture,
2:24:06 city forward network, but it’s called a transformer.
2:24:13 And it has certain parts in it that are unique as one called self-attention.
2:24:19 And it’s, it’s, it’s a way of doing what it’s called temporal context.
2:24:22 It what it does is it connects words that are far apart.
2:24:26 You give it a sequence of words and it can tell you the association, like if I use the
2:24:31 word this, and then you have to figure out in the last sentence what it did refer to
2:24:35 while there’s three or four nouns it could have referred to, but from context you can
2:24:37 figure out which one it does.
2:24:40 And you can learn that association.
2:24:44 Could I just play with another example to make sure I understand this correctly.
2:24:49 I’ve seen these word bubble charts, like if we were to say piano, you’d say keys, you’d
2:24:53 say music, you’d say seat, you’d, and then, you know, it kind of builds out a word cloud
2:24:54 of association.
2:24:55 Right.
2:24:57 And then over here we’d say, I don’t know, I’m thinking about the Salk Institute, I’d
2:25:02 say sunset, Stonehenge, anyone that looks up, either there’s this phenomenon, Salkhenge.
2:25:05 And then you start building out a word cloud over there.
2:25:10 These are disparate things, except I’ve been to a classical music concert at the Salk
2:25:11 Institute.
2:25:12 Yes, symphony of soul.
2:25:13 Twice.
2:25:15 So they’re not completely non-overlapping.
2:25:19 And so you start getting associations at a distance and eventually they bridge together.
2:25:20 Is this what you’re referring to?
2:25:21 Yes.
2:25:27 I think that that’s an example, but it turns out that every word is ambiguous as like
2:25:29 three, four meetings.
2:25:31 And so you have to figure that out from context.
2:25:38 And so in other words, there are words that live together and that come up often.
2:25:43 And you can learn that from just by, you know, predicting the next word in a sentence, that’s
2:25:45 how a transformer is trained.
2:25:48 You give it a bunch of words and it keeps predicting the next word in a sentence.
2:25:51 Like in my email now, it tries to predict the next word.
2:25:52 Exactly.
2:25:54 And it’s mostly right part of the time.
2:25:59 Okay, well, that’s because it’s a very primitive version of this algorithm.
2:26:08 What happens is if you train it up on enough, not only can it answer the next word, it internally
2:26:13 builds up a semantic representation in the same way you describe the words that are related
2:26:17 to each other, having associations.
2:26:22 It can figure that out and it has representations inside this very large network with trillions
2:26:27 of parameters and unbelievable how big they were gotten.
2:26:37 And those associations now form an internal model of the meaning of the sentence.
2:26:43 Literally it’s been, this is something that now we’ve probed these transformers and so
2:26:48 we pretty much are pretty confident.
2:26:53 And that means that it’s forming an internal model of the outside world, in this case a
2:26:56 bunch of words.
2:27:01 And that’s how it’s able to actually respond to you in a way that is sensible, that makes
2:27:05 sense and actually is interesting and so forth.
2:27:07 And it’s all for the self-attention, I’m talking about.
2:27:13 So in the case, my pioneer proposal is to figure out how does the brain do self-attention,
2:27:14 right?
2:27:17 It’s got to do it somehow.
2:27:21 Now I’ll give you a little hint.
2:27:22 Basal ganglia.
2:27:24 It’s in the basal ganglia.
2:27:25 That’s my hypothesis.
2:27:26 Well, we’ll see.
2:27:33 I mean, I’ll be working with experimental people.
2:27:38 I’ve worked with John Reynolds, for example, who studies primate visual cortex and we’ve
2:27:46 looked at traveling ways there and there are other people that have looked at in primates.
2:27:55 And so now these traveling waves, I think, are also a part of the puzzle, pieces of the
2:28:00 puzzle that are going to give us a much better view of how the cortex is organized and how
2:28:03 it interacts with the basal ganglia.
2:28:09 We’ve already been there, but neuroscientists have studied each one of these parts of the
2:28:13 brain independently and now we have to start thinking about putting the pieces of the puzzle
2:28:18 together, trying to get all the things that we know about these areas and see how they
2:28:21 work together in a computational way.
2:28:24 And that’s really where I want to go.
2:28:25 I love it.
2:28:28 And I do hope they decide to fund your pioneer work.
2:28:29 I do too.
2:28:35 And should they make the bad decision not to, we will figure out another way to get the
2:28:36 work done.
2:28:38 And certainly you will.
2:28:42 Terry, I want to thank you.
2:28:46 Thanks of all for coming here today, taking time out of your busy cognitive and running
2:28:51 and teaching and research schedule to share your knowledge with us.
2:28:55 And also for the incredible work that you’re doing on public education and teaching the
2:29:02 public, I should say, giving the public resources to learn how to learn better at zero cost.
2:29:08 So we will certainly provide links to learning how to learn and your book and to these other
2:29:10 incredible resources that you’ve shared.
2:29:15 And you’ve also given us a ton of practical tools today related to exercise mitochondria
2:29:18 and some of the things that you do, which of course are just your versions of what you
2:29:25 do, but that certainly, certainly are going to be a value to people, including me in our
2:29:28 cognitive and physical pursuits and frankly, just longevity.
2:29:34 I mean, this is not lost on me and those listening that your vigor is, as I mentioned
2:29:36 earlier, undeniable.
2:29:42 And it’s been such a pleasure over the years to just see the amount of focus and energy
2:29:47 and enthusiasm that you bring to your work and to observe that it not only hasn’t slowed,
2:29:49 but you’re picking up velocity.
2:29:51 So thank you so much for educating us today.
2:29:56 I know I speak on behalf of myself and many, many people listening and watching this is
2:30:01 a real gift, a real incredible experience to learn from you.
2:30:02 So thank you so much.
2:30:03 Well, thank you.
2:30:10 And I have to say that I’ve been blessed over the years with wonderful students and wonderful
2:30:15 colleagues and I count you among them who really I’ve learned a lot from.
2:30:24 But you know, we’re, you know, science is a social activity and we learn from each other
2:30:27 and we all make mistakes.
2:30:31 But we learn from our mistakes and that’s the beauty of science is that we can make progress.
2:30:37 Now, you know, your career has been remarkable too, because you have affected and influenced
2:30:47 more people than anybody else I know personally with the knowledge that you are broadcasting
2:30:52 through your interviews, but also, you know, just in terms of your interests, really, I’m
2:30:54 really impressed with what you’ve done.
2:31:00 And I want you to keep, you know, at it because we need people like you.
2:31:08 We need we need scientists who can actually express and reach the public.
2:31:11 If we if we don’t do that, everything we do is behind closed doors, right?
2:31:13 Nothing gets out.
2:31:19 And so you’re one of the best of the breed in terms of being able to explain things in
2:31:23 a clear way that gets through to more people than anybody else I know.
2:31:24 Well, thank you.
2:31:29 I’m very honored to hear that it’s a labor of love for me and and I’ll take those words
2:31:31 in and I really appreciate it.
2:31:34 It’s an honor and a privilege to sit with you today and please come back again.
2:31:36 I’ll be a love to I would love to you.
2:31:37 All right.
2:31:38 Thank you, Terry.
2:31:39 You’re welcome.
2:31:43 Thank you for joining me for today’s discussion with Dr. Terry Sienowski to find links to
2:31:47 his work, the zero cost online learning portal that he and his colleagues have developed
2:31:51 and to find links to his new book, please see the show note captions.
2:31:56 If you’re learning from and or enjoying this podcast, please subscribe to our YouTube channel.
2:31:58 That’s a terrific zero cost way to support us.
2:32:03 In addition, please follow the podcast on both Spotify and Apple and on both Spotify
2:32:06 and Apple, you can leave us up to a five star review.
2:32:10 Please check out the sponsors mentioned at the beginning and throughout today’s episode.
2:32:12 That’s the best way to support this podcast.
2:32:16 If you have questions or comments about the podcast or guests or topics that you’d like
2:32:20 me to consider for the Huberman Lab podcast, please put those in the comments section on
2:32:21 YouTube.
2:32:24 I do read all the comments for those of you that haven’t heard, I have a new book coming
2:32:25 out.
2:32:26 It’s my very first book.
2:32:30 It’s entitled protocols and operating manual for the human body.
2:32:33 This is a book that I’ve been working on for more than five years and that’s based on more
2:32:39 than 30 years of research and experience and it covers protocols for everything from sleep
2:32:44 to exercise to stress control protocols related to focus and motivation.
2:32:49 And of course, I provide the scientific substantiation for the protocols that are included.
2:32:53 The book is now available by presale@protocallsbook.com.
2:32:57 There you can find links to various vendors, you can pick the one that you like best.
2:33:02 Again, the book is called protocols and operating manual for the human body.
2:33:06 If you’re not already following me on social media, I am Huberman Lab on all social media
2:33:07 platforms.
2:33:11 So that’s Instagram, ex formerly known as Twitter, Threads, Facebook and LinkedIn.
2:33:15 And on all those platforms, I discuss science and science related tools, some of which overlaps
2:33:20 with the content of the Huberman Lab podcast, but much of which is distinct from the content
2:33:21 on the Huberman Lab podcast.
2:33:25 And again, that’s Huberman Lab on all social media platforms.
2:33:29 If you haven’t already subscribed to our neural network newsletter, our neural network newsletter
2:33:33 is a zero cost monthly newsletter that includes podcast summaries as well as protocols in
2:33:37 the form of brief one to three page PDFs.
2:33:41 Those one to three page PDFs cover things like deliberate heat exposure, deliberate cold
2:33:42 exposure.
2:33:43 We have a foundational fitness protocol.
2:33:47 We also have protocols for optimizing your sleep, dopamine and much more.
2:33:49 Again, all available, completely zero cost.
2:33:53 Simply go to HubermanLab.com, go to the menu tab, scroll down to newsletter and provide
2:33:55 your email.
2:33:57 We do not share your email with anybody.
2:34:01 Thank you once again for joining me for today’s discussion with Dr. Terry Sienowsky.
2:34:05 And last but certainly not least, thank you for your interest in science.
2:34:10 [MUSIC]
0:00:07 for everyday life.
0:00:14 I’m Andrew Huberman, and I’m a professor of neurobiology and ophthalmology at Stanford
0:00:15 School of Medicine.
0:00:17 My guest today is Dr. Terry Sagnowski.
0:00:22 Dr. Terry Sagnowski is a professor at the Salk Institute for Biological Studies, where
0:00:26 he directs the Computational Neurobiology Laboratory.
0:00:29 And as his title suggests, he is a computational neuroscientist.
0:00:34 That is, he uses math, as well as artificial intelligence, and computing methods to understand
0:00:38 this overarching, ultra-important question of how the brain works.
0:00:43 Now, I realize that when people hear terms like computational neuroscience, algorithms,
0:00:48 large language models, and AI, that it can be a bit overwhelming and even intimidating.
0:00:53 But I assure you that the purpose of Dr. Sagnowski’s work, and indeed today’s discussion, is all
0:00:59 about using those methods to clarify how the brain works, and indeed to simplify the answer
0:01:00 to that question.
0:01:05 So for instance, today you will learn that regardless of who you are, regardless of your
0:01:11 experience, that all your motivation in all domains of life is governed by a simple algorithm
0:01:12 or equation.
0:01:17 Dr. Sagnowski explains how a single rule, a single learning rule, drives all of our
0:01:19 motivation-related behaviors.
0:01:22 And it, of course, relates to the neuromodulator dopamine.
0:01:25 And if you’re familiar with dopamine as a term, today you will really understand how
0:01:31 dopamine works to drive your levels of motivation, or in some cases, lack of motivation, and
0:01:34 how to overcome that lack of motivation.
0:01:36 Today we also discuss how best to learn.
0:01:41 Dr. Sagnowski shares not just information about how the brain works, but also practical
0:01:46 tools that he and colleagues have developed, including a zero-cost online portal that teaches
0:01:52 you how to learn better based on your particular learning style, the way that you in particular
0:01:55 forge for information and implement that information.
0:02:01 Dr. Sagnowski also explains how he himself uses physical exercise of a particular type
0:02:06 in order to enhance his cognition, that is, his brain’s ability to learn information and
0:02:08 to come up with new ideas.
0:02:12 Today we also discuss both the healthy brain and the diseased brain in conditions like
0:02:18 Parkinson’s and Alzheimer’s, and how particular tools that relate to mitochondrial function
0:02:23 can perhaps be used in order to treat various diseases, including Alzheimer’s dementia.
0:02:26 I’m certain that by the end of today’s episode, you will have learned a tremendous
0:02:31 amount of new knowledge about how your brain works and practical tools that you can implement
0:02:32 in your daily life.
0:02:36 Before we begin, I’d like to emphasize that this podcast is separate from my teaching
0:02:38 and research roles at Stanford.
0:02:42 It is, however, part of my desire and effort to bring zero-cost to consumer information
0:02:46 about science and science-related tools to the general public.
0:02:50 In keeping with that theme, I’d like to thank the sponsors of today’s podcast.
0:02:52 Our first sponsor is BetterHelp.
0:02:56 BetterHelp offers professional therapy with a licensed therapist carried out completely
0:02:57 online.
0:02:59 I’ve been doing weekly therapy for well over 30 years.
0:03:01 Initially, I didn’t have a choice.
0:03:04 It was a condition of being allowed to stay in school, but pretty soon I realized that
0:03:07 therapy is an extremely important component to one’s overall health.
0:03:12 In fact, I consider doing regular therapy just as important as getting regular exercise,
0:03:16 including cardiovascular exercise and resistance training, which, of course, I also do every
0:03:17 single week.
0:03:21 Now, there are essentially three things that great therapy provides.
0:03:25 First of all, it provides a good rapport with somebody that you can trust and talk to about
0:03:27 essentially all issues that you want to.
0:03:31 Second of all, great therapy provides support in the form of emotional support or simply
0:03:36 directed guidance, what to do or what not to do in given areas of your life.
0:03:40 And third, expert therapy can provide you useful insights that you would not have been
0:03:42 able to arrive at on your own.
0:03:46 BetterHelp makes it very easy to find an expert therapist who you really resonate with and
0:03:50 that can provide you the benefits I just mentioned that come with effective therapy.
0:03:56 If you’d like to try BetterHelp, go to betterhelp.com/huberman to get 10% off your first month.
0:03:59 Again, that’s betterhelp.com/huberman.
0:04:03 Today’s episode is also brought to us by Helix Sleep.
0:04:07 Helix Sleep makes mattresses and pillows that are customized to your unique sleep needs.
0:04:11 Now I’ve spoken many times before on this and other podcasts about the fact that getting
0:04:16 a great night’s sleep is the foundation of mental health, physical health and performance.
0:04:19 Now the mattress you sleep on makes a huge difference in terms of the quality of sleep
0:04:20 that you get each night.
0:04:25 How soft it is or how firm it is, how breathable it is, all play into your comfort and need
0:04:27 to be tailored to your unique sleep needs.
0:04:32 If you go to the Helix website, you can take a brief two minute quiz and it asks you questions
0:04:34 such as, “Do you sleep on your back, your side or your stomach?
0:04:36 Do you tend to run hot or cold during the night?”
0:04:37 Because of that sort.
0:04:40 Maybe you know the answers to those questions, maybe you don’t.
0:04:43 Either way, Helix will match you to the ideal mattress for you.
0:04:46 For me, that turned out to be the Dusk mattress, the USK.
0:04:50 I started sleeping on a Dusk mattress about three and a half years ago and it’s been
0:04:52 far and away the best sleep that I’ve ever had.
0:04:57 If you’d like to try Helix, you can go to helixsleep.com/huberman.
0:05:01 Take that two minute sleep quiz and Helix will match you to a mattress that is customized
0:05:02 for your unique sleep needs.
0:05:08 By the month of November 2024, Helix is giving up to 25% off on all mattress orders and two
0:05:09 free pillows.
0:05:15 Again, that’s helixsleep.com/huberman to get up to 25% off and two free pillows.
0:05:18 Now for my discussion with Dr. Terry Sainowski.
0:05:21 Dr. Terry Sainowski, welcome.
0:05:23 Great to be here.
0:05:28 We go way back and I’m a huge, huge fan of your work because you’ve worked on a great
0:05:31 many different things in the field of neuroscience.
0:05:36 You’re considered by many a computational neuroscience, so you bring mathematical models to an understanding
0:05:40 of the brain and neural networks and we’re also going to talk about AI today and we’re
0:05:45 going to make it accessible for everybody, biologist or no, math background or no.
0:05:50 To kick things off, I want to understand something.
0:05:55 I understand a bit about the parts list of the brain and most listeners of this podcast
0:05:58 will understand a little bit of the parts list of the brain even if they’ve never heard
0:06:01 an episode of this podcast before because they understand there are cells, those cells
0:06:05 are neurons, those neurons connect to one another in very specific ways that allow us
0:06:09 to see, to hear, to think, et cetera.
0:06:15 I’ve come to the belief that even if we know the parts list, it doesn’t really inform us
0:06:17 how the brain works.
0:06:18 This is the big question.
0:06:19 How does the brain work?
0:06:20 What is consciousness?
0:06:23 All of this stuff.
0:06:30 Here and how does an understanding of how neurons talk to one another start to give us a real
0:06:33 understanding about how the brain works?
0:06:36 What is this piece of meat in our heads?
0:06:42 Because it can’t just be, okay, the hippocampus remembers stuff and the visual cortex perceives
0:06:43 stuff.
0:06:48 When you sit back and you remove the math from the mental conversation, if that’s possible
0:06:53 for you, how do you think about, quote, unquote, how the brain works?
0:07:00 At a very basic level, what is this piece of meat in our heads really trying to accomplish?
0:07:03 Let’s just say the time when we first wake up in the morning and we’re a little groggy
0:07:09 till we make it to that first cup of coffee or water, or maybe even just to urinate first
0:07:10 thing in the morning.
0:07:11 What is going on in there?
0:07:16 What a great question.
0:07:23 I have a — Pat Churchley and I wrote a book, “Computational Brain,” and in it, there’s
0:07:30 this levels diagram, and it levels of investigation at different spatial scales from the molecular
0:07:37 at the very bottom to synapses and neurons, circuits, neural circuits, how they’re connected
0:07:43 with each other, and then brain areas in the cortex and then the whole central nervous
0:07:51 system span 10 orders of magnitude, 10th to the 10th, in spatial scale.
0:07:56 Where is consciousness in all of that?
0:07:59 There are two approaches that neuroscientists have taken.
0:08:05 I shouldn’t say neuroscientists, I should say that scientists have taken, and the one
0:08:10 you described, which is, let’s look at all the parts, that’s the bottom-up approach.
0:08:15 Take it apart and just reductionist approach, and you make a lot of progress.
0:08:19 You can figure out how things are connected and understand how development works, how
0:08:26 neurons connect, but it’s very difficult to really make progress because quickly you get
0:08:28 lost in the forest.
0:08:37 Now the other approach, which has been successful, but at the end unsatisfying, is the top-down
0:08:43 approach, and this is the approach that psychologists have taken looking at behavior and trying to
0:08:53 understand the laws of behavior, this is the behaviorist, but even people in AI were trying
0:09:00 to do a top-down, to write programs that could replicate human behavior, intelligent behavior.
0:09:06 I have to say that both of those approaches, bottom-up or top-down, have really not gotten
0:09:11 to the core of answering any of those questions, the big questions.
0:09:17 But there’s a whole new approach now that is emerging in both neuroscience and AI at
0:09:22 exactly the same time, and at this moment in history it’s really quite remarkable.
0:09:27 So there’s an intermediate level between the implementation level at the bottom, how you
0:09:38 implement some particular mechanism, and the actual behavior of the whole system is called
0:09:42 the algorithmic level, it’s in between.
0:09:48 So algorithms are like recipes, they’re like when you bake a cake, you have to have ingredients
0:09:55 and you have to say the order in which they’re put together and how long, and if you get
0:10:00 it wrong it doesn’t work, it’s just a mess.
0:10:06 Now it turns out that we’re discovering algorithms, we’ve made a lot of progress with understanding
0:10:14 the algorithms that are used in neural circuits, and this speaks to the computational level
0:10:21 of how to understand the function of the neural circuit, but I’m going to give you one example
0:10:29 of an algorithm, which is one we worked on back in the 1990s when Peter Dayan and Reid
0:10:35 Montague were postdocs in the lab, and it had to do with a part of the brain below the
0:10:43 cortex called the basal ganglia, which is responsible for learning sequences of actions
0:10:46 in order to achieve some goal.
0:10:51 For example, if you want to play tennis, you have to be able to coordinate many muscles
0:10:56 and a whole sequence of actions has to be made if you want to be able to serve accurately
0:11:01 and you have to practice, practice, practice, well what’s going on there is that the basal
0:11:08 ganglia basically is taking over from the cortex and producing actions that get better
0:11:14 and better and better and better, and that’s true not just of the muscles, but it’s also
0:11:15 true of thinking.
0:11:21 If you want to become good in any area, if you want to become a good financier, if you
0:11:29 want to become a good doctor or a neuroscientist, you have to be practicing, practicing, practicing
0:11:38 in terms of understanding the details of the profession and what works, what doesn’t work
0:11:43 and so forth, and it turns out that the basal ganglia interacts with the cortex not just
0:11:47 in the back, which is the action part, but also with the prefrontal cortex, which is
0:11:48 the thinking part.
0:11:51 Can I ask you a question about this briefly?
0:11:56 The basal ganglia, as I understand, are involved in the organization of two major types of
0:12:03 behaviors, go, meaning to actually perform a behavior, but the basal ganglia also instruct
0:12:09 no go, don’t engage in that behavior, and learning an expert golf swing or even a basic
0:12:14 golf swing or tennis racket swing involves both of those things, go and no go.
0:12:21 Given what you just said, which is that the basal ganglia are also involved in generating
0:12:28 thoughts of particular kinds, I wonder therefore if it’s also involved in suppression of thoughts
0:12:29 of particular kinds.
0:12:35 I mean, you don’t want your surgeon cutting into a particular region and just thinking
0:12:38 about their motor behaviors, what to do and what not to do.
0:12:42 They presumably need to think about what to think about, but also what to not think about.
0:12:47 You don’t want that surgeon thinking about how their kid was a brat that morning, and
0:12:50 they’re frustrated because the two things interact.
0:12:54 Is there go no go in terms of action and learning, and is there go no go in terms of thinking?
0:13:00 Well, I mentioned the prefrontal cortex and that part, the loop with the basal ganglia,
0:13:05 that is one of the last to mature in early adulthood.
0:13:11 The problem is that for adolescents, it’s not the no go part for planning and actions.
0:13:17 This isn’t quite there yet, and so often it doesn’t kick in to prevent you from doing
0:13:19 things that are not in your best interest.
0:13:25 Yes, absolutely right, but one of the things though is that learning is involved, and this
0:13:32 is really a problem that we cracked first theoretically in the ’90s and then experimentally
0:13:37 later by recording from neurons and also brain imaging in humans.
0:13:44 So it turns out we know the algorithm that is used in the brain for how to learn sequences
0:13:51 of actions to achieve a goal, and it’s the simplest possible algorithm you can imagine.
0:13:56 It’s simply to predict the next reward you’re going to get.
0:14:05 If I do an action, will it give me something of value, and you’ll learn every time you
0:14:10 try something, whether you got the amount of reward you expected or less, you use that
0:14:16 to update the synapses, synaptic plasticity, so that the next time you’ll have a better
0:14:21 chance of getting a better reward, and you build up what’s called a value function.
0:14:27 So the cortex now, over your lifetime, is building up a lot of knowledge about things
0:14:30 that are good for you, things that are bad for you, like you go to a restaurant, you
0:14:33 order something, how do you know what’s good for you, right?
0:14:39 You’ve had lots of meals in a lot of places, and now that is part of your value function.
0:14:43 This is the same algorithm that was used by AlphaGo.
0:14:46 This is the program that DeepMind built.
0:14:53 This is an AI program that beat the world Go Champion, and Go is the most complex game
0:14:58 that humans have ever played on a regular basis.
0:15:00 Far more complex than chess, as I understand.
0:15:01 Yeah, that’s right.
0:15:06 So Go is to chess with chess as to something like checkers.
0:15:12 In other words, the level of difficulty is another way off above it, because you have
0:15:18 to think in terms of battles going on all over the place at the same time, and the order
0:15:24 in which you put the pieces down are going to affect what’s going to happen in the future.
0:15:29 So this value function is super interesting, and I wonder whether, and I think you answered
0:15:36 this, but I wonder whether this value function is implemented over long periods of time.
0:15:42 So you talked about the value function in terms of learning a motor skill.
0:15:47 Let’s say swinging a tennis racket to do a perfect tennis serve, or even just a decent
0:15:49 tennis serve.
0:15:54 When somebody goes back to the court, let’s say on the weekend, once a month over the course
0:16:00 of years, are they able to tap into that same value function every time they go back, even
0:16:04 though there’s been a lot of intervening time and learning?
0:16:05 That’s question number one.
0:16:09 And then the other question is, do you think that this value function is also being played
0:16:15 out in more complex scenarios, not just motor learning, such as, let’s say, a domain of
0:16:21 life that for many people involves some trial and error, it would be like human relationships.
0:16:23 We learn how to be friends with people.
0:16:25 We learn how to be a good sibling.
0:16:28 We learn how to be a good romantic partner.
0:16:30 We get some things right, we get some things wrong.
0:16:35 So as the same value function being implemented, we’re paying attention to what was rewarding,
0:16:38 but what I didn’t hear you say also was what was punishing.
0:16:43 Are we only paying attention to what is rewarding, or we’re also integrating punishment?
0:16:47 We don’t get an electric shock when we get the serve wrong, but we can be frustrated.
0:16:58 What you identified is a very important feature, which is that rewards, by the way, every time
0:17:03 you do something, you’re updating this value function every time, and it accumulates.
0:17:07 And the answer to your first question, the answer is that it’s always going to be there.
0:17:09 It doesn’t matter.
0:17:15 It’s a very permanent part of your experience and who you are.
0:17:23 And interestingly, and the behaviorists knew this back in the 1950s, that you can get there
0:17:27 two ways of trial and error.
0:17:35 Small rewards are good because you’re constantly coming closer and closer to getting what you’re
0:17:41 seeking, a better tennis player or being able to make a friend.
0:17:52 But the negative punishment is much more effective, one trial learning.
0:18:00 You don’t need to have 100 trials, which you need when you’re training a rat to do some
0:18:03 task with small food rewards.
0:18:06 But if you just shock the rat, boy, that rat doesn’t forget that.
0:18:12 Yeah, one really bad relationship will have you learning certain things forever.
0:18:17 And this is also PTSD, post-traumatic stress disorder is another good example of that.
0:18:21 That can screw you up for the rest of your life.
0:18:25 But the other thing, and you pointed out something really important, which is that a large part
0:18:30 of the prefrontal cortex is devoted to social interactions.
0:18:33 And this is how humans, when you come into the world, you don’t know what language you’re
0:18:34 going to be speaking.
0:18:40 You don’t know what the cultural values are that you’re going to have to be able to become
0:18:44 a member of this society and things that are expected of you.
0:18:50 All of that has to become through experience, through building this value function.
0:18:53 And this is something we discovered in the 20th century.
0:18:58 And now it’s going into AI, it’s called reinforcement learning in AI.
0:19:02 It’s a form of procedural learning as opposed to the cognitive level where you think and
0:19:04 you do things.
0:19:10 Cognitive thinking is much less efficient because you have to go step by step with procedural
0:19:12 learning.
0:19:13 It’s automatic.
0:19:19 Can you give me an example of procedural learning in the context of a comparison to
0:19:20 cognitive learning?
0:19:27 Like, is there an example of perhaps like how to make a decent cup of coffee using purely
0:19:33 knowledge-based learning versus procedural learning where procedural learning wins?
0:19:36 And I can imagine one, but you’re the true expert here.
0:19:42 Well, you know a lot of examples, but since we’ve been talking about tennis, can you
0:19:45 imagine learning how to play tennis through a book, reading a book?
0:19:46 That’s so funny.
0:19:52 On the plane back from Nashville yesterday, the guy sitting across the aisle from me was
0:19:57 reading a book about maybe he was working on his pilot’s license or something.
0:20:02 And I looked over and couldn’t help but notice these diagrams of the plane flying.
0:20:07 And I thought, I’m just so glad that this guy is a passenger and not a pilot.
0:20:10 And then I thought about how the pilot’s learned and presumably it was a combination
0:20:14 of practical learning and textbook learning.
0:20:17 I mean, when you scuba dive, this is true, I’m scuba dive certified.
0:20:21 And when you get your certification, you learn your dive tables and you learn why you have
0:20:25 to wait between dives, et cetera, and gas exchange and a number of things.
0:20:30 But there’s really no way to simulate what it is to take your mask off underwater, put
0:20:33 it back on, and then blow the water out of your mask.
0:20:37 You just have to do that in a pool and you actually have to do it when you need to for
0:20:41 it to really get drilled in.
0:20:49 It’s really essential for things that have to be executed quickly and expertly to get
0:20:54 that really down pat so you don’t have to think.
0:20:58 And this happens in school, right?
0:21:04 In other words, you have classroom lessons where you’re given explicit instruction, but
0:21:07 then you go do homework.
0:21:08 That’s procedural learning.
0:21:09 You do problems.
0:21:10 You solve problems.
0:21:18 And I’m a PhD physicist, so I went through all of the classes in theoretical physics.
0:21:24 And it was really the problems that really were the core of becoming a good physicist.
0:21:28 You can memorize the equations, but that doesn’t mean you understand how to use the equations.
0:21:29 I think it’s worth highlighting something.
0:21:33 A lot of times on this podcast, we talk about what I call protocols.
0:21:37 It would be like get some morning sunlight in your eyes to stimulate your suprachiasmatic
0:21:41 nucleus by way of your retinal ganglion cells, audiences of this podcast will recognize those
0:21:42 terms.
0:21:45 It’s basically get sunlight in your eyes in the morning and set your circadian clock.
0:21:50 And you can hear that a trillion times, but I do believe that there’s some value to both
0:21:54 knowing what the protocol is, the underlying mechanisms.
0:21:58 There are these things in your eye that encode the sunrise qualities of light, et cetera,
0:22:01 and then send them to your brain, et cetera, et cetera.
0:22:07 But then once we link knowledge, pure knowledge, to a practice, I do believe that the two things
0:22:14 merge someplace in a way that, let’s say reinforces both the knowledge and the practice.
0:22:16 So these things are not necessarily separate.
0:22:17 They bridge.
0:22:22 In other words, doing your theoretical physics problem sets reinforces the examples that
0:22:26 you learned in lecture and in your textbooks and vice versa.
0:22:33 So this is a battle that’s going on right now in schools.
0:22:35 What you just said is absolutely right.
0:22:36 You need both.
0:22:37 We have two major learning systems.
0:22:40 We have a cognitive learning system, which is cortical.
0:22:47 We have procedural learning system, which is subcortical, basal ganglia.
0:22:49 And the two go hand in hand.
0:22:54 If you want to become good at anything, the two are going to help each other.
0:22:59 And what’s going on right now in schools, in California at least, is that they’re trying
0:23:01 to get rid of the procedural.
0:23:02 That’s ridiculous.
0:23:09 They don’t want students to practice because it’s going to be, you’re stressing them.
0:23:13 You don’t want them to feel that they’re having difficulty.
0:23:14 But it can do everything.
0:23:20 For those listening, I’m covering my eyes because this would be saying, goodness, there’s
0:23:21 so many examples.
0:23:24 Like here’s a textbook on swimming and then you’re going to go out to the ocean someday
0:23:28 and you will never actually swim.
0:23:33 And now you’re expected to be able to survive, let alone swim well.
0:23:34 It’s crazy.
0:23:43 I’ll tell you, Barbara Oakley and I have a MOOC, Massive Open Online Course, on Learning
0:23:44 How to Learn.
0:23:49 And it helps students, we aimed at students, but it actually has been taken by 4 million
0:23:53 people in 200 countries ages 10 to 90.
0:23:54 What is this called?
0:23:55 Learning How to Learn.
0:23:58 Is it, is there a paywall?
0:24:00 No, it’s free, completely free.
0:24:01 Amazing.
0:24:07 And, you know, I get incredible feedback, fan letters almost every day.
0:24:09 Well, you’re about to get a few more.
0:24:12 I did an episode on learning how to learn and my understanding of the research is that
0:24:15 we need to test ourselves on the material.
0:24:22 The testing is not just a form of evaluation, it is a form of identifying the errors that
0:24:27 help us then compensate for the errors and learn, but it’s very procedural.
0:24:31 It’s not about just listening and regurgitating.
0:24:35 You know, you put your finger on it, which is that, and this is what we teach the students,
0:24:43 is that you have to, the way the brain works, right, is not, it doesn’t memorize things
0:24:48 like a computer, but you have to, it has to be active learning.
0:24:49 You have to actively engage.
0:24:55 In fact, when you’re trying to solve a problem on your own, right, this is where you’re really
0:24:58 learning by trial and error, and that’s the procedural system.
0:25:03 But if someone tells you what the right answer is, you know, that’s just something that is
0:25:08 a fact that it gets stored away somewhere, but it’s not going to automatically come up
0:25:13 if you actually are faced with something that’s not exactly the same problem, but is similar.
0:25:22 And by the way, this is the key to AI, completely essential for the recent success of these large
0:25:28 language models that the public now is beginning to use, is that they’re not parrots.
0:25:34 They just, they’re not, they just don’t memorize what the data that they’ve taken in.
0:25:36 They have to generalize.
0:25:40 That means to be able to do well on new things that come in that are similar to the old things
0:25:45 that you’ve seen, but allow you to solve new problems.
0:25:47 That’s the key to the brain.
0:25:50 The brain is really, really good at generalizing.
0:25:55 In fact, in many cases, you only need one example to generalize.
0:26:02 But going to a restaurant for the first time, there are a number of new interactions, right?
0:26:04 There might be a host or a hostess.
0:26:06 You sit down at these tables you’ve never sat at.
0:26:07 Somebody asks you questions.
0:26:08 You read it.
0:26:09 Okay.
0:26:14 Maybe it’s a QR code these days, but forever after you understand the process of going
0:26:19 into a restaurant, doesn’t matter what the genre of food happens to be or what city, sitting
0:26:22 inside or outside, you can pretty much work it out.
0:26:23 Sit at the counter.
0:26:24 Sit outside.
0:26:25 Sit at the table.
0:26:31 There are a number of key action steps that I think pretty much translate to everywhere,
0:26:36 unless you go to some super high-end thing or some super low-end thing where it’s a buffet
0:26:37 or whatever.
0:26:39 You can start to fill in the blanks here.
0:26:45 If I understand correctly, there’s an action function that’s learned from the knowledge
0:26:46 and the experience.
0:26:47 Exactly.
0:26:50 Then where is that action function stored?
0:26:54 Is it in one location in the brain or is it kind of an emergent property of multiple brain
0:26:55 areas?
0:27:00 You’re right at the cusp here of where we are in neuroscience right now.
0:27:02 We don’t know the answer to that question.
0:27:14 In the past, it had been thought that the cortex were like countries that each of which,
0:27:20 each part of the cortex was dedicated to one function, right?
0:27:23 Interestingly, you record for the neurons and it certainly looks that way, right?
0:27:28 In other words, there’s a visual cortex in the back and there’s a whole series of areas
0:27:32 and then there’s the auditory cortex here in the middle and then the prefrontal cortex
0:27:34 for social interaction.
0:27:39 It looked really clear-cut that it’s modular.
0:27:45 Now, what we’re facing is we have a new way to record from neurons.
0:27:52 Optically, we can record from tens of thousands, from dozens of areas simultaneously and what
0:27:57 we’re discovering is that if you want to do any task, you’re engaging not just the
0:28:05 area that you might think has the input coming into the visual system, but the visual system
0:28:08 is getting input from the motor system, right?
0:28:12 In fact, there’s more input coming from the motor system than from the eye.
0:28:13 Really?
0:28:14 Yes.
0:28:18 That’s right, Ellen at UCLA has shown that in the mouse.
0:28:26 This is so now we’re looking at global interactions between all these areas and that’s where real
0:28:30 complex cognitive behaviors emerge is from those interactions.
0:28:34 Now we have the tools for the first time to actually be able to see them in real time
0:28:44 and we’re doing that now first on mice and monkeys, but we now can do this in humans.
0:28:49 So I’ve been collaborating with a group at Mass General Hospital to record from people
0:28:55 with epilepsy and they have to have an operation for people who are drug resistant to be able
0:29:02 to find out where it starts in the cortex and where it is initiated, where the seizure
0:29:07 starts and then to go in, you have to go in and record simultaneously from a lot of parts
0:29:13 of the cortex for weeks until you find out where it is and then you go in and you try
0:29:21 to take it out and often that helps, very, very invasive, but for two weeks we have access
0:29:28 to all those neurons in that cortex that are being recorded from constantly and so I started
0:29:33 out because I was interested in sleep and I wanted to understand what happens in the
0:29:41 cortex of a human during sleep, but then we realized that you can also figure people
0:29:46 who have these debilitating problems with seizures, they’re there for two weeks and
0:29:51 they have nothing to do, so they just love the fact that scientists are interested in
0:29:57 helping them and teaching them things and finding out where in the cortex things are
0:30:00 happening when they learn something.
0:30:05 This is a goldmine, it’s unbelievable and I’ve learned things from humans that I could
0:30:07 have never gotten from any other species.
0:30:08 Amazing.
0:30:13 So, I know which is one of them, but there are other things in sleep that we’ve discovered
0:30:15 having to do with traveling waves.
0:30:20 There are circular traveling waves that go on during sleep, which is astonishing, nobody
0:30:24 ever really saw that before.
0:30:29 If you were to ascribe one or two major functions to these traveling waves, what do you think
0:30:31 they are accomplishing for us in sleep?
0:30:35 And by the way, are they associated with deep sleep, slow wave sleep or with rapid eye movement
0:30:37 sleep or both?
0:30:47 This is non-rem sleep, this is a jargon, but this is during intermediate transition states.
0:30:48 Our audience will probably be keep up.
0:30:52 They’ve heard a lot about slow wave sleep from me and that walker from rapid eye movements.
0:30:53 Light slow wave sleep.
0:30:56 And so what are these traveling waves accomplished for us?
0:31:04 In the case of, they’re called sleep spindles, the waves last for about a second or two and
0:31:08 they travel, like I say, in a circle around the cortex.
0:31:13 And it’s known that these spindles are important for consolidating experiences you’ve had during
0:31:18 the day into your long-term memory storage.
0:31:26 So, it’s a very important function and if you take out, see, it’s the hippocampus that
0:31:28 is replaying the experiences.
0:31:30 It’s a part of the brain is very important for long-term memory.
0:31:34 If you don’t have a hippocampus, you can’t learn new things.
0:31:40 As I say, you can’t remember what you did yesterday or for that matter, even an hour
0:31:41 earlier.
0:31:46 But the hippocampus plays back your experiences, causes the sleep spindles now to need that
0:31:48 into the cortex.
0:31:53 And it’s important you do that right because you don’t want to overwrite the existing knowledge
0:31:54 you have.
0:31:58 You just want to basically incorporate the new experience into your existing knowledge
0:32:03 base in an efficient way that doesn’t interfere with what you already know.
0:32:07 So, that’s an example of a very important function that these traveling ways have.
0:32:11 I’d like to take a quick break and acknowledge our sponsor, AG1.
0:32:16 AG1 is a vitamin mineral probiotic drink that includes prebiotics and adaptogens.
0:32:22 I’ve been drinking AG1 since 2012 and I started doing it at a time when my budget was really
0:32:23 limited.
0:32:26 In fact, I only had enough money to purchase one supplement and I’m so glad that I made
0:32:28 that supplement, AG1.
0:32:31 The reason for that is even though I strive to eat whole foods and unprocessed foods,
0:32:36 it’s very difficult to get enough vitamins and minerals, micronutrients, and adaptogens
0:32:39 from diet alone in order to make sure that I’m at my best, meaning have enough energy
0:32:44 for all the activities I participate in from morning until night, sleeping well at night
0:32:46 and keeping my immune system strong.
0:32:51 When I take AG1 daily, I find that all aspects of my health, my physical health, my mental
0:32:55 health, my performance, recovery from exercise, all of those improve.
0:32:58 And I know that because I’ve had lapses when I didn’t take my AG1 and I certainly felt
0:32:59 the difference.
0:33:03 I also notice, and this makes perfect sense given the relationship between the gut microbiome
0:33:08 and the brain, that when I regularly take AG1, that I have more mental clarity and more
0:33:09 mental energy.
0:33:16 If you’d like to try AG1, you can go to drinkag1.com/huberman to claim a special offer.
0:33:21 For this month only, November 2024, AG1 is giving away a free one month supply of omega-3
0:33:26 fatty acids from fish oil, in addition to their usual welcome kit of five free travel
0:33:29 packs and a year supply of vitamin D3K2.
0:33:33 As I’ve discussed many times before on this podcast, omega-3 fatty acids are critical
0:33:36 for brain health, mood, cognition, and more.
0:33:41 Again, go to drinkag1.com/huberman to claim this special offer.
0:33:44 Today’s episode is also brought to us by David.
0:33:47 David makes a protein bar unlike any other.
0:33:53 It has 28 grams of protein, only 150 calories and 0 grams of sugar.
0:33:57 That’s right, 28 grams of protein and 75% of its calories come from protein.
0:33:59 These bars from David also taste amazing.
0:34:03 My favorite flavor is chocolate chip cookie dough, but then again I also like the chocolate
0:34:06 fudge flavored one and I also like the cake flavored one.
0:34:08 Basically, I like all the flavors.
0:34:09 They’re incredibly delicious.
0:34:12 For me personally, I strive to eat mostly whole foods.
0:34:16 However, when I’m in a rush, or I’m away from home, or I’m just looking for a quick
0:34:20 afternoon snack, I often find that I’m looking for a high quality protein source.
0:34:25 With David, I’m able to get 28 grams of protein with the calories of a snack, which makes
0:34:29 it very easy to hit my protein goals of one gram of protein per pound of body weight each
0:34:30 day.
0:34:33 And it allows me to do that without taking in excess calories.
0:34:37 I typically eat a David bar in the early afternoon or even mid-afternoon if I want
0:34:39 to bridge that gap between lunch and dinner.
0:34:43 I like that it’s a little bit sweet so it tastes like a tasty snack, but it’s also
0:34:48 giving me that 28 grams of very high quality protein with just 150 calories.
0:34:52 If you would like to try David, you can go to davidprotein.com/huberman.
0:34:57 Again, the link is davidprotein.com/huberman.
0:35:03 As I recall, there are one or two things that one can do in order to ensure that one gets
0:35:09 sufficient sleep spindles at night and thereby incorporate this new knowledge.
0:35:14 This was from the episode that we did with Gina Poe from UCLA, I believe, and others,
0:35:16 including Matt Walker.
0:35:20 My recollection is that the number one thing is to make sure you get enough sleep at night
0:35:22 so you experience enough of these spindles.
0:35:26 And we’re all familiar with the cognitive challenges, including memory challenges and
0:35:30 learning challenges associated with lack of sleep, insufficient sleep.
0:35:36 The other was that there was some interesting relationship between daytime exercise and
0:35:39 nighttime prevalence of sleep spindles.
0:35:40 Are you familiar with that literature?
0:35:41 Yes.
0:35:42 Oh, yes.
0:35:48 No, this is a fascinating literature, and it’s all pointing in the same direction, which
0:35:54 is that we always neglect to appreciate the importance of sleep.
0:35:59 I mean, obviously, you’re refreshed when you wake up, but there’s a lot of things happen.
0:36:04 It’s not that your brain turns off, it’s that it goes into a completely different state,
0:36:08 and memory consolidation is just one of those things that happens when you fall asleep.
0:36:11 And of course, there’s dreams and so forth.
0:36:19 We don’t fully appreciate or understand exactly how all the different sleep stages work together.
0:36:30 But exercise is a particularly important part of getting the motor system tuned up.
0:36:36 And it’s thought that the REM, rapid eye movement sleep, may be involved in that.
0:36:41 So that’s yet another part of the sleep stages.
0:36:46 You go through, you go back and forth between stream sleep and the slow way sleep, back
0:36:49 and forth, back and forth during the night.
0:36:55 And then when you wake up, you’re in the REM stage, more and more REM.
0:36:58 But that’s all observation.
0:37:04 But as a scientist, what you want to do is perturb the system and see if you can, maybe
0:37:08 if you had more sleep spindles, maybe you’d be able to remember things better.
0:37:14 So it turns out Sarah Mednick, who was at UC Irvine, did this fantastic experiment.
0:37:23 So it turns out there’s a drug called zolpidum, which goes by the name Ambien.
0:37:24 You may have some experience with that.
0:37:27 I’ve never taken it, but I’m aware of what it is.
0:37:29 People use it as a sleep aid.
0:37:30 That’s right.
0:37:35 A lot of people take it in order to sleep, okay?
0:37:41 Well it turns out that it causes more sleep spindles, really, yeah.
0:37:45 It doubles the number of sleep spindles if you take the drug.
0:37:53 You take the drug after you’ve done the learning, you do the learning at night and then you
0:37:56 take the drug and you have twice as many spindles.
0:38:00 You wake up in the morning, you can remember twice as much from what you learned.
0:38:03 And the memories are stable over time.
0:38:04 It’s in there.
0:38:05 Yes.
0:38:06 No, it consolidates it.
0:38:07 I mean, that’s the point.
0:38:09 What’s the downside of Ambien?
0:38:10 Okay.
0:38:11 Here’s the downside.
0:38:12 Okay.
0:38:17 So people who take the drug say if you’re going to Europe and you take it and then you sleep
0:38:24 really soundly, but often you find yourself in the hotel room and you completely have
0:38:27 no clue, you have no memory of how you got there.
0:38:32 I’ve had that experience without Ambien or any other drugs where I am very badly jet
0:38:33 lagged.
0:38:34 Yes.
0:38:39 And I wake up and for a few seconds, but what feels like eternity, I have no idea where
0:38:40 I am.
0:38:41 Okay.
0:38:42 It’s terrifying.
0:38:44 Well, that’s another problem that you have with jet lag.
0:38:46 Jet lag really screws things up.
0:38:49 But this is something where it could be an hour.
0:38:56 You took the train or you took a taxi or something and so here, this seems crazy.
0:39:04 How could it be a way to improve learning and recall on one hand and then forgetfulness
0:39:05 on the other hand?
0:39:16 Well, it turns out what’s important is that when you take the drug, in other words, it
0:39:22 helps consolidate experiences you’ve had in the past before you took the drug, but it
0:39:27 will wipe out experiences you have in the future after you take the drug.
0:39:28 Right?
0:39:29 So I’m not laughing.
0:39:35 It must be a terrifying experience, but I’m laughing because there’s some beautiful pharmacology
0:39:40 and indeed some wonderfully useful pharmaceuticals out there.
0:39:43 Some people may cringe to hear me say that, but there are some very useful drugs out there
0:39:46 that save lives and help people deal with symptoms, et cetera.
0:39:47 Side effects are always a concern.
0:39:56 But this particular drug profile, Ambien, that is, seems to reveal something perhaps
0:40:00 even more important than the discussion about spindles or Ambien or even sleep, which is
0:40:04 that you got to pay the piper somehow as they say.
0:40:05 That’s right.
0:40:11 That you tweak one thing in the brain, something else goes.
0:40:15 You don’t get anything for free.
0:40:22 I think that this is something that is true not just of drugs for the brain, but steroids
0:40:23 for the body.
0:40:24 Sure.
0:40:25 Yeah.
0:40:30 I mean, steroids, even low dose testosterone therapy, which is very popular nowadays, will
0:40:31 give people more vigor, et cetera.
0:40:37 But it is introducing a second puberty, and puberty is perhaps the most rapid phase of
0:40:39 aging in the entire lifespan.
0:40:43 Same thing with people who take growth hormone would be probably a better example because
0:40:47 certainly those therapies can be beneficial to people, but growth hormone gives people
0:40:50 more vigor, but it accelerates aging.
0:40:53 Look at the quality of skin that people have when they take growth hormone.
0:40:54 It looks more aged.
0:40:56 They physically change.
0:40:58 And I’m not for or against these things.
0:40:59 It’s highly individual.
0:41:00 But I completely agree with you.
0:41:07 I would also venture that with the growing interest in so-called new tropics and people
0:41:12 taking things like modafinil, not just for narcolepsy, daytime sleepiness, but also to
0:41:16 enhance cognitive function, okay, maybe they can get away with doing that every once in
0:41:18 a while for a deadline task or something.
0:41:24 But my experience is that people who obsess over the use of pharmacology to achieve certain
0:41:26 brain states pay in some other way.
0:41:27 Absolutely.
0:41:32 Whether or not stimulants or sedatives or sleep drugs, and that behaviors will always
0:41:34 prevail.
0:41:36 Behaviors will always prevail as tools.
0:41:44 And one of the things about the way the body evolved is that it really has to balance a
0:41:46 lot of things.
0:41:50 And so with drugs, you’re basically unbalancing it somehow.
0:41:57 And the consequence is, as you point out, is that in order to make one part better, one
0:42:02 part of your body, you sacrifice something else somewhere else.
0:42:07 As long as we’re talking about brain states and connectivity across areas, I want to ask
0:42:08 a particular question.
0:42:12 Then I want to return to this issue about how best to learn, especially in kids, but
0:42:14 also in adulthood.
0:42:17 I’ve become very interested in and spent a lot of time with the literature and some
0:42:21 guests on the topic of psychedelics.
0:42:24 Let’s leave the discussion about LSD aside, because do you know why there aren’t many
0:42:25 studies of LSD?
0:42:26 This is kind of a fun one.
0:42:28 No one is expected to know the answer.
0:42:29 Well, it’s against the law, I think.
0:42:33 But so is psilocybin or MDMA, and there are lots of studies going on about this.
0:42:34 Well, there are now.
0:42:35 Yeah, it’s changed.
0:42:37 But when I was growing up, as you know, it was against the law.
0:42:38 Right.
0:42:43 So what I learned is that there are far fewer clinical trials exploring the use of LSD as
0:42:46 a therapeutic, because with the exception of Switzerland, none of the researchers are
0:42:50 willing to stay in the laboratory as long as it takes for the subject to get through
0:42:54 an LSD journey, whereas psilocybin tends to be a shorter experience.
0:42:55 Right.
0:42:56 Okay.
0:42:58 Let’s talk about psilocybin for a moment.
0:43:04 My read of the data on psilocybin is that it’s still open to question, but that some
0:43:09 of the clinical trials show pretty significant recovery from major depression is pretty impressive.
0:43:13 But if we just set that aside and say, “Okay, more needs to be worked out for safety,”
0:43:17 what is very clear from the brain imaging studies, the sort of before and after resting
0:43:25 state, task related, et cetera, is that you get more resting state global connectivity,
0:43:31 more areas talking to more areas than was the case prior to the use of the psychedelic.
0:43:35 And given the similarity of the psychedelic journey, and here specifically talking about
0:43:40 psilocybin to things like rapid eye movement, sleep, and things of that sort, I have a very
0:43:42 simple question.
0:43:47 Do you think that there’s any real benefit to increasing brain-wide connectivity?
0:43:52 To me, it seems a little bit haphazard, and yet the clinical data are promising, if nothing
0:43:54 else, promising.
0:44:00 And so, is what we’re seeking in life as we acquire new knowledge, as we learn tennis
0:44:07 or golf, or take up singing, or what have you, as we go from childhood into the late
0:44:13 stages of our life, that whole transition is what we’re doing, increasing connectivity
0:44:15 and communication between different brain areas.
0:44:18 Is that what the human experience is really about?
0:44:21 Or is it that we’re getting more modular, we’re getting more segregated in terms of
0:44:25 this area, talking to this area in this particular way.
0:44:29 Feel free to explore this in any way that feels meaningful, or to say pass if it’s not
0:44:30 a good question.
0:44:31 No, it’s a great question.
0:44:35 I mean, you have all these great questions, and we don’t have complete answers yet.
0:44:43 But specifically with regard to connectivity, if you look at what happens in an infant’s
0:44:48 brain during the first two years, there’s a tremendous amount of new synapses being
0:44:49 formed.
0:44:50 This is your area, by the way.
0:44:51 The neurodevelopment.
0:44:52 The neurodevelopment.
0:44:53 Yeah.
0:44:54 That’s true.
0:44:55 But then you prune them.
0:44:56 Right?
0:45:01 Then the second phase is that you overabundant synapses, and now what you want to do is to
0:45:02 prune them.
0:45:03 Why would you want to do that?
0:45:09 Well, synapses are expensive.
0:45:16 Takes a lot of energy to activate all of the neurons and the synapses especially, because
0:45:20 there’s the turnover of the neurotransmitter.
0:45:26 And so what you want to do is to reduce the amount of energy and only use those synapses
0:45:30 that have been proven to be the most important.
0:45:31 Right?
0:45:38 Now, unfortunately, as you get older, the pruning slows down, but doesn’t go away.
0:45:43 So the cortex thins and so forth.
0:45:45 So I think it goes in the opposite direction.
0:45:50 I think that as you get older, you’re losing connectivity.
0:45:53 But interestingly, you retain the old memories.
0:45:57 The old memories are really rock solid, because they were put in when you were young.
0:45:58 The foundation.
0:46:02 The foundation upon which everything else is built.
0:46:11 But it’s not totally one way in the sense that even as an adult, as you know, you can
0:46:12 learn new things.
0:46:13 Maybe not as quickly.
0:46:18 By the way, this is one of the things that surprised me.
0:46:25 So Barbara and I have looked at the people who really were the benefit of the most.
0:46:29 It turns out that the peak of the demographic is 25 to 35.
0:46:30 Barbara.
0:46:31 Oakley.
0:46:32 Oakley.
0:46:33 Yeah, she’s really the mastermind.
0:46:40 She’s a fabulous educator and background in engineering.
0:46:42 But what’s going on?
0:46:49 So it turns out we aimed our MOOC at kids in high school and college, because that’s
0:46:50 their business.
0:46:52 They go every day and they go into work.
0:46:54 They have to learn, right?
0:46:56 That’s their business.
0:47:02 But in fact, very few of the students were actually, you know, they weren’t taking the
0:47:03 course.
0:47:04 Why should they?
0:47:05 They spent all day in the class, right?
0:47:06 Why do they want to take another class?
0:47:10 So this is the learning to learn class.
0:47:11 Learning how to learn.
0:47:12 So you did this with Barbara.
0:47:13 So we did this.
0:47:18 I did with Barbara and now 25 to 35, we have this huge peak, huge.
0:47:19 So what’s going on?
0:47:20 Here’s what’s going on.
0:47:22 It’s very interesting.
0:47:24 So you’re 25.
0:47:25 You’ve gone to college.
0:47:27 Half the people, by the way, who take the course went to college, right?
0:47:29 So it’s not like, you know, filling in for college.
0:47:32 This is like topping it off.
0:47:34 But you’re in a workforce.
0:47:36 You have to learn new skill.
0:47:37 Maybe you have mortgage.
0:47:38 Maybe you have children, right?
0:47:47 You can’t afford to go off and take a course, or get another degree.
0:47:52 So you take a MOOC and you discover, you know, I’m not quite as agile as I used to be in
0:47:58 terms of learning, but it turns out with our course, you can boost your learning.
0:48:04 And so that even though you’re not as, your brain isn’t learning as quickly, you can do
0:48:05 it more efficiently.
0:48:06 This is amazing.
0:48:07 I want to take this course.
0:48:10 I will take this course.
0:48:12 What sort of time commitment is the course?
0:48:15 You already pointed out that it’s zero cost, which is amazing.
0:48:16 Yeah.
0:48:17 Okay.
0:48:20 So it’s bite-sized videos lasting about 10 minutes each.
0:48:24 And there’s about 50 or 60 over a course of one month.
0:48:25 And are you tested?
0:48:26 Are you self-tested?
0:48:27 Yeah.
0:48:28 Yeah.
0:48:29 There are tests.
0:48:30 There are quizzes.
0:48:31 There are tests at the end.
0:48:33 And there are forums where you can go and talk to other students.
0:48:34 You have questions.
0:48:35 We have TAs.
0:48:37 And anyone can do this.
0:48:42 Everyone in the world, in fact, we have people in India, housewives, who say, “Thank you.
0:48:43 Thank you.
0:48:44 Thank you.”
0:48:46 Because I could have never learned about how to be a better learner.
0:48:49 And I wish I had known this when I was going to school.
0:48:54 Why do more people not know about this learning-to-learn course, although as people know, if I get
0:48:58 really excited about it or about anything, I’m never going to shut up about it.
0:49:02 But I’m going to take the course first, because I want to understand the guts of it.
0:49:04 You’ll enjoy it.
0:49:08 You have 98% approval, which is phenomenal, it’s sticky.
0:49:09 Is it math?
0:49:10 No.
0:49:11 Vocabulary?
0:49:12 No math.
0:49:16 We’re not teaching anything specific.
0:49:17 We’re not trying to give you knowledge.
0:49:25 We’re trying to tell you how to acquire knowledge and how to do that, how to deal with exam anxiety,
0:49:26 for example.
0:49:29 Or how do we all procrastinate, right?
0:49:30 We put things off.
0:49:31 No.
0:49:32 No, I’m kidding.
0:49:33 We all procrastinate.
0:49:35 We teach you how to avoid that.
0:49:36 Fantastic.
0:49:42 Okay, I’m going to skip back a little bit now with the intention of double-clicking on
0:49:45 this learning-to-learn thing.
0:49:51 You pointed out that, in particular in California, but elsewhere as well, there isn’t as much
0:49:57 procedural practice-based learning anymore.
0:50:01 I’m going to play devil’s advocate here, and I’m going to point out that this is not
0:50:06 what I actually believe, but when I was growing up, you had to do your times tables in your
0:50:13 division, and then your fractions and your exponents, and they build on one another.
0:50:18 And then at some point, you take courses where you might need a graphing calculator to some
0:50:20 people that can be like, “What is this?”
0:50:23 But the point being that there were a number of things that you had to learn to implement
0:50:27 functions, and you learned by doing.
0:50:28 You learned by doing.
0:50:33 Likewise, in physics class, we were attaching things to strings and for macro mechanics
0:50:39 and learning that stuff, and learning from the chalkboard lectures.
0:50:45 I can see the value of both, certainly, and you explained that the brain needs both to
0:50:50 really understand knowledge and how to implement and back and forth.
0:50:54 But nowadays, you’ll hear the argument, “Well, why should somebody learn how to read a paper
0:50:58 map unless it’s the only thing available because you have Google Maps?”
0:51:02 Or if they want to do a calculation, they just put it into the top bar function on the
0:51:05 Internet and boom, out comes the answer.
0:51:14 So there is a world where certain skills are no longer required, and one could argue that
0:51:23 the brain space and activity and time and energy in particular could be devoted to learning
0:51:28 new forms of knowledge that are going to be more practical in the school and workforce
0:51:30 going forward.
0:51:32 So how do we reconcile these things?
0:51:36 I mean, I’m of the belief that the brain is doing math, and you and I agree.
0:51:40 It’s electrical signals and chemical signals, and it’s doing math, and it’s running algorithms.
0:51:43 I think you convinced us of that, certainly.
0:51:49 But how are we to discern what we need to learn versus what we don’t need to learn in
0:51:53 terms of building a brain that’s capable of learning the maximum number of things or
0:51:58 even enough things so that we can go into this very uncertain future, because as far
0:52:02 as you know and I know, neither of us have a crystal ball.
0:52:05 So what is essential to learn?
0:52:10 And for those of us that didn’t learn certain things in our formal education, what should
0:52:13 we learn how to learn?
0:52:20 Well, this is generational.
0:52:25 So technologies provide us with tools.
0:52:28 You mentioned the calculator, right?
0:52:37 Well, a calculator didn’t eliminate the education you need to get in math, but it made certain
0:52:43 things easier, it made it possible for you to do more things and more accurately.
0:52:49 However, interestingly, students in my class often come up with answers that are off by
0:52:53 eight orders of magnitude, and that’s a huge amount, right?
0:52:58 It’s clear that they didn’t key in the calculator properly, but they didn’t recognize that it
0:53:04 was a very far, it was a completely way off the beam, because they didn’t have a good
0:53:05 feeling for the numbers.
0:53:10 They don’t have a good sense of, you know, exactly how big it should have been, order
0:53:13 of magnitude, basic understanding.
0:53:20 So it’s kind of a, there’s a, the benefit is that you can do things faster, better,
0:53:25 but then you also lose some of your intuition if you don’t have the procedural system in
0:53:26 place.
0:53:32 I’m thinking about a kid that wants to be a musician who uses AI to write a song about
0:53:40 a bad breakup that then is kind of recovered when they find new love, and I’m guessing
0:53:45 that you could do this today and get a pretty good song out of AI, but would you call that
0:53:48 kid a songwriter or a musician?
0:53:52 On the face of it, yeah, the AI is helping, and then you’d say, well, that’s not the same
0:53:57 as sitting down with a guitar and trying out different chords and feeling the intonation
0:54:01 in their voice, but I’m guessing that for people that were on the electric guitar, they were
0:54:04 criticizing people on the acoustic guitar.
0:54:07 You know, so we have this generational thing where we look back and say, that’s not the
0:54:08 real thing.
0:54:12 You need to get the, so what are the key fundamentals is really a critical question.
0:54:13 Okay.
0:54:18 So I’m going to come back to that because this is how, the way you put it at the beginning
0:54:24 had to do with whether you’re, how your brain is allocating resources, okay?
0:54:29 So when you’re younger, you can take in things.
0:54:30 Your brain is more malleable.
0:54:35 For example, how good are you on social media?
0:54:43 Well, I do all my own Instagram and Twitter, and those accounts have grown in proportion
0:54:44 to the amount of time I’ve been doing it.
0:54:45 So yeah, I would say pretty good.
0:54:50 I mean, I’m not the biggest account on social media, but for a science health account, we’re
0:54:51 doing okay.
0:54:52 Thanks to the audience.
0:54:59 Well, this speaks well for the fact that you’ve managed to break, you know, to go beyond
0:55:00 the generation gap.
0:55:02 I can type with my thumbs, Terry.
0:55:03 Okay.
0:55:04 There you go.
0:55:05 That’s a manual skill that you learned.
0:55:08 That’s a new phenomenon of human evolution.
0:55:09 I couldn’t believe it.
0:55:13 I saw people doing that, and now I can do it too.
0:55:18 But the thing is that if you learn how to do that early in life, you’re much more good
0:55:19 at it.
0:55:22 You can move your thumbs much more quickly.
0:55:27 Also, you can have many more, you know, tweets going, what do they call them?
0:55:28 No, they’re not called tweets.
0:55:34 So on X, I think they still call them tweets because it’s hard to verb the letter X.
0:55:35 The word X.
0:55:36 You all didn’t think of that one.
0:55:37 I like X because it’s cool.
0:55:44 It’s kind of punk, and it’s got a black kind of format, and it fits with kind of the engineer
0:55:47 like black X, you know, and this kind of thing.
0:55:48 But yeah, we’ll still call them tweets.
0:55:49 Okay, we’ll call them tweets.
0:55:51 Okay, that’s good.
0:55:58 But you know, I walk across campus and I see everybody, like half the people are tweeting
0:56:00 or you know, they’re doing something with their cell phone.
0:56:01 I mean, it’s unbelievable.
0:56:04 And you have beautiful sunsets at the Salk Institute.
0:56:05 We’ll put a link to one of them.
0:56:12 I mean, it is truly spectacular, awe-inspiring to see a sunset at the Salk Institute.
0:56:13 Every day is different.
0:56:15 And everyone’s on their phones these days?
0:56:16 Sad.
0:56:17 And you know, they’re looking down at their phone.
0:56:19 And they’re walking along even people who are skateboarding.
0:56:20 Unbelievable.
0:56:25 I mean, it’s amazing what human being can do, you know, when they learn to get into something.
0:56:28 But what happens is the younger generation picks up whatever technology it is and the
0:56:31 brain gets really good at it.
0:56:37 And you can pick it up later, but you’re not quite as agile, not quite as maybe obsessive.
0:56:38 It fatigues me.
0:56:44 I will point this out, that doing anything on my phone feels fatiguing in a way that
0:56:49 reading a paper book or even just writing on a laptop or a desktop computer is fundamentally
0:56:50 different.
0:56:51 I can do that for many hours.
0:56:55 If I’m on social media for more than a few minutes, I can literally feel the energy draining
0:56:57 out of my body.
0:56:58 Interesting.
0:57:04 I could do sprints or deadlifts for hours and not feel the kind of fatigue that I feel
0:57:06 from doing social media.
0:57:08 So you know, this is fascinating.
0:57:11 I like to know what’s going on in your brain.
0:57:15 Why is it, and also I’d like to know from younger people whether they have the same,
0:57:16 I think not.
0:57:22 I think my guess is that they don’t feel fatigued because they got into this early enough.
0:57:31 And this is actually a very, very, I think that has a lot to do with the foundation you
0:57:32 put into your brain.
0:57:39 In other words, things that you get, you learn when you’re really young are foundational
0:57:40 and they make things easier.
0:57:41 Some things easier.
0:57:42 Yeah.
0:57:47 I spent a lot of time in my room as a kid either playing with Legos or action figures or building
0:57:50 fish tanks or reading about fish.
0:57:55 I tended to read about things and then do a lot of procedural based activities.
0:57:58 You know, I would read skateboard magazines and skateboard.
0:58:02 I was never one to really just watch a sport and not play it.
0:58:04 So that, you know, bridging across these things.
0:58:08 So social media to me feels like an energy sink.
0:58:12 And of course I love the opportunity to be able to teach to people and learn from people
0:58:13 at such scale.
0:58:17 But at an energetic level, I feel like I don’t have a foundation for it.
0:58:23 It’s like I’m trying to like, like Jerry rigged my cognition into doing something that it wasn’t
0:58:24 designed to do.
0:58:25 Well, there you go.
0:58:26 And it’s because you don’t have the foundation.
0:58:28 You didn’t do it when you were younger.
0:58:34 And now you have to sort of use the cognitive powers to do a lot of what was being done
0:58:37 now in a younger person procedurally.
0:58:41 I’d like to take a quick break and thank one of our sponsors, Element.
0:58:45 Element is an electrolyte drink that has everything you need and nothing you don’t.
0:58:50 That means the electrolytes, sodium magnesium and potassium in the correct ratios, but no
0:58:51 sugar.
0:58:54 We should all know that proper hydration is critical for optimal brain and body function.
0:58:59 In fact, even a slight degree of dehydration can diminish your cognitive and physical performance
0:59:00 to a considerable degree.
0:59:03 It’s also important that you’re not just hydrated, but that you get adequate amounts
0:59:06 of electrolytes in the right ratios.
0:59:09 Drinking a packet of element dissolved in water makes it very easy to ensure that you’re
0:59:13 getting adequate amounts of hydration and electrolytes.
0:59:17 To make sure that I’m getting proper amounts of both, I dissolve one packet of element in
0:59:20 about 16 to 32 ounces of water when I wake up in the morning.
0:59:22 And I drink that basically first thing in the morning.
0:59:26 I’ll also drink a packet of element dissolved in water during any kind of physical exercise
0:59:31 that I’m doing, especially on hot days when I’m sweating a lot and losing water and electrolytes.
0:59:34 There are a bunch of different great tasting flavors of element.
0:59:35 I like the watermelon.
0:59:36 I like the raspberry.
0:59:37 I like the citrus.
0:59:38 Basically, I like all of them.
0:59:42 If you’d like to try element, you can go to drinkelement.com/huberman to claim an
0:59:46 element sample pack with the purchase of any element drink mix.
0:59:52 Again, that’s drink element spelled L-M-N-T, so it’s drinkelement.com/huberman to claim
0:59:53 a free sample pack.
0:59:56 Today’s episode is also brought to us by Juve.
1:00:00 Juve makes medical grade red light therapy devices.
1:00:04 Now if there’s one thing that I’ve consistently emphasized on this podcast is the incredible
1:00:06 impact that light can have on our biology.
1:00:11 In addition to sunlight, red light and near-infrared light have been shown to have positive effects
1:00:15 on improving numerous aspects of cellular and organ health, including faster muscle
1:00:22 recovery, improved skin health and wound healing, improvements in acne, reduced pain and inflammation,
1:00:26 improved mitochondrial function, and even improving vision itself.
1:00:30 What sets Juve lights apart and why their my preferred red light therapy devices is that
1:00:34 they use clinically proven wavelengths, meaning they use specific wavelengths of red light
1:00:39 and near-infrared light in combination to trigger the optimal cellular adaptations.
1:00:44 Personally, I use the Juve whole body panel about three to four times a week, and I use
1:00:47 the Juve handheld light both at home and when I travel.
1:00:53 If you’d like to try Juve, you can go to Juve spelled J-O-O-V-V dot com slash Huberman.
1:00:59 Juve is offering Black Friday discounts of up to $1300 now through December 2nd, 2024.
1:01:06 And that’s Juve, J-O-O-V-V dot com slash Huberman, to get up to $1300 off select Juve products.
1:01:11 I’m going to tell you something which is going to help all of your listeners.
1:01:17 My book, ChatGDP and the Future of AI, I went through and I looked at other people’s experiences
1:01:18 with ChatGDP.
1:01:22 I just wanted to know what people were thinking.
1:01:26 And I came across, it was an article, I think it was the New York Times, of a technical
1:01:33 writer who decided she would spend one month using it to help her write things, her articles.
1:01:40 And she said that when she started out, at the end of the day, she was drained, completely
1:01:47 drained, and it was like working on a machine, like a tractor or something, struggling, struggling,
1:01:50 struggling to get it to work.
1:01:57 And then she started, said, “Well, wait a second.
1:01:59 What if I treat it like a human being?
1:02:04 What if I’m polite instead of being curt?”
1:02:13 She said, “Suddenly, I started getting better answers by being polite and back and forth
1:02:15 the way you were with a human.”
1:02:18 So saying, “Could you please give me information about so and so?”
1:02:19 Yeah, please.
1:02:20 I’m really having trouble.
1:02:21 That answer you gave me was fabulous.
1:02:27 Is exactly what I was looking for, and now I need you to go on to the next part and help
1:02:28 me with that too.
1:02:30 In other words, the way you talk to a human, right, if you’re an assistant.
1:02:36 Or is it that she was talking to the AI, to ChatGPT it sounds like in this case, in the
1:02:41 way that her brain was familiar with asking questions to a human.
1:02:47 In other words, so is the AI learning her and therefore giving her the sorts of answers
1:02:50 that are more facile for her to integrate with?
1:02:53 I think it’s both.
1:02:57 First of all, the ChatGDP is mirroring the way you treat it.
1:02:59 It will mirror that back.
1:03:05 You treat it like a machine, you like a machine, because that’s what it’s good at.
1:03:07 But here’s the surprise.
1:03:13 Surprises, she said, “Once I started treating it like a human, at the end of the day I wasn’t
1:03:14 fatigued anymore.”
1:03:15 Why?
1:03:21 Well, it turns out that all your life, you interact with humans in a certain way and
1:03:26 your brain is wired to do that and it doesn’t take any effort.
1:03:32 And so by treating the ChatGDP as if it were a human, you’re taking advantage of all the
1:03:35 brain circuits in your brain.
1:03:36 This is incredible.
1:03:40 And I’ll tell you why, because I think many people, not just me, but many people really
1:03:43 enjoy social media.
1:03:47 Everyone from it, I mean, yesterday I learned a few things that I thought were just fascinating
1:03:52 about how we perceive our own identity according to whether or not we’re filtering it through
1:03:56 the responses of others or whether or not we take a couple minutes and really just sit
1:03:58 and think about how we actually feel about ourselves.
1:04:02 Very interesting ideas about locus of self-perception and things like that.
1:04:06 I also looked at a really cool video of a baby raccoon popping bubbles while standing
1:04:08 on its hind limbs.
1:04:09 And that was really cool.
1:04:12 And social media could provide me both those things within a series of minutes.
1:04:14 Now, I was thinking to myself, this is crazy, right?
1:04:18 The raccoon is kind of trivial, but it delighted me and that’s not trivial.
1:04:20 There you go.
1:04:23 But here’s the question.
1:04:31 Could it be that one of the detrimental aspects of social media is that if we’re complimenting
1:04:36 one another or if we are giving hearts or we’re giving thumbs down or we’re in an argument
1:04:40 with somebody or we’re doing a clap back or they’re clapping back on us as it or dunking
1:04:48 as it’s called on Exxon, that it isn’t necessarily the way that we learned to argue.
1:04:52 It’s not necessarily the way that we learn to engage in healthy dispute.
1:04:57 And so as a consequence, it feels like, and this is my experience, that certain online
1:05:02 interactions feel really good and others feel like they’re kind of great on me because there’s
1:05:04 almost like an action step that isn’t allowed.
1:05:08 You can’t fully explain yourself or understand the other person.
1:05:13 And I am somebody who believes in the power of real face-to-face dialogue or at least
1:05:14 on the phone dialogue.
1:05:17 And I feel the same way about text messaging.
1:05:18 I hate text messaging.
1:05:24 When text messaging first came out, I remember thinking, I was not a kid that passed notes
1:05:25 in class.
1:05:26 This feels like passing notes in class.
1:05:30 In fact, this whole text messaging thing is beneath me.
1:05:31 That’s how I felt.
1:05:34 And over the years, of course, I became a text messenger.
1:05:36 And it’s very useful for certain things, be there in five minutes, running a few minutes
1:05:40 late, in my case, that’s a common one.
1:05:46 But I think this notion of what grates on us and as it relates to whether or not it
1:05:52 matches our childhood-developed template of how our brain works is really key because
1:05:56 it touches on something that I definitely want to talk about today that I know you’ve
1:06:00 worked on quite a bit, which is this concept of energy.
1:06:06 What we’re talking about here is energy, not woo biology, woo science wellness energy.
1:06:09 We’re talking about we only have a finite amount of energy.
1:06:16 And years ago, the great Ben Barris, sadly passed away, our former colleague and my post-doc
1:06:20 advisor, came to me one day in the hallway and he stopped me and he called me Andy,
1:06:21 like you do.
1:06:28 And he said, “Andy, how come we get so run down of energy as we get older?
1:06:30 Why am I more tired today than I was 10 years ago?”
1:06:31 I was like, “I don’t know.
1:06:32 How are you sleeping?”
1:06:33 He’s like, “I’m sleeping fine.”
1:06:35 Ben never slept much in the first place, but he had a ton of energy.
1:06:39 And I thought to myself, “I don’t know.
1:06:42 What is this energy thing that we’re talking about?
1:06:46 I want to make sure that we close the hatch on this notion of a template neural system
1:06:50 that then you either find experiences invigorating or depleting.
1:06:53 I want to make sure we close the hatch on that, but I want to make sure that we relate
1:06:56 it at some point to this idea of energy.
1:07:02 And why is it that with each passing year of our life, we seem to have less of it?”
1:07:04 You asked these great questions.
1:07:05 I wish that I had great answers.
1:07:08 Well, so far you really do have great answers.
1:07:12 There’s certainly novel to me in the sense that I’ve not heard answers of this sort.
1:07:17 So there’s a tremendous amount of learning for me today, and I know for the audience.
1:07:24 But let’s say somebody is 20 years old versus 50 years old versus what should they do?
1:07:25 I mean, we need to integrate with the modern world.
1:07:27 We also need to relate across generations.
1:07:28 Oh, yeah.
1:07:29 No, this is true.
1:07:30 This is true.
1:07:31 People aren’t retiring as much.
1:07:32 They’re living longer.
1:07:36 Their birth rates are down, but we have to all get along, as they say.
1:07:38 So it is interesting.
1:07:45 I think it’s true that we all, as we get older, have less of the vigor, if I can use
1:07:50 a somewhat different word from energy, we’ll come back to that.
1:07:54 But I think there are some who manage to keep an active life.
1:07:59 Here’s something that, again, in our MOOC, we really emphasize.
1:08:00 Could you explain a MOOC?
1:08:02 I think most people won’t know what a MOOC is.
1:08:03 Just for their sake.
1:08:04 Okay.
1:08:09 They’ve been around for about, actually, started at Stanford, Andrew Ng, and Daphna
1:08:10 Kohler.
1:08:12 So they have a company called Coursera.
1:08:17 And what happens is that you get professors, and in fact, anybody who has knowledge or
1:08:23 professional expertise, to give lectures that are available to anybody in the world who
1:08:30 have access to the internet, and this is probably tens of thousands now.
1:08:36 Any specialty, history, science, music, you name it.
1:08:40 There’s somebody who’s an expert on that who wants to tell you, because they’re excited
1:08:42 about what they’re doing.
1:08:43 Okay.
1:08:50 So what we wanted to do was to help people with learning.
1:08:53 And so part of the problem is that it gets more difficult.
1:08:56 It takes more effort as you get older.
1:09:00 It depletes your vigor more if we’re going to stay with this language of energy and vigor.
1:09:01 Yeah.
1:09:02 That’s right.
1:09:03 So let’s actually use the word energy.
1:09:09 As you know, in the cell, there’s a physical power plant called the mitochondrion, which
1:09:17 is supplying us with ATP, which is the coin of the realm for the cell, to be able to operate
1:09:19 all of its machinery, right?
1:09:25 And so one of the things that happens when you get older is that your mitochondrial
1:09:26 run down.
1:09:27 Yeah.
1:09:29 Fewer of them, and they’re less efficient.
1:09:30 That’s right.
1:09:31 They’re less efficient.
1:09:35 And actually, drugs can do that to you, too, because they can harm mitochondria.
1:09:36 Recreational drugs.
1:09:37 No.
1:09:38 The drugs you take for illness.
1:09:43 I’m not sure about recreational drugs, but I know in the case that there are a lot of
1:09:49 drugs that people take because they have to.
1:09:54 But the other thing, and this is something that’s the bad news, here’s the good news.
1:10:03 The good news is that you can replenish your energy by exercise.
1:10:06 Exercise is the best drug you could ever take.
1:10:12 It’s the cheapest drug you could ever take that can help every organ in your body.
1:10:20 It helps obviously your heart, it helps your brain, it rejuvenates your brain, it helps
1:10:21 your immune system.
1:10:25 Every single organ system in the body benefits from a regular exercise.
1:10:30 I run on the beach every day at the Salk Institute.
1:10:37 And I also, it’s on a mesa, 340 foot above the, so I go down every day, and then I climb
1:10:38 up the cliff.
1:10:39 Yeah.
1:10:42 Those steps down to Blacks Beach are a good workout.
1:10:47 They are, they are, and so this is something that has kept me active, and I do hiking when
1:10:51 hiking in the Alps this last fall.
1:10:53 So this is in September.
1:10:59 So this is, I think, something that people really ought to realize is that, you know,
1:11:06 it’s like putting away, you know, reserves of energy for, you know, when you get older.
1:11:09 The more you put away, the better off you are.
1:11:10 Here’s something else.
1:11:11 Okay.
1:11:13 Now this is jumping now to Alzheimer’s.
1:11:20 So a study that was done in China many, many years ago when I first came to La Jolla, San
1:11:27 Diego, I heard this from the, it was the head of the Alzheimer’s program.
1:11:35 He had done a study in China on onset, and he, they went and they had three populations.
1:11:38 They had peasants who had almost no education.
1:11:41 And they had another group that had high school education, and then there were people who
1:11:44 were, you know, advanced education.
1:11:51 So it turns out that the onset of Alzheimer’s was earlier for the people who had no education,
1:11:54 and it was the latest for the people who had the most education.
1:11:56 Now this is interesting, isn’t it?
1:12:00 Because it’s, and presumably the genes aren’t that different, right?
1:12:02 I mean, they’re all Chinese.
1:12:08 So one possibility, and obviously we don’t really know why, but one possibility is that
1:12:17 the more you exercise your brain with education, the more reserve you have later in life.
1:12:22 I believe in the notion, and I don’t have a better word for it, maybe you do, or a phrase
1:12:28 for it, is of kind of a cognitive velocity.
1:12:32 You know, I sometimes will play with this, I’ll read slowly, or I’ll see where my default
1:12:36 pace of reading is at a given time of day, and then I’ll intentionally try and read a
1:12:40 little bit faster while also trying to retain the knowledge I’m reading.
1:12:44 So I’m not just reading the words, I’m trying to absorb the information, and you can feel
1:12:46 the energetic demand of that.
1:12:50 And then I’ll play with it, I’ll kind of back off a little bit, and then I’ll go forward.
1:12:57 And I try and find the sweet spot where I’m not reading at the pace that is reflexive,
1:13:02 but just a little bit quicker while also trying to retain the information.
1:13:07 And I learned this when I had a lot of catching up to do at one phase of my educational career.
1:13:11 Fortunately, it was pretty early, and I was able to catch up on most things, occasionally
1:13:15 things slip through, and I have to go back and learn how to learn, and if I get anything
1:13:18 wrong on the internet, they sure as heck pointed out, and then we go back and learn.
1:13:19 And guess what?
1:13:24 I’d never forget that because punishment, social punishment is a great signal.
1:13:30 So thank you all for keeping me learning.
1:13:37 But I picked that up from my experience of trying to get good at things like skateboarding,
1:13:38 or soccer when I was younger.
1:13:44 There’s a certain thing that happens when skateboarding, that was my sport growing up, where it’s actually
1:13:47 easier to learn something going faster.
1:13:51 You know, most kids try and learn how to ollie and kickflip standing in the living room on
1:13:52 the carpet.
1:13:53 That’s the worst way to learn how to do it.
1:13:57 It’s all easier going a bit faster than you’re comfortable.
1:14:02 It’s also the case that if you’re not paying attention, you can get hurt.
1:14:05 It’s also the case that if you pay too much cognitive attention, you can’t perform the
1:14:06 motor movements.
1:14:07 Right.
1:14:11 So there’s this sweet spot that eventually I was able to translate into an understanding
1:14:16 of when I sit down to read a paper or a news article, or even listen to a podcast, there’s
1:14:21 a pace of the person’s voice, and then I’ll adjust the rate of the audio, where I have
1:14:28 to engage cognitively, and I know I’m in a mode of retaining the information and learning.
1:14:33 Whereas if I just go with my reflexive pace, it’s rare that I’m in that perfect zone.
1:14:36 So I point this out because perhaps it will be useful to people.
1:14:40 I don’t know if it’s incorporated into your learning how to learn course, but I do think
1:14:46 that there is something which I call kind of cognitive velocity, which is ideal for learning,
1:14:48 versus kind of leisurely scrolling.
1:14:51 And this is why I think that social media is detrimental.
1:14:58 I think that we train our brain basically to be slow, passive, and multi-context cycling
1:14:59 through.
1:15:05 And unless something is very high salience, it kind of makes us kind of fat and lazy,
1:15:10 forgive the language, but I’m going to be blunt here, fat and lazy cognitively, unless
1:15:12 we make it a point to also engage learning.
1:15:16 And my guess is it’s tapping into this mitochondrial system.
1:15:17 Very likely.
1:15:19 That’s one part of it.
1:15:25 By the way, the way that you’ve adjusted the speed is very interesting because it turns
1:15:32 out that stress, everybody thinks stress is bad, but no, it turns out stress that is transient.
1:15:37 That is only for a limited amount of time that you control is good for you.
1:15:38 It’s good for your brain.
1:15:39 It’s good for your body.
1:15:45 I run intervals on the beach just the way that you do cognitive intervals when you’re
1:15:46 reading.
1:15:52 I run like hell for about 10 seconds, and then I go to a jog and I run like hell for
1:16:00 another 10 seconds, and it’s pushing your body into that extra gear that helps the muscles.
1:16:04 The muscles need to know that this is what they’ve got to put out, and that’s where you
1:16:11 gain muscle mass, not from just doing the same running pace every day.
1:16:15 Well, your intellectual and physical vigor is undeniable.
1:16:17 I’ve known you a long time.
1:16:23 You’ve always had a slight forward center of mass in your intellect, and even the speed
1:16:26 at which you walk, Terry, dare I say.
1:16:30 For a Californian, you’re a quick walker.
1:16:31 That’s a compliment, by the way.
1:16:36 East Coasters know what I’m talking about, and Californians would be like, “Why not
1:16:37 slow down?”
1:16:43 The reason to not slow down too much for too long is that these mitochondrial systems,
1:16:48 the energy of the brain and body, as you point out, are very linked, and I do think that
1:16:51 below a certain threshold, it makes it very hard to come back.
1:16:55 Just like below a certain threshold, it’s hard to exercise without getting very depleted
1:16:58 or even injured, that we need to maintain this.
1:17:05 Perhaps now would be a good time to close the hatch on this issue of how to teach young
1:17:06 people.
1:17:13 Everyone should take this learning-to-learn course as a free resource, amazing.
1:17:22 As it relates to AI, do you think that young people and older people now, I’m 49, so put
1:17:27 myself in the older bracket, should be learning how to use AI?
1:17:33 They are already learning how to use AI, and again, it’s just like, new technology comes
1:17:34 along, who picks up first?
1:17:38 It’s the younger people, and it’s astonishing.
1:17:44 They’re using it a lot more than I use it almost every day, but I know a lot of students
1:17:52 who basically, and by the way, it’s like any other tool, it’s a tool that you need to know
1:17:54 how to use it.
1:17:58 Where do you suggest people start?
1:18:06 I have started using Claude AI, this was suggested to me by somebody expert in AI as an alternative
1:18:07 to chat GPT.
1:18:12 I don’t have anything against chat GPT, but I’ll tell you, I really like the aesthetic
1:18:14 of Claude AI.
1:18:16 It’s a bit of a softer, beige aesthetic.
1:18:18 It feels kind of Apple-like.
1:18:22 I like the Apple brand, and it gives me answers.
1:18:24 Maybe it’s the font, maybe it’s the feel.
1:18:29 Maybe this goes back to the example you used earlier where I like Claude AI, and I’m a big
1:18:31 fan of it, and they don’t pay me to say this.
1:18:35 I have never met them, I have no relationship to them, except that it gives me answers in
1:18:41 a bullet-pointed format that feels very aesthetically easy to transfer that information into my brain
1:18:43 or onto a page.
1:18:45 I like Claude AI, use chat GPT.
1:18:51 How should people start to explore AI for sake of getting smarter, learning knowledge just
1:18:54 for the sake of knowledge, having fun with it?
1:18:56 What’s the best way to do that?
1:19:03 I think exactly what you did, which is there’s now dozens and dozens of different chat bots
1:19:09 out there, and different people will feel comfortable with one or the other.
1:19:15 Chat GPT is the first, so that’s why it’s kind of taken over a lot of the cognitive space.
1:19:19 It’s become like Kleenex, that word.
1:19:26 That was why I used it as the first word in my book because it’s iconic.
1:19:30 Some of them, I have to say that, for example, there are some that are really much better
1:19:33 math than others.
1:19:45 Google’s Gemini recently did some fine-tuning with what’s called chain of reasoning.
1:19:48 When you reason, you go through a sequence of steps, and when you solve a math problem,
1:19:55 you go through a sequence of steps of fitting, first finding out what’s missing and then
1:19:58 adding that.
1:20:04 It went from 20% correct to 80 on those problems.
1:20:08 As people hear that, they probably think, “Well, that means 20% wrong still.”
1:20:14 Could you imagine any human or panel of humans behind a wall where if you asked it a question,
1:20:19 and then another question, and another question, that it would give you back better than 80%
1:20:23 accurate information in a matter of seconds?
1:20:34 I think we are being perhaps a little bit unfair to compare these large language models
1:20:39 to the best humans rather than the average human, right?
1:20:45 As you said, most people couldn’t pass the LSAT, the loss test to get into law school,
1:20:51 or MCAT, the test to get into medical school, and JetGPT has.
1:21:00 Is there a world now where we take the existing AI, LLMs, these computers basically that can
1:21:08 learn like a collection of human brains and send that somehow into the future, right?
1:21:11 Give them an imagined future, okay?
1:21:18 Could we give them outcome A and outcome B and let them forage into future states that
1:21:24 we are not yet able to get to, and then harness that knowledge and explore the two different
1:21:25 outcomes?
1:21:33 I think that’s perhaps the better question in some sense because we can’t travel back
1:21:40 in time, but we can perhaps travel into the future with AI if you provide it different
1:21:47 scenarios and you say, “Unlike a panel of people, panel of experts, medical experts,
1:21:53 or space travel experts, or sea travel experts,” you can’t say, “Hey, you know what, don’t
1:21:55 sleep tonight.
1:21:58 You’re just going to work for the next 48 hours.
1:22:02 In fact, you’re going to work for the next three weeks or three months, and you know
1:22:03 what?
1:22:04 You’re not going to do anything else.
1:22:05 You’re not going to pay attention to your health.
1:22:06 You’re not going to do anything else.”
1:22:12 But you can take a large language model and you can say, “Just forage for knowledge under
1:22:17 the following different scenarios,” and then have that fleet of large language models come
1:22:21 back and give us the information like, “I don’t know, tomorrow.”
1:22:22 Okay.
1:22:24 So I’ve lived through this myself.
1:22:31 Back in the 1980s, I was just starting my career, and I was one of the pioneers in developing
1:22:33 learning algorithms for neural network models.
1:22:37 Jeff Hinton and I collaborated together on something called the Bosel Machine, and he
1:22:39 actually won an Nobel Prize for this recently.
1:22:40 Yeah, just this year.
1:22:41 Wonderful.
1:22:42 He’s one of my best friends.
1:22:43 Brilliant.
1:22:49 And he well deserved it for not just the Bosel Machine, but all the work he’s done since
1:22:54 then on machine learning and then back propagation and so forth.
1:23:00 But back then, Jeff and I had this view of the future.
1:23:06 AI was dominated by symbol processing, rules, logic, writing computer programs.
1:23:13 For every problem, you need a different computer program, and it was very human resource intensive
1:23:17 to write programs so that it was very, very slow going.
1:23:18 And they never actually got there.
1:23:23 They never wrote a program for vision, for example, even though the computer vision community
1:23:25 really worked hard for a long time.
1:23:27 But we had this view of the future.
1:23:32 We had this view that nature had solved these problems, and there’s existence proof that
1:23:36 you can solve the vision problem, look, every animal can see even insects, right?
1:23:37 Come on.
1:23:40 Well, figure out, let’s figure out how they did it.
1:23:43 Maybe we can help by following up on nature.
1:23:48 We can actually, again, going back to algorithms, I was telling you.
1:23:52 And so in the case of the brain, what makes it different from a digital computer, digital
1:23:57 computers basically can run any program, but a fly brain, for example, only runs the program
1:24:00 that is a special purpose hardware allows it to run.
1:24:01 Not much neuroplasticity.
1:24:07 There’s enough there, just enough habituation and so forth so that you can survive.
1:24:08 And this is…
1:24:09 Survive 24 hours.
1:24:13 I’m not trying to be disparaging to the fly biologists, but when I think of neuroplasticity,
1:24:18 I think of the magnificent neuroplasticity of the human brain to customize to a world
1:24:19 of experience.
1:24:20 I agree.
1:24:21 But…
1:24:25 When I think about a fly, I think about a really cool set of neural circuits that work really
1:24:32 well to avoid getting swatted, to eating, and to reproducing, and not a whole lot else.
1:24:34 They don’t really build technology.
1:24:38 They might have interesting relationships, but who knows, who cares.
1:24:41 It’s just sort of like, it’s not that it doesn’t matter.
1:24:46 It’s just a question of the lack of plasticity makes them kind of a meh species.
1:24:47 Okay.
1:24:49 I can see I’ve pressed your button here.
1:24:50 No, no, no, no.
1:24:51 I love fly biology.
1:24:54 They taught us about algorithms for direction selectivity in the visual system.
1:24:55 Oh, no, no.
1:24:56 I love the Drosophila biology.
1:25:03 I just think that the lack of neuroplasticity reveals a certain key limitation, and the
1:25:06 reason we’re the curators of the Earth is because we have so much plasticity.
1:25:07 Of course.
1:25:08 Of course.
1:25:10 But you have to take…
1:25:15 One step at a time, nature first has to be able to create creatures that can survive,
1:25:23 and then their brain gets bigger as the environment gets more complex, and here we are.
1:25:29 But the key is that it turns out that certain algorithms in the fly brain are present in
1:25:32 our brain, like conditioning, classical conditioning.
1:25:37 You can classical condition a fly in terms of training it to…
1:25:41 When you give it a reward, it will produce the same action.
1:25:43 This is like condition behavior.
1:25:47 That algorithm that I told you about, that isn’t your value function.
1:25:52 Temporal difference learning, that algorithm is in the fly brain, it’s in your brain.
1:25:56 So we can learn about learning from many species.
1:25:58 I was just having a little fun poking at the fly biologist.
1:26:01 I actually think Drosophila has done a great deal.
1:26:08 As has honeybee biology, for instance, if you give caffeine to bees on particular flowers,
1:26:13 they’ll actually try and pollinate those flowers more, because they actually like the feeling
1:26:14 of being caffeinated.
1:26:17 There’s a bad pun about a buzz here, but I’m not going to make that pun because everyone’s
1:26:20 done it before.
1:26:27 I fully absorb and agree with the value of studying simpler organisms to find the algorithms.
1:26:28 Right.
1:26:29 That’s where we are right now.
1:26:34 Now, just to go into the future now, I’m telling the story about what we really were.
1:26:37 We were predicting the future.
1:26:41 We were saying, “This is an alternative to traditional AI.
1:26:43 We were not taken seriously.”
1:26:44 Everybody was…
1:26:46 The experts said, “No, no.
1:26:47 Write programs.
1:26:48 Write programs.”
1:26:53 The resources, the grants, the jobs, and we were just like the little furry mammals under
1:26:56 the feet of these dinosaurs in retrospect.
1:27:01 I love the analogy, but the dinosaurs died off.
1:27:06 The point I’m making is that it’s possible for our brain to make these extrapolations
1:27:07 into the future.
1:27:10 Why not AI versions of brains?
1:27:11 Why not?
1:27:14 I think your idea is a great one.
1:27:22 I mean, the reason I’m excited about AI and increasingly so across the course of this
1:27:32 conversation is because there are very few opportunities to forge information at such
1:27:34 large scale and around the circadian clock.
1:27:40 I mean, if there’s one thing that we are truly a slave to as humans is the circadian biology.
1:27:42 You got to sleep sooner or later.
1:27:46 Even if you don’t, your cognition really waxes and wanes across the circadian cycle.
1:27:48 If you don’t, you’re going to die early.
1:27:50 We know this.
1:27:51 Computers can work, work, work.
1:27:53 Sure, you got to power them.
1:27:54 There’s the cooling thing.
1:28:01 There are a bunch of things related to that, but that’s tractable.
1:28:04 Computers can work, work, work.
1:28:09 The idea that they can provide a portal into the future and that they can just bring it
1:28:11 back so we can take a look-see.
1:28:19 I’m not saying we have to implement their advice, but to be able to send a panel of diverse,
1:28:27 computationally diverse, experientially diverse AI experts into the future and bring us back
1:28:33 a panel of potential routes to take to me is so exciting.
1:28:37 Maybe a good example would be like treatments for schizophrenia.
1:28:40 This is an area that I want to make sure that we talk about.
1:28:46 I grew up learning as a neuroscience student that schizophrenia was somehow a disruption
1:28:51 of the dopamine system because if you give neuroleptic drugs that block dopamine receptors,
1:28:56 that you get some improvement in the motor symptoms and some of the hallucinations, etc.
1:29:00 You now also have people who say, “No, that’s not really the basis of schizophrenia.
1:29:01 I’d love your thoughts.”
1:29:05 You have incredible work from people like Chris Palmer at Harvard and we even have a
1:29:10 department at Stanford now focusing, we even have people at Stanford now focusing on what
1:29:15 Chris really founded as a field, which is metabolic psychiatry, the idea that who could
1:29:20 imagine being sarcastic here, what you eat impacts your mitochondria, how you exercise
1:29:25 impacts your mitochondria, mitochondria impacts brain function, and woe and behold,
1:29:29 metabolic health of the brain and body impacts schizophrenia symptoms.
1:29:34 He’s looked at ways that people can use ketogenic diet, maybe not to cure, but to treat and in
1:29:37 some cases maybe even cure schizophrenia.
1:29:41 Here we are at this place where we still don’t have a “cure” for schizophrenia, but
1:29:48 you could send LLMs into the future and start to forage the most likely, all of the data
1:29:56 in those fields, probably could do that in an hour, plus come up with a bunch of hypothesized
1:30:02 different positive and negative result clinical trials that don’t even exist yet, 10,000 subjects
1:30:09 in Scandinavia who go on ketogenic diet, who have a certain level of susceptibility
1:30:15 schizophrenia based on what we know from twin studies, things that never ever ever would
1:30:21 be possible to do in an afternoon, maybe even in a year, there’s this in funding, and boom,
1:30:25 get the answers back and let them present us those answers and then you say, “Well,
1:30:30 it’s artificial,” but so are human brains coming up with these experiments.
1:30:34 For me, I’m starting to realize that it’s not that we have to implement everything
1:30:40 that AI tells us or offers us, but it sure as hell gives us a great window into what
1:30:43 might be happening or is likely to happen.
1:30:49 Specifically for schizophrenia, I’m pretty sure that if we had these large language models
1:30:53 20 years ago, we would have known back then that ketamine would have been a really good
1:30:56 drug to try to help these people.
1:31:00 Tell us about the relationship between ketamine and schizophrenia because I think a lot of
1:31:03 people, and maybe you could define schizophrenia even though most people think about people
1:31:10 hearing voices and psychosis, there’s a bit more to it that maybe we just can’t bring
1:31:11 out.
1:31:17 Okay, so one of the things now that we know, the problem is that if you look at the endpoint,
1:31:20 that doesn’t tell you what started the problem.
1:31:28 But during early development, schizophrenia is something that appears when late adolescence,
1:31:35 early adulthood, but it actually is already a problem, a genetic problem from the get-go.
1:31:40 So what is the concordance in identical twins, meaning if you have identical twins in the
1:31:46 womb and one is destined to be full-blown schizophrenic, what’s the probability of the
1:31:47 other?
1:31:48 So here’s the experiment.
1:31:52 This has very, very been replicated many, many times in mice, I should say.
1:31:57 Oh, no, actually, okay, let me start with a human, okay.
1:32:04 So ketamine is, for a long time, and it still is a party drug, special K.
1:32:06 I’ve never taken it, but this is what I hear.
1:32:07 I haven’t either.
1:32:08 I don’t know.
1:32:09 It’s a dissociative anesthetic, right?
1:32:14 But I’ll tell you what happens, because I’ve talked to these people who have done this.
1:32:18 You take ketamine, subanesthetic, by the way, it’s an anesthetic, it’s given to children.
1:32:21 It’s a pretty good anesthetic, and it’s also used in veterinary medicine.
1:32:29 But in any case, you give it to, you take young adults, here’s what they experience.
1:32:38 They experience, out-of-body experience, they have this wonderful feeling of energy,
1:32:43 and they’re very, it’s a high, but it’s a very unusual high.
1:32:51 Now, if they just go and have one experience, but if they have two, like they party two
1:32:55 days in a row, a lot of them come into the emergency room.
1:32:59 And here’s what the symptoms are.
1:33:03 Full-blown psychosis, full-blown.
1:33:08 We’re talking about indistinguishable from a schizophrenic break.
1:33:09 So auditory hallucinations.
1:33:10 Yeah.
1:33:17 And hallucinations, paranoia, very, very advanced, you’d say that, my God, this person
1:33:26 here has really gone, has become a schizophrenic, and this is really, like you say, the symptoms
1:33:27 are the same.
1:33:32 However, if you isolate them for a couple of days, they’ll come back, right?
1:33:37 So it means that schizophrenia can induce, I mean, sorry, ketamine can induce a form
1:33:43 of schizophrenia, psychosis, temporarily, not permanently, fortunately.
1:33:44 Okay.
1:33:45 So what does it attack?
1:33:46 Okay.
1:33:47 And there’s another literature on this.
1:33:54 It turns out that it binds to a form of receptor, a glutamate receptor called NMDA receptors,
1:33:56 which are very important by way for learning and memory.
1:34:04 But we know the target, and we also know what the acute outcome is that it reduces the strength
1:34:11 of the inhibitory circuit, the interneurons that use inhibitory transmitters, the enzyme
1:34:15 that creates the inhibitory transmitter is downregulated.
1:34:16 And what does that do?
1:34:18 It means that there’s more excitation.
1:34:20 And what does that mean when there’s more excitation?
1:34:27 It means that there’s more activity in the cortex, and there’s actually much more vigor.
1:34:32 You start becoming crazy, right, if it’s too much activity.
1:34:33 So this is interesting.
1:34:39 So this is telling us, I think, that we should be thinking about, and now there’s a whole
1:34:47 field now in psychiatry that has to do with the glutamate hypothesis for the first, where
1:34:52 the actual imbalance first occurs.
1:34:58 It’s an imbalance between the excitatory inhibitory systems that are in the cortex,
1:34:59 keep you in balance.
1:35:03 And NMDA, N-methyldiaspartate receptors are glutamate receptors.
1:35:04 Yes, they are glutamate.
1:35:05 They’re one class.
1:35:06 That’s one class.
1:35:07 That’s right.
1:35:08 Okay.
1:35:15 So now, here is a hypothesis for why ketamine might be good for depression.
1:35:16 People are taking it now.
1:35:18 We’re depressed, right?
1:35:26 So here you have a drug that causes overexcitation, and here you have a person who is under-excited.
1:35:31 Depression is associated with lower excitatory activity in some parts of the cortex.
1:35:36 Well, if you titrate it, you can come back into balance, right?
1:35:43 So what you do is you fight depression with schizophrenia, a touch of schizophrenia.
1:35:49 Now, you have to keep giving, I think, once every three weeks, they have to have a new
1:35:55 dose of ketamine, but it’s helped an enormous number of people with very, very severe clinical
1:35:56 depression.
1:36:01 So as we learn more about the mechanisms underlying some of these disorders, the better we are
1:36:08 going to be at extrapolating and coming up with some solutions at least to prevent it
1:36:09 from getting worse.
1:36:14 By the way, I’m pretty sure that the large-language models could have figured this out longer ago.
1:36:19 So in an attempt to understand how we might be able to leverage these large-language models
1:36:24 now, how would we have used these large-language models long ago?
1:36:35 Let’s say you had 2024 AI technology in, let’s have fun here, 1998, the year that I started
1:36:36 graduate school.
1:36:37 Right.
1:36:41 At that time, it was like the dopamine hypothesis, schizophrenia was in every textbook.
1:36:47 There was a little bit about glutamate, perhaps, but it was all about dopamine.
1:36:51 So how would the large-language models have discovered this?
1:36:53 Protein was known as a drug.
1:37:01 Ketamine, by the way, is very similar to PCP, which also bonds the NMDR receptor.
1:37:08 So how would this also, which is also, yeah, not one I recommend, nor ketamine.
1:37:12 Frankly, I don’t recommend any recreational drugs, but I’m not a recreational drug guy.
1:37:19 But what would those large-language models do if they, so you’ve got 2024 technology
1:37:25 placed into 1998, they’re foraging for existing knowledge, but then are they able to make
1:37:30 predictions like, “Hey, this stuff is going to turn out to be wrong,” or, “Hey, this
1:37:31 stuff is …”
1:37:32 Okay.
1:37:40 You know, this is all very, very speculative, and really we can begin actually to see this
1:37:42 happening now.
1:37:47 So I have a colleague at the Salk Institute, Rusty Gage.
1:37:55 Very distinguished neuroscientist, and he discovered that there are new neurons being
1:37:59 born in the hippocampus, right, which is something, in adults, which is something that in a textbook
1:38:01 says that doesn’t happen, right?
1:38:03 That was around 1998, Rusty did that, yeah.
1:38:04 That’s right.
1:38:11 And I actually have a paper with him where we tested LTP, long-term potentiation, actually
1:38:15 the effects of exercise on neurogenesis.
1:38:17 Exercise increases neurogenesis.
1:38:25 It increases the cells, it increases neurogenesis and also the cells that are active become
1:38:26 part of the circuit.
1:38:28 More cells become integrated.
1:38:30 And this is true in humans as well, right?
1:38:31 Yeah.
1:38:36 And there was some cancer drug that was given that, you know, that they showed that there
1:38:39 are new cells that were able, that they were able to later impose more of them to actually
1:38:43 see that they were born in the adult, okay.
1:38:51 So here we are, okay, in 1998, and the question is, can you jump?
1:38:52 Can you jump into the future?
1:38:53 Okay.
1:39:04 So Rusty, you know, happened to talk about this issue about, you know, he’s using these
1:39:12 large language models now for his research, and I said, “Oh, wow, how do you use it?”
1:39:15 And he said, “We use it as an idea pump.”
1:39:16 What do you mean idea pump?
1:39:22 Well, you know, we give it all of the experiments that we’ve done, and we have, you know, the
1:39:27 literature, its access to the literature and so forth, and we ask it for ideas for new
1:39:28 experiments.
1:39:29 Oh, I love it.
1:39:30 I love it.
1:39:36 I was on a plane where I sat next to a guy that works at Google, and he’s one of the
1:39:43 main people there in terms of voice to text, and text to voice software, and he showed
1:39:44 me something.
1:39:48 I’ll provide a link to it because it’s another one of these open resource things.
1:39:49 And I’m not super techy.
1:39:53 I’m not like the, I don’t get an F in technology.
1:39:54 I don’t get an A plus.
1:39:55 I’m kind of in the middle.
1:39:58 So I think I’m pretty representative of the average listener for this podcast, presumably.
1:40:04 What he showed me is that you can take, you open up this website, and you can take PDFs
1:40:10 or you take URLs, so websites, website addresses, and you just place them in the margin.
1:40:13 You literally just drag and drop them there.
1:40:20 And then you can ask questions, and the AI will generate answers that are based on the
1:40:26 content of whatever you put into this margin, those PDFs, those websites.
1:40:32 And the cool thing is, it references them so you know which article it came from.
1:40:39 And, and then you can start asking it more sophisticated questions, like in the two examples
1:40:45 of the effects of a drug, one being very strong and one being very weak, which of these papers
1:40:51 do you think is more rigorous based on, you know, subject number, but also kind of the
1:40:53 strength of the findings.
1:40:54 You know, a pretty vague thing.
1:40:56 Strength of findings is pretty vague, right?
1:41:00 Anyone that argues those are weak findings, those aren’t enough subjects, well, we know
1:41:04 a hell of a lot about human memory from one patient, HM.
1:41:09 So strength of findings when people is a subjective thing, you really have to be an expert in
1:41:11 a field to understand strength of findings, and even then.
1:41:17 And what’s amazing is it starts giving back answers, like, well, if you’re concerned about
1:41:23 number of subjects, this paper, but that’s a pretty obvious one, which one had more subjects,
1:41:29 but it can start critiquing these statistics that they used in these papers in very sophisticated
1:41:35 ways, and explain back to you why certain papers may not be interesting and others are
1:41:39 more interesting, and it starts to weight the evidence.
1:41:45 And then you say, well, with that weighted evidence, can you hypothesize what would happen
1:41:46 if?
1:41:49 And so I’ve done a little bit of this where it starts trying to predict the future based
1:41:53 on, you know, 10 papers that you gave it five minutes ago.
1:42:00 I don’t think any professor could do that, except in their very specific area of interest,
1:42:03 and if they were already familiar with the papers, and it would take them many hours,
1:42:06 if not days, to read all those papers in detail.
1:42:10 And they might not actually come up with the same answers, right?
1:42:11 Right.
1:42:12 Yeah.
1:42:18 So, actually, this is something that is happening in medicine, by the way, for doctors who are
1:42:23 using AI as an assistant, this is really interesting.
1:42:27 So this is dermatology, it was a paper in nature, you know, with skin lesions.
1:42:31 There’s several, 2000 skin lesions.
1:42:36 Some of them are, you know, cancerous, and others are benign.
1:42:41 And so, in any case, they tested the expert doctors, and then they tested an AI, and they
1:42:46 were both doing about, you know, 90 percent, right?
1:42:52 However, if you let the doctor use the AI, it boosts the doctor to 98 percent.
1:42:53 98 percent accuracy.
1:42:54 Yes.
1:42:55 And what’s going on there?
1:42:56 It’s very interesting.
1:43:03 So it turns out that, although they got the same 90 percent, they had different expertise
1:43:08 that the AI had access to more data, and so it could look at the lesions that were rare
1:43:11 that the doctor may never have seen, okay?
1:43:16 But the doctor has more in-depth knowledge of the most common ones that he’s seen over
1:43:19 and over again, and those are subtleties and so forth.
1:43:24 But so, putting them together, it makes so much sense that they’re going to improve if
1:43:26 they work together.
1:43:33 And I think that now, what you’re saying is that using AI as a tool for discovery with
1:43:41 the expert who’s interpreting and looking at the arguments, the statistical arguments,
1:43:48 and also looking at the paper, maybe in a new way, maybe that’s the future of science.
1:43:49 Maybe that’s what’s going to happen.
1:43:52 Everybody’s worried about, oh, AI is going to replace us.
1:43:57 It’s going to be much better than we are everything, and humans are obsolete.
1:43:59 Nothing can be further from the case.
1:44:07 Our strengths and weaknesses are different, and by working together, it’s going to strengthen.
1:44:14 Both, what we do and what AI does, and it’s going to be a partnership, it’s not going
1:44:17 to be adversarial, it’s going to be a partnership.
1:44:22 Would you say that’s the case for things like understanding or discovering treatments for
1:44:31 a neurologic illness for avoiding large scale catastrophes?
1:44:36 Can it predict macro movements?
1:44:39 Let me give an example.
1:44:44 Here in Los Angeles, there’s occasionally an accident on the freeway.
1:44:46 You have a lot of cameras over freeways nowadays.
1:44:48 You have cameras in cars.
1:44:53 You can imagine all of the data being sent in in real time, and you could probably predict
1:44:55 accidents pretty easily.
1:45:00 These are just moving objects at a specific rate who’s driving haphazardly, but you could
1:45:06 also potentially signal takeover of the brakes or the steering wheel of a car and prevent
1:45:07 accidents.
1:45:14 I mean, certain cars already do that, but could you essentially eliminate, let’s do something
1:45:15 even more important.
1:45:16 Let’s eliminate traffic.
1:45:24 I don’t know if you can do that, because that’s a funnel problem, but could you predict physical
1:45:26 events in the world into the future?
1:45:27 Okay.
1:45:34 This has already been done, not for traffic, but for hurricanes.
1:45:41 As you know, the weather is extremely difficult to predict, and except here in California
1:45:48 where it’s always going to be sunny right here, but now what they’ve done is to feed
1:45:55 a lot of previous data from previous hurricanes and also simulations of hurricanes.
1:45:57 You can simulate them in a supercomputer.
1:46:03 It takes days and weeks, so it’s not very useful for actually accurately predicting
1:46:10 where it’s going to hit, Florida, but what they did was after training up the AI on all
1:46:16 of this data, it was able to predict with much better accuracy exactly where in Florida
1:46:20 it’s going to make a landfall.
1:46:25 It does that on your laptop in 10 minutes.
1:46:26 Incredible.
1:46:33 Something just clicked for me, and it’s probably obvious to you and most people, but I think
1:46:34 this is true.
1:46:35 I think what I’m about to say is true.
1:46:40 At the beginning of our conversation, we were talking about the acquisition of knowledge
1:46:46 versus the implementation of knowledge, just learning facts versus learning how to implement
1:46:50 those facts in the form of physical action or cognitive action.
1:46:52 Math problem is cognitive action, physical action.
1:46:53 Okay.
1:46:57 AI can do both knowledge acquisition.
1:47:01 It can learn facts, long lists of facts and combinations of facts, but presumably it can
1:47:05 also run a lot of problem sets and solve a lot of problem sets.
1:47:12 I don’t think except with some crude still-to-me examples of robotics that it’s very good at
1:47:16 action yet, but it will probably get there at some point.
1:47:23 Robots are getting better, but they’re not doing what we’re doing yet, but it seems to
1:47:30 me that as long as they can acquire knowledge and then solve different problem sets, different
1:47:36 iterations of combinations of knowledge that basically they are in a position to take any
1:47:43 data about prior events or current events and make pretty darn good predictions about
1:47:49 the future and run those back to us quickly enough and to themselves quickly enough that
1:47:52 they could play out the different iterations.
1:47:57 I’m thinking one of the problems that seems to have really vexed neuroscientists in the
1:48:02 field of medicine and the general public has been the increase in the at least diagnosis
1:48:05 of autism.
1:48:07 I’ve heard so many different hypotheses over the years.
1:48:11 I think we’re still pretty much in the fog on this one.
1:48:20 Could AI start to come up with new and potential solutions and treatments if they’re necessary,
1:48:22 but maybe get to the heart of this problem?
1:48:23 It might.
1:48:25 It depends on the data you have.
1:48:31 It depends on the complexity of the disease.
1:48:32 But it will happen.
1:48:37 In other words, we will use those tools at the best we can because obviously if you can
1:48:43 make any progress at all and jump into the future, wow, that would save lives.
1:48:45 That would help so many people out there.
1:48:50 I really think the promise here is so great that even though there are flaws and there
1:48:56 are regulatory problems, we really, really have to really push.
1:49:06 We have to do that in a way that is going to help people in terms of making their jobs
1:49:13 better and helping them solve problems that otherwise they would have had difficulty with
1:49:15 and so forth.
1:49:20 It’s beginning to happen, but these are early days.
1:49:28 We’re at a stage right now with AI that is similar to what happened after the first flight
1:49:29 of the Wright brothers.
1:49:36 In other words, the achievement that the Wright brothers made was to get off the ground 10
1:49:41 feet and to power forward with the human being 100 feet.
1:49:42 That was it.
1:49:43 That was the first flight.
1:49:46 It took an enormous amount of improvements.
1:49:49 The most difficult thing that had to be solved was control.
1:49:50 How do you control it?
1:49:55 How do you make it go in the direction you want it to go?
1:50:00 Shades of what’s happening now in AI is that we are off the ground, we’re not going very
1:50:05 far yet, but who knows where it will take us into the future.
1:50:11 Let’s talk about Parkinson’s disease, a depletion of dopamine neurons that leads to difficulty
1:50:22 in smooth movement generation and also some cognitive and mood-based dysfunction.
1:50:28 Tell us about your work on Parkinson’s and what did you learn?
1:50:32 As you point out, Parkinson’s is first a degenerative disease.
1:50:40 It’s very interesting because the dopamine cells are a particular part of the brain stem
1:50:44 and they are the ones that are responsible for procedural learning.
1:50:46 I told you before about temporal difference.
1:50:49 It’s dopamine cells.
1:50:55 It’s a very powerful way for global signals called a neuromodulator because it modulates
1:51:00 all the other signals taking place throughout the cortex.
1:51:15 Also it’s very important for learning sequences of actions that produce survival for survival.
1:51:27 The problem is that with certain environmental insults, especially toxins like pesticides,
1:51:33 those neurons are very vulnerable and when they die, you get all of the symptoms that
1:51:36 you just described.
1:51:43 People who have lost those cells actually before the treatment, you know, Aldopa, which
1:51:49 is a dopamine precursor, they actually became comatose, right?
1:51:51 They didn’t move.
1:51:58 They were still live, but they just didn’t move at all.
1:52:01 Locked in is called, yeah, it’s tragic, tragic.
1:52:08 So when the first trials of Aldopa were given to them, it was magical because suddenly they
1:52:11 started talking again.
1:52:13 So I mean, this is amazing, amazing.
1:52:17 I’m curious, when they started talking again, did they report that their brain state during
1:52:21 the locked in phase was slow velocity?
1:52:25 Was it sort of like a dreamlike state or they felt like they were in a nap or were they
1:52:28 in there screaming to get out?
1:52:33 Because their physical velocity obviously was zero, they’re locked in after all.
1:52:40 And I’ve long wondered when coming back from a run or from waking up from a great night’s
1:52:46 sleep when I shift into my waking state, whether or not physical velocity and cognitive velocity
1:52:47 are linked.
1:52:52 So a wonderful observation or a question, I’ll bet you know the answer.
1:53:01 Okay, here’s something that is really amazing, it was discovered interestingly when they
1:53:04 tend to move slowly, as you said.
1:53:08 But to them, cognitively, they think they’re moving fast.
1:53:13 Now it’s not because they can’t move fast because you can say, well, can you move faster?
1:53:14 Sure.
1:53:15 And they move normal, right?
1:53:19 But to them, they think they’re moving at super velocities.
1:53:20 So it’s a set point issue.
1:53:22 So it’s a set point issue, yes, it’s all about set points.
1:53:25 That’s what’s really going on.
1:53:31 And as the set point gets further and further down, now without moving at all, they think
1:53:32 they’re moving, right?
1:53:33 I mean, this is what’s going on.
1:53:35 By the way, you can ask them, what was it like?
1:53:37 We were talking to you and you didn’t respond.
1:53:40 Oh, I didn’t feel like it.
1:53:42 The brain confabulates an answer.
1:53:50 Well, they confabulated it because they didn’t have enough energy or they couldn’t initiate.
1:53:52 They couldn’t initiate actions.
1:53:56 That’s one of the things that they have trouble with, with movements, starting a movement.
1:54:00 As you can tell, I’m fascinated by this notion of cognitive velocity.
1:54:06 And again, there may be a better or more accurate or official language for it.
1:54:12 But I feel like it encompasses so much of what we try to do when we learn and the fact
1:54:17 that during sleep you have these very vivid dreams during rapid eye movement sleep.
1:54:19 So cognitive velocity is very fast.
1:54:22 Time perception is different than in slow wave sleep dreams.
1:54:28 And I really think there’s something to it as at least one metric that relates to brain
1:54:29 state.
1:54:33 I’ve long thought that we know so much more about brain states during sleep than we do
1:54:35 about wakeful brain states.
1:54:39 We talk about focus, motivated, flow.
1:54:41 These are not scientific terms.
1:54:45 I’m not being disparaging of them, they’re pretty much all we’ve got until we come up
1:54:46 with something better.
1:54:50 But we’re biologists and neuroscientists and computational neuroscientists in your case.
1:54:55 And we’re trying to figure out what brain state are we in right now.
1:54:58 Our cognitive velocity is a certain value.
1:55:04 But I think the more that people think about this, I’ll venture to say that the more that
1:55:07 they think a little bit about their cognitive velocity at different times of day.
1:55:10 We start to notice that there’s a, tends to be a few times of day.
1:55:18 For me, it tends to be early to late mid-morning and then again in the evening after a little
1:55:24 bit of trough and energy that boy, that hour and a half each, that’s the time to get real
1:55:25 work done.
1:55:31 I can mentally sprint far at those times.
1:55:37 But there are other times of day when I don’t care how much caffeine I drink, unless it’s
1:55:43 a stressful event that I need to meet the demands of that stress, I just can’t get to
1:55:46 that faster pace while I’m also engaging.
1:55:51 You can read faster, you can listen, but you’re not using the information, you’re not storing
1:55:52 the information.
1:55:53 That’s right.
1:55:54 What times of day for you are?
1:56:06 I get most done in morning and then later after dinner is also different though.
1:56:12 I think in the morning, I’m better at creative stuff and then I think that in the evening
1:56:15 I’m better at actually just cranking it out.
1:56:17 Interesting.
1:56:22 Given the relationship between a body temperature and circadian rhythm, I would like to run
1:56:27 an experiment that relates core body temperature to cognitive velocity.
1:56:34 I’ve actually noticed that this is something that is just purely subjective, but the temperature
1:56:41 at the salt inside the building is kept 75, it’s like rock solid.
1:56:45 But in the afternoon, I feel a little chilly.
1:56:52 It’s probably my internal, body temperature, it’s probably going down.
1:56:58 That may correspond to the loss of energy, the amount of the ability for the brain and
1:56:59 everything else.
1:57:03 By the way, you know this is Q10, this is a jargon.
1:57:11 Every single enzyme in your every cell can go at different rates depending on the temperature.
1:57:15 The body temperature is doing this and all the cells are doing this too.
1:57:20 It’s an explanation, I’m not sure if it’s the right one.
1:57:24 Craig Heller, my colleague at Stanford in the biology department, has beautifully described
1:57:31 how the enzymatic control over pyruvate, I believe it is, controls muscular failure.
1:57:37 That local muscular failure, when people are trying to move some resistance, has everything
1:57:43 to do with the temperature, the local temperature that shuts down certain enzymatic processes
1:57:47 that don’t allow the muscles to contract the same way.
1:57:50 He knows the details and he covered them on this podcast and I’m forgetting the details.
1:57:55 He starts to go, “Wow, these enzymes are so beautifully controlled by temperature.”
1:58:00 And of course, his laboratory is focused on ways to bypass those temperature or to change
1:58:04 temperature locally in order to bypass those limitations and have shown them again and
1:58:05 again.
1:58:06 It’s just incredible.
1:58:11 Yeah, I don’t hear we’re speculating about what it would mean for cognitive velocity,
1:58:16 but I think it’s such a different world to think about the underlying biology as opposed
1:58:18 to just thinking about a drug.
1:58:23 You increase dopamine and norepinephrine and epinephrine, the so-called catecholamines,
1:58:26 and you’re going to increase energy focus and alertness, but you’re going to pay the
1:58:27 price.
1:58:30 You’re going to have a trough and energy focus and alertness that’s proportional to how much
1:58:31 greater it was when you took the drug.
1:58:34 Craig Boy, amphetamines are a good example.
1:58:41 Boy, you’re going a mile a minute when you’re taking the drug.
1:58:48 Of course, when I stand, that’s your impression and the reality is you don’t actually accomplish
1:58:50 that much more.
1:58:56 Have any LLMs, so AI been used to answer this really pressing question of what is going
1:59:02 to be the consequence on cognition for these young brains that have been weaned while taking
1:59:07 Ritalin, Adderall, Vivance, and other stimulants because we have millions of kids that have
1:59:08 been raised.
1:59:13 We have a chairman on our whole cadre, a whole generation, and I really would like
1:59:15 to know the answer.
1:59:17 I wonder if anybody’s studying that.
1:59:22 That’s really a great question because we gave them speed effectively, the drug that
1:59:26 causes the brain to be activated.
1:59:36 By the way, the consequence is that when it wears off, you have no energy.
1:59:39 You just completely spend.
1:59:40 That’s it.
1:59:41 That’s the pit.
1:59:44 That’s the pit, but that’s why you take more of it.
1:59:49 That’s the problem, it’s a spiral.
1:59:56 I love how today, you’re making it so very clear how computation, how math and computers
2:00:02 and AI now are really shaping the way that we think about these biological problems,
2:00:04 which are also psychological problems, which are also daily challenges.
2:00:08 I also love that we touched on mitochondria and how to replenish mitochondria.
2:00:12 I want to make sure that we talk about a couple of things that I know are in the back of people’s
2:00:18 minds, no pun intended here, which are consciousness and free will.
2:00:21 Normally, I don’t like to talk about these things.
2:00:25 Not because they’re sensitive, but because I find the discussions around them typically
2:00:32 to be more philosophical than neurobiological, and they tend to be pretty circular.
2:00:37 You get people like Kevin Mitchell, who I think he has a book about free will, he believes
2:00:40 in free will.
2:00:43 You’ve got people like Robert Sapolsky, wrote the book Determined, he doesn’t believe in
2:00:44 free will.
2:00:47 How do you feel about free will?
2:00:49 Is it even a discussion that we should be having?
2:00:57 Well, if you go back 500 years to the Middle Ages, the concept didn’t exist, or at least
2:01:08 not in the way we use it, because the way that humans felt about the world and how it
2:01:14 worked and its impact on them was that it’s all fate.
2:01:22 They had this concept of fate, which is that there’s nothing you can do that something
2:01:27 is going to happen to you because of what’s going on in the gods above, or whatever it
2:01:28 is.
2:01:34 You attribute it to the physical forces around you that caused it.
2:01:38 Not to your own free will, not that there’s something that caused you this to happen to
2:01:39 you.
2:01:47 I think that these words, by the way that we use, free will, consciousness, intelligence,
2:01:52 understanding, they’re weasel words, because you can’t pin them down.
2:01:58 There is no definition of consciousness that everybody agrees on, and it’s tough to solve
2:02:07 a scientific problem if you don’t have a definition that you can agree on, and there’s this big
2:02:14 controversy about whether these large language models understand language or not the way
2:02:17 we do.
2:02:21 What it really is revealing is we don’t understand what understanding is.
2:02:28 Literally, we don’t have a really good argument or measure that you can measure someone’s
2:02:33 understanding and then apply it to the GDP and see whether it’s the same.
2:02:38 It probably isn’t exactly the same, but maybe there’s some continuum here we’re talking
2:02:39 about.
2:02:52 The way I look at it, it says if an alien suddenly landed on earth and started talking
2:02:59 to us in English, and the only thing we could be sure of was that it’s not human.
2:03:06 I met some people that I wondered about their terrestrial origins.
2:03:11 Okay, now there’s a big diversity amongst humans too, you’re right about that.
2:03:16 Certain colleagues of ours at UCSD years ago, one in particular in the physics department
2:03:24 who I absolutely adore as a human being, just had such an unusual pattern of speech, of
2:03:27 behavior, totally appropriate behavior, but just unusual.
2:03:31 In the middle of a faculty meeting, we just turned to me and start talking while the other
2:03:39 person was presenting and I was like, “Maybe not now,” and he would say, “Oh, okay.”
2:03:42 But in any other domain, you’d say he was very socially adept.
2:03:47 There are certain people that just kind of discard with convention and he kind of wanted
2:03:48 to like, “Is he an alien?”
2:03:51 It’s kind of cool, in a cool way, like he’s one of my, again, a friend and somebody I
2:03:52 really delight in.
2:03:53 It’s true.
2:03:54 It’s true.
2:04:00 No, not everybody has adopted the same social conventions.
2:04:02 It could be a touch of autism.
2:04:03 Yeah.
2:04:04 That’s a problem.
2:04:08 In other words, there are very high-functioning autistic people out there.
2:04:09 He’s brilliant.
2:04:18 And often, there are high people who are brilliant with autism.
2:04:24 Could you build an LLM that was more on one end of the spectrum versus the other to see
2:04:26 what kind of information they forage for?
2:04:27 I reviewed a paper.
2:04:30 Personally, it would be a really important thing to do.
2:04:31 It’s been done.
2:04:32 Okay.
2:04:37 There was a paper that I reviewed where they took the LLM and they fine-tuned it with different
2:04:44 data from people with different disorders, the autism and so forth.
2:04:49 And sociopaths, you know.
2:04:50 That’s scary.
2:04:51 But you want to know the answer.
2:04:52 No, no.
2:04:58 They got these LLMs to behave just like those people who have these disorders.
2:05:01 You can get them to behave that way, yes.
2:05:05 Could you do political leaning and values?
2:05:10 I haven’t seen that, but it’s pretty clear that to me at least that if you can do sociopathy,
2:05:15 you can probably do any political belief, you know.
2:05:19 But you could also view all this as, you could take benevolent tracks.
2:05:30 You could also say hypercreative, sensitive to emotional tone of voices and find out what
2:05:36 kind of information that person brings, excuse me, that LLM brings back versus somebody who
2:05:40 is very oriented towards just the content of people’s words as opposed to what, you
2:05:43 know, because among people, you find this.
2:05:46 You know, if you’ve ever left a party with a significant other and sometimes someone
2:05:51 will say, I’ve had this experience with like, did you see that interaction between so and
2:05:52 so?
2:05:53 I’m like, no, what are you talking about?
2:05:54 Like, did you hear that?
2:05:55 I’m like, no, not at all.
2:05:58 I didn’t hear, I heard the words, but I did not pick up on what you were picking up on.
2:06:03 And it was clear that there’s two very different experiences of the same content based purely
2:06:06 on a difference in interpretation of the tonality.
2:06:07 Okay.
2:06:14 There’s a lot of information that is, as you point out, which has to do with the tone,
2:06:21 the spatial expressions, you know, there’s a tremendous amount of information that is
2:06:27 past, not just with words, but with all the other parts, the visual input and so forth.
2:06:30 And some people are good at picking that up and others are not.
2:06:34 There’s a tremendous variability between individuals.
2:06:39 And you know, that’s the biology is all about diversity and it’s all about, you know, needing
2:06:47 a gene pool that’s very diverse so that you can evolve and survive catastrophic changes
2:06:50 that occur in a climate, for example.
2:07:08 But wouldn’t it be wonderful if we could create a LLM that could understand what those differences
2:07:09 are?
2:07:10 Now, just think about it, right?
2:07:14 That could truly diverse LLM that integrated all those differences.
2:07:15 Yeah, but here’s what you’d have to do.
2:07:21 What you’d have to do is to train it up on data from a bunch of individuals, human individuals.
2:07:27 Now, one of the things about these LLMs is that they don’t have a single persona.
2:07:30 They can adopt any persona.
2:07:33 You have to tell it what you’re expecting from.
2:07:37 Or ask it in a way that works for you and you’ll get back a certain persona.
2:07:44 If you, I once gave it an abstract from a paper, very technical, a computational paper.
2:07:52 And I said, “You are a neuroscientist, and I want you to explain this abstract to a ten-year-old.”
2:07:54 It did it in a way that I could never have done it.
2:07:57 It really simplified it.
2:08:02 Some of the subtleties were not in it, but it explained what plasticity it was and explained
2:08:03 what a synapse is.
2:08:04 It’s amazing.
2:08:05 It did that.
2:08:07 It’s like a qualifying exam for a graduate student.
2:08:13 I saw something today on X, formerly known as Twitter, that blew my mind that I wanted
2:08:14 your thoughts on that.
2:08:19 It was very appropriate to what you’re saying right now, which is someone was asking questions
2:08:25 of an LLM on chat GPT or maybe one of these other anthropic or Claude or something like
2:08:26 that.
2:08:27 I’ll probably misuse those names.
2:08:38 One of the AI online sites and somewhere in the middle of its answers, the LLM decided
2:08:43 to just take a break and start looking at pictures of landscapes in Yosemite.
2:08:52 Like the LLM was doing what a maybe cognitively fatigued person or what any kind of online
2:08:56 person online would do, which was to like take a break and look at a couple pictures
2:08:59 of something, maybe they’re thinking about going camping there or something and then
2:09:01 get back to whatever task.
2:09:06 We hear about hallucinations in AI that it can imagine things that aren’t there, just
2:09:11 like a human brain, but that blew my mind.
2:09:16 I haven’t encountered that, but it’s fascinating.
2:09:23 That’s a sign of a real generative internal model.
2:09:33 Here’s the thing that most distinguishes, I think, an LLM from a human is that if you
2:09:39 go into a room, quiet room, and just sit there without any sensory stimulation, your brain
2:09:40 keeps thinking.
2:09:47 In other words, you think about what you want to do, planning ahead or something that happened
2:09:53 to you during the day, your brain is always generating internally.
2:09:59 After talking to you, one of these large language models just goes blank.
2:10:06 There is no self-continuous, self-generated thoughts.
2:10:11 We know self-generated thought and in particular brain activity during sleep, as you illustrated
2:10:15 earlier with the example of sleep spindles and rapid eye movement sleep, are absolutely
2:10:24 critical for shaping the knowledge that we experienced during the day.
2:10:28 These LLMs are not quite where we are at yet.
2:10:38 They can outperform us in certain things like go, but how soon will we have LLMs, AI that
2:10:43 is, with self-generated internal activity?
2:10:48 We were getting closer, and so this is something I’m working on myself, actually trying to
2:10:56 understand how that’s done in our own brains was generating continual brain activity that
2:11:00 leads to planning and things.
2:11:04 We don’t know what the answer to that is yet in neuroscience.
2:11:11 By the way, you go to a lecture and you hear the words one after the next over an hour and
2:11:16 you see the slides went after the next, and then you ask a question.
2:11:18 Just think about what you just did.
2:11:24 Somehow, you’re able to integrate all that information over the hour and then use your
2:11:30 long-term memory then to come up with some insight or some issue that you want.
2:11:38 How did your brain remember all that information, traditional working memory that neuroscientists
2:11:39 study?
2:11:44 It’s only a few seconds, maybe a telephone number or something, but we’re talking about
2:11:46 long-term working memory.
2:11:53 We don’t understand how that was done, and LLMs, actually large language models, can
2:11:54 do something.
2:12:01 It’s called in-context learning, and it was a great surprise because there is no plasticity.
2:12:05 The thing learns at the beginning, you train it up on data, and then all it does after
2:12:12 that is to inference, fast loop of activity one word after the next.
2:12:16 That’s what happens with no learning, no learning.
2:12:24 But it’s been noticed that as you continue your dialogue, it seems to get better at things.
2:12:25 How could that be?
2:12:31 How could it be in-context learning, even though there’s no plasticity?
2:12:32 That’s a mystery.
2:12:35 We don’t know the answer to that question yet, but we also don’t know what the answer
2:12:36 it is.
2:12:39 What the answer is for humans, either.
2:12:40 Right.
2:12:47 Could I ask you a few questions about you and as it relates to science and your trajectory?
2:12:53 Building off of what you were just saying, do you have a practice of meditation or eyes
2:13:02 closed, sensory input, reduced or shut down to drive your thinking in a particular way,
2:13:06 or are you at your computer talking to your students in postdocs and sprinting on the
2:13:07 beach?
2:13:08 Orously.
2:13:12 No, it’s funny you mentioned that because I get my best ideas, not sprinting on the
2:13:18 beach, but just either walking or jogging.
2:13:19 It’s wonderful.
2:13:20 I don’t know.
2:13:21 I think serotonin goes up.
2:13:22 It’s another neuromodulator.
2:13:26 I think that that stimulates ideas and thoughts.
2:13:35 So inevitably, I come back to my office and I can’t remember any of those great ideas.
2:13:37 What do you do about that?
2:13:38 Well now I take notes.
2:13:39 Voice memos.
2:13:40 Yeah.
2:13:41 Uh-huh.
2:13:42 And some of them pan out.
2:13:44 There’s no doubt about it.
2:13:48 You’re put into a situation, it is a form of meditation.
2:13:56 If you’re running in a steady pace, nothing distracting about the beach.
2:13:57 Do you listen to music or podcasts?
2:14:01 No, I never listen to anything except my own thoughts.
2:14:06 So there’s a former guest on this podcast who, she happens to be triple-degreeed from
2:14:11 Harvard, but she’s more in the kind of like personal coach space, but very, very high
2:14:14 level and impressive mind, impressive human all around.
2:14:22 And she has this concept of wordlessness that can be used to accomplish a number of different
2:14:28 things, but this idea that allowing oneself or creating conditions for oneself to enter
2:14:35 states throughout the day, or maybe once a day, of very minimal sensory input.
2:14:39 No lecture, no podcast, no book, no music, nothing.
2:14:47 And allowing the brain to just kind of idle and go a little bit nonlinear, if you will.
2:14:51 Where we’re not constructing thoughts or paying attention to anyone else’s thoughts through
2:14:58 those media venues in any kind of structured way as a source of great ideas and creativity.
2:14:59 It’s been studied.
2:15:01 Psychologists call it mind wandering.
2:15:02 Mind wandering.
2:15:04 Yeah, it is a significant literature.
2:15:11 And it’s often when you have an aha moment, you know, your mind is wandering and it’s
2:15:20 thinking nonlinearly in the sense of not following a sequence that is logical, you know, hopping
2:15:22 from thing to thing.
2:15:27 Often that’s when you get a great idea with just letting your mind wander.
2:15:28 Yeah.
2:15:29 And that happens to me.
2:15:35 I wonder whether social media and just texting and phones in general have eliminated a lot
2:15:40 of the walks to the car after work where one would normally not be on a call or in communication
2:15:42 with anyone or anything.
2:15:47 I used to do experiments where I was, you know, like pipetting and running, you know,
2:15:49 it has to chemistry and it was very relaxing.
2:15:53 And I could think while I was doing, because I knew the procedures and then, you know,
2:15:55 you had to pay attention to certain things, write them down.
2:16:00 But I would often feel like, wow, I’m both working and relaxing and thinking of things.
2:16:02 And then I would listen to music sometimes.
2:16:11 Okay, so we have a whole session, you know, a clip in learning how to learn about exactly
2:16:14 this phenomenon.
2:16:16 Here’s what we tell our students, right?
2:16:20 Is that, you know, if you’re having trouble with some concept or, you know, you don’t
2:16:24 understand something, you’re beating your head against the wall.
2:16:27 Don’t stop, stop.
2:16:29 Just go off and do something.
2:16:31 Go off and clean the dishes.
2:16:34 Go off and, you know, walk around the block.
2:16:39 And inevitably what happens is when you come back, your mind is clear and you figure out
2:16:41 what to do.
2:16:45 And that’s one of the best pieces of advice that anybody could get.
2:16:51 Because, you know, we don’t, nobody has told us how the brain works, right?
2:16:57 Some people are really good at intuitings, because they’ve experienced, you may be, and
2:17:07 but everybody, okay, the other thing is everybody I know who’s really made important contributions.
2:17:11 And I’ll bet you’re one of them.
2:17:14 You know, you’re struggling with some problem at night and you go to bed and you wake up
2:17:17 in the morning, ah, that’s the solution.
2:17:18 That’s what I should do, right?
2:17:24 The first thing in the morning when I wake up is when I’m almost bombarded with, I wouldn’t
2:17:31 say insight and not always meaningful insight, but certainly what was unclear becomes immediately
2:17:32 clear on the way.
2:17:33 That’s right.
2:17:37 That’s the thing that is so amazing about sleep.
2:17:40 And you can see people who know this can count on it.
2:17:46 In other words, the key is to think about it before you go to sleep, right?
2:17:49 Your brain works on it during the sleep period, right?
2:17:52 And so, you know, don’t watch TV because then who knows what your brain is going to work
2:17:53 on.
2:17:59 You know, use the time before you fall asleep to think about something that is bothering
2:18:04 you or maybe something that, you know, you’re trying to understand, maybe, you know, a paper
2:18:09 that you read the paper and say, oh, you know, I’m tired, I’m going to go to sleep.
2:18:11 You wake up in the morning and say, oh, I know what’s going on in that paper.
2:18:12 Yeah.
2:18:13 I mean, that’s what happens.
2:18:16 You can use, you know, once you know something about how the brain works, you can take advantage
2:18:18 of that.
2:18:20 Do you pay attention to your dreams?
2:18:21 Do you record them?
2:18:22 No.
2:18:23 No.
2:18:24 Okay.
2:18:25 So here’s the problem.
2:18:36 Dreams seem so iconic and a lot of people, you know, somehow attribute things to them.
2:18:44 But there has never been any good theory or any good understanding, first of all, why
2:18:45 we dream.
2:18:47 It’s still not completely clear.
2:18:49 I mean, there are some ideas.
2:18:53 Or what, why this particular dream?
2:18:56 Does that have some significance for you?
2:19:03 And the only thing that I know that might explain a little bit is that, you know, the
2:19:08 dreams are often very visual, you know, rapid eye movement sleep so that there’s something
2:19:11 happening that actually is interesting.
2:19:15 All the neuromodulators are down-regulated during sleep, and then during REM sleep, the
2:19:16 acetylcholine comes up, right?
2:19:19 So that’s a very powerful neuromodulator.
2:19:22 It’s important for attention, for example.
2:19:27 But it doesn’t come up in the prefrontal cortex, which means that the circuits in the prefrontal
2:19:34 cortex that are interpreting the sensory input coming in are not turned on.
2:19:40 So any of these, whatever happens in your visual cortex is not being monitored anymore.
2:19:44 So you get bizarre things, you know, that you start floating and, you know, things happen
2:19:45 to you.
2:19:48 And, you know, it’s not anchored anymore.
2:19:51 And so, but that still doesn’t explain why, right?
2:19:53 Why you have that period.
2:19:57 It’s important because if you block it, and there are some sleeping pills that do block
2:20:04 it, you know, it really does cause problems with, you know, normal cognitive function.
2:20:05 Cannabis as well.
2:20:13 People who come off cannabis experience a tremendous REM rebound and lots of dreaming
2:20:17 in the, you know, the days and weeks and months after cannabis.
2:20:18 Wow.
2:20:21 I don’t want to call it withdrawal because that has a different meaning.
2:20:22 Yeah.
2:20:27 It’s say it’s an imbalance that was cause of, you know, because the brain adjusted to
2:20:31 the, you know, the endocannabinoid levels.
2:20:34 And now it’s got to go back and it takes time.
2:20:35 But it’s interesting.
2:20:36 It isn’t interesting.
2:20:37 It affects dreams.
2:20:38 I think that may be a clue.
2:20:39 Yeah.
2:20:42 Very, very common phenomenon.
2:20:45 I’m told I’m not a cannabis user, but no judgment there.
2:20:47 I just am not.
2:20:52 This is actually a book I read years ago when I was in college.
2:20:58 So a long time ago by Alan Hobson, who was out at Harvard who, oh, cool.
2:21:05 So I never met him, but he had this interesting idea that dreams in particular rapid eye movement
2:21:13 dreams were so very similar to the experience that one has on certain psychedelics, LSD,
2:21:17 Surgical Acid Diathomide, or psilocybin.
2:21:22 And that perhaps dreams are revealing the unconscious mind, you know, not saying this
2:21:25 in any psychological terms, you know, that, you know, when we’re asleep, our conscious
2:21:30 mind can’t control thought and action in the same way, obviously, and kind of a, it’s
2:21:35 sort of a recession of the water line, you know, so we’re getting more of the, the unconscious
2:21:36 processing revealed.
2:21:38 You know, that’s an interesting hypothesis.
2:21:40 How would you test it?
2:21:45 I probably have to put someone in a scanner, have them go to sleep, put them in the scanner
2:21:52 on a psilocybin journey, this kind of thing, you know, that it’s tough.
2:21:57 I mean, any of these observational studies, of course, we both know are deficient in the
2:22:00 sense that what you’d really like to do is control the neural activity.
2:22:04 You’d like to get in there and tickle the neurons over here and see how the brain changes
2:22:06 and you’d love to get real time subjective report.
2:22:09 This is the problem with sleep and dreaming is people, you can wake people up and ask
2:22:13 them what they were just dreaming about, but you can’t really know what they’re dreaming
2:22:16 about in real time.
2:22:17 It’s true.
2:22:18 Yeah, it’s true.
2:22:20 By the way, you know, there are two kinds of dreams.
2:22:21 Very interesting.
2:22:28 So if you wake someone up during REM sleep, you get very vivid changing dreams that are
2:22:31 always, they’re always different and changing.
2:22:36 But if you wake someone up during slow wave sleep, you often get a dream report, but it’s
2:22:40 a kind of dream that keeps repeating over and over again every night.
2:22:42 And it’s a very heavy emotional content.
2:22:43 Interesting.
2:22:45 That’s in slow wave sleep.
2:22:46 Yeah.
2:22:49 Because I’ve had a few dreams over and over and over throughout my life, so this would
2:22:50 be in slow wave sleep.
2:22:52 Yeah, probably slow wave sleep.
2:22:53 Yeah.
2:22:56 Fascinating.
2:23:01 As a neuroscientist who’s computationally oriented, but really you incorporate the biology
2:23:05 so well into your work, so that’s one of the reasons you’re you, you’re this luminary
2:23:11 of your field and who’s also now really excited about AI.
2:23:13 What are you most excited about now?
2:23:20 Like if you had, and of course this isn’t the case, but if you had like 24 more months
2:23:24 to just pour yourself into something and then you had to hand the keys to your lab over
2:23:28 to someone else, what would you go all in on?
2:23:33 Well, so the NIH has something called the Pioneer Award.
2:23:39 And what they’re looking for are big ideas that could have a huge impact, right?
2:23:50 So I put one in recently, and, and, and here’s the title is a temporal context in brains
2:23:52 and transformers.
2:23:54 And in brains and transforms?
2:23:55 Transformers.
2:23:56 Formers.
2:23:57 AI.
2:23:58 Right.
2:24:03 The, the key to chat GTP is the fact there’s this new architectures, deep learning architecture,
2:24:06 city forward network, but it’s called a transformer.
2:24:13 And it has certain parts in it that are unique as one called self-attention.
2:24:19 And it’s, it’s, it’s a way of doing what it’s called temporal context.
2:24:22 It what it does is it connects words that are far apart.
2:24:26 You give it a sequence of words and it can tell you the association, like if I use the
2:24:31 word this, and then you have to figure out in the last sentence what it did refer to
2:24:35 while there’s three or four nouns it could have referred to, but from context you can
2:24:37 figure out which one it does.
2:24:40 And you can learn that association.
2:24:44 Could I just play with another example to make sure I understand this correctly.
2:24:49 I’ve seen these word bubble charts, like if we were to say piano, you’d say keys, you’d
2:24:53 say music, you’d say seat, you’d, and then, you know, it kind of builds out a word cloud
2:24:54 of association.
2:24:55 Right.
2:24:57 And then over here we’d say, I don’t know, I’m thinking about the Salk Institute, I’d
2:25:02 say sunset, Stonehenge, anyone that looks up, either there’s this phenomenon, Salkhenge.
2:25:05 And then you start building out a word cloud over there.
2:25:10 These are disparate things, except I’ve been to a classical music concert at the Salk
2:25:11 Institute.
2:25:12 Yes, symphony of soul.
2:25:13 Twice.
2:25:15 So they’re not completely non-overlapping.
2:25:19 And so you start getting associations at a distance and eventually they bridge together.
2:25:20 Is this what you’re referring to?
2:25:21 Yes.
2:25:27 I think that that’s an example, but it turns out that every word is ambiguous as like
2:25:29 three, four meetings.
2:25:31 And so you have to figure that out from context.
2:25:38 And so in other words, there are words that live together and that come up often.
2:25:43 And you can learn that from just by, you know, predicting the next word in a sentence, that’s
2:25:45 how a transformer is trained.
2:25:48 You give it a bunch of words and it keeps predicting the next word in a sentence.
2:25:51 Like in my email now, it tries to predict the next word.
2:25:52 Exactly.
2:25:54 And it’s mostly right part of the time.
2:25:59 Okay, well, that’s because it’s a very primitive version of this algorithm.
2:26:08 What happens is if you train it up on enough, not only can it answer the next word, it internally
2:26:13 builds up a semantic representation in the same way you describe the words that are related
2:26:17 to each other, having associations.
2:26:22 It can figure that out and it has representations inside this very large network with trillions
2:26:27 of parameters and unbelievable how big they were gotten.
2:26:37 And those associations now form an internal model of the meaning of the sentence.
2:26:43 Literally it’s been, this is something that now we’ve probed these transformers and so
2:26:48 we pretty much are pretty confident.
2:26:53 And that means that it’s forming an internal model of the outside world, in this case a
2:26:56 bunch of words.
2:27:01 And that’s how it’s able to actually respond to you in a way that is sensible, that makes
2:27:05 sense and actually is interesting and so forth.
2:27:07 And it’s all for the self-attention, I’m talking about.
2:27:13 So in the case, my pioneer proposal is to figure out how does the brain do self-attention,
2:27:14 right?
2:27:17 It’s got to do it somehow.
2:27:21 Now I’ll give you a little hint.
2:27:22 Basal ganglia.
2:27:24 It’s in the basal ganglia.
2:27:25 That’s my hypothesis.
2:27:26 Well, we’ll see.
2:27:33 I mean, I’ll be working with experimental people.
2:27:38 I’ve worked with John Reynolds, for example, who studies primate visual cortex and we’ve
2:27:46 looked at traveling ways there and there are other people that have looked at in primates.
2:27:55 And so now these traveling waves, I think, are also a part of the puzzle, pieces of the
2:28:00 puzzle that are going to give us a much better view of how the cortex is organized and how
2:28:03 it interacts with the basal ganglia.
2:28:09 We’ve already been there, but neuroscientists have studied each one of these parts of the
2:28:13 brain independently and now we have to start thinking about putting the pieces of the puzzle
2:28:18 together, trying to get all the things that we know about these areas and see how they
2:28:21 work together in a computational way.
2:28:24 And that’s really where I want to go.
2:28:25 I love it.
2:28:28 And I do hope they decide to fund your pioneer work.
2:28:29 I do too.
2:28:35 And should they make the bad decision not to, we will figure out another way to get the
2:28:36 work done.
2:28:38 And certainly you will.
2:28:42 Terry, I want to thank you.
2:28:46 Thanks of all for coming here today, taking time out of your busy cognitive and running
2:28:51 and teaching and research schedule to share your knowledge with us.
2:28:55 And also for the incredible work that you’re doing on public education and teaching the
2:29:02 public, I should say, giving the public resources to learn how to learn better at zero cost.
2:29:08 So we will certainly provide links to learning how to learn and your book and to these other
2:29:10 incredible resources that you’ve shared.
2:29:15 And you’ve also given us a ton of practical tools today related to exercise mitochondria
2:29:18 and some of the things that you do, which of course are just your versions of what you
2:29:25 do, but that certainly, certainly are going to be a value to people, including me in our
2:29:28 cognitive and physical pursuits and frankly, just longevity.
2:29:34 I mean, this is not lost on me and those listening that your vigor is, as I mentioned
2:29:36 earlier, undeniable.
2:29:42 And it’s been such a pleasure over the years to just see the amount of focus and energy
2:29:47 and enthusiasm that you bring to your work and to observe that it not only hasn’t slowed,
2:29:49 but you’re picking up velocity.
2:29:51 So thank you so much for educating us today.
2:29:56 I know I speak on behalf of myself and many, many people listening and watching this is
2:30:01 a real gift, a real incredible experience to learn from you.
2:30:02 So thank you so much.
2:30:03 Well, thank you.
2:30:10 And I have to say that I’ve been blessed over the years with wonderful students and wonderful
2:30:15 colleagues and I count you among them who really I’ve learned a lot from.
2:30:24 But you know, we’re, you know, science is a social activity and we learn from each other
2:30:27 and we all make mistakes.
2:30:31 But we learn from our mistakes and that’s the beauty of science is that we can make progress.
2:30:37 Now, you know, your career has been remarkable too, because you have affected and influenced
2:30:47 more people than anybody else I know personally with the knowledge that you are broadcasting
2:30:52 through your interviews, but also, you know, just in terms of your interests, really, I’m
2:30:54 really impressed with what you’ve done.
2:31:00 And I want you to keep, you know, at it because we need people like you.
2:31:08 We need we need scientists who can actually express and reach the public.
2:31:11 If we if we don’t do that, everything we do is behind closed doors, right?
2:31:13 Nothing gets out.
2:31:19 And so you’re one of the best of the breed in terms of being able to explain things in
2:31:23 a clear way that gets through to more people than anybody else I know.
2:31:24 Well, thank you.
2:31:29 I’m very honored to hear that it’s a labor of love for me and and I’ll take those words
2:31:31 in and I really appreciate it.
2:31:34 It’s an honor and a privilege to sit with you today and please come back again.
2:31:36 I’ll be a love to I would love to you.
2:31:37 All right.
2:31:38 Thank you, Terry.
2:31:39 You’re welcome.
2:31:43 Thank you for joining me for today’s discussion with Dr. Terry Sienowski to find links to
2:31:47 his work, the zero cost online learning portal that he and his colleagues have developed
2:31:51 and to find links to his new book, please see the show note captions.
2:31:56 If you’re learning from and or enjoying this podcast, please subscribe to our YouTube channel.
2:31:58 That’s a terrific zero cost way to support us.
2:32:03 In addition, please follow the podcast on both Spotify and Apple and on both Spotify
2:32:06 and Apple, you can leave us up to a five star review.
2:32:10 Please check out the sponsors mentioned at the beginning and throughout today’s episode.
2:32:12 That’s the best way to support this podcast.
2:32:16 If you have questions or comments about the podcast or guests or topics that you’d like
2:32:20 me to consider for the Huberman Lab podcast, please put those in the comments section on
2:32:21 YouTube.
2:32:24 I do read all the comments for those of you that haven’t heard, I have a new book coming
2:32:25 out.
2:32:26 It’s my very first book.
2:32:30 It’s entitled protocols and operating manual for the human body.
2:32:33 This is a book that I’ve been working on for more than five years and that’s based on more
2:32:39 than 30 years of research and experience and it covers protocols for everything from sleep
2:32:44 to exercise to stress control protocols related to focus and motivation.
2:32:49 And of course, I provide the scientific substantiation for the protocols that are included.
2:32:53 The book is now available by presale@protocallsbook.com.
2:32:57 There you can find links to various vendors, you can pick the one that you like best.
2:33:02 Again, the book is called protocols and operating manual for the human body.
2:33:06 If you’re not already following me on social media, I am Huberman Lab on all social media
2:33:07 platforms.
2:33:11 So that’s Instagram, ex formerly known as Twitter, Threads, Facebook and LinkedIn.
2:33:15 And on all those platforms, I discuss science and science related tools, some of which overlaps
2:33:20 with the content of the Huberman Lab podcast, but much of which is distinct from the content
2:33:21 on the Huberman Lab podcast.
2:33:25 And again, that’s Huberman Lab on all social media platforms.
2:33:29 If you haven’t already subscribed to our neural network newsletter, our neural network newsletter
2:33:33 is a zero cost monthly newsletter that includes podcast summaries as well as protocols in
2:33:37 the form of brief one to three page PDFs.
2:33:41 Those one to three page PDFs cover things like deliberate heat exposure, deliberate cold
2:33:42 exposure.
2:33:43 We have a foundational fitness protocol.
2:33:47 We also have protocols for optimizing your sleep, dopamine and much more.
2:33:49 Again, all available, completely zero cost.
2:33:53 Simply go to HubermanLab.com, go to the menu tab, scroll down to newsletter and provide
2:33:55 your email.
2:33:57 We do not share your email with anybody.
2:34:01 Thank you once again for joining me for today’s discussion with Dr. Terry Sienowsky.
2:34:05 And last but certainly not least, thank you for your interest in science.
2:34:10 [MUSIC]
Chào mừng bạn đến với Podcast Lab Huberman, nơi chúng ta thảo luận về khoa học và các công cụ dựa trên khoa học cho cuộc sống hàng ngày.
Tôi là Andrew Huberman, và tôi là giáo sư về sinh học thần kinh và nhãn khoa tại Trường Y khoa Stanford.
Khách mời hôm nay của tôi là Tiến sĩ Terry Sagnowski.
Tiến sĩ Terry Sagnowski là giáo sư tại Viện Nghiên cứu Sinh học Salk, nơi ông điều hành Phòng thí nghiệm Sinh học Thần kinh Tính toán.
Và như tiêu đề của ông đã gợi ý, ông là một nhà khoa học thần kinh tính toán.
Nói cách khác, ông sử dụng toán học, cũng như trí tuệ nhân tạo và các phương pháp tính toán để hiểu câu hỏi tổng quát, cực kỳ quan trọng về cách thức hoạt động của não bộ.
Bây giờ, tôi nhận ra rằng khi mọi người nghe các thuật ngữ như sinh học thần kinh tính toán, thuật toán, mô hình ngôn ngữ lớn và AI, điều đó có thể gây choáng ngợp và thậm chí đáng sợ.
Nhưng tôi đảm bảo với bạn rằng mục đích của công việc của Tiến sĩ Sagnowski, và thực sự là cuộc thảo luận hôm nay, hoàn toàn xoay quanh việc sử dụng những phương pháp đó để làm rõ cách thức hoạt động của não bộ, và thực sự là để đơn giản hóa câu trả lời cho câu hỏi đó.
Vì vậy, chẳng hạn như hôm nay bạn sẽ học được rằng bất kể bạn là ai, bất kể kinh nghiệm của bạn, tất cả động lực của bạn trong mọi lĩnh vực của cuộc sống đều được điều chỉnh bởi một thuật toán hoặc phương trình đơn giản.
Tiến sĩ Sagnowski giải thích cách một quy tắc duy nhất, một quy tắc học tập duy nhất, thúc đẩy tất cả các hành vi liên quan đến động lực của chúng ta.
Và tất nhiên, nó liên quan đến chất dẫn truyền thần kinh dopamine.
Và nếu bạn quen thuộc với thuật ngữ dopamine, hôm nay bạn sẽ thực sự hiểu cách dopamine hoạt động để thúc đẩy mức độ động lực của bạn, hoặc trong một số trường hợp, thiếu động lực, và cách để vượt qua sự thiếu động lực đó.
Hôm nay chúng ta cũng thảo luận về cách tốt nhất để học.
Tiến sĩ Sagnowski không chỉ chia sẻ thông tin về cách thức hoạt động của não bộ, mà còn cung cấp các công cụ thực tiễn mà ông và các đồng nghiệp đã phát triển, bao gồm một cổng trực tuyến miễn phí dạy bạn cách học tốt hơn dựa trên phong cách học tập của bạn, cách mà bạn cụ thể tìm kiếm thông tin và áp dụng thông tin đó.
Tiến sĩ Sagnowski cũng giải thích cách mà ông sử dụng một loại hình tập thể dục cụ thể để nâng cao khả năng nhận thức, tức là khả năng của não bộ trong việc học thông tin và đưa ra những ý tưởng mới.
Hôm nay, chúng ta cũng sẽ thảo luận về cả não bộ khỏe mạnh và não bộ bị bệnh trong các tình trạng như Parkinson và Alzheimer, cũng như cách mà những công cụ cụ thể liên quan đến chức năng ty thể có thể được sử dụng để điều trị các bệnh khác nhau, bao gồm cả chứng mất trí nhớ Alzheimer.
Tôi chắc chắn rằng đến cuối tập hôm nay, bạn sẽ học được một lượng kiến thức khổng lồ về cách mà não bộ của bạn hoạt động và những công cụ thực tiễn mà bạn có thể áp dụng trong cuộc sống hàng ngày.
Trước khi bắt đầu, tôi muốn nhấn mạnh rằng podcast này tách biệt với vai trò giảng dạy và nghiên cứu của tôi tại Stanford. Tuy nhiên, nó là một phần trong mong muốn và nỗ lực của tôi để mang đến thông tin về khoa học và các công cụ liên quan đến khoa học mà không tốn phí cho công chúng.
Theo chủ đề đó, tôi muốn cảm ơn các nhà tài trợ của podcast hôm nay. Nhà tài trợ đầu tiên của chúng ta là BetterHelp. BetterHelp cung cấp liệu pháp chuyên nghiệp với một nhà trị liệu có giấy phép hoàn toàn trực tuyến.
Tôi đã tham gia liệu pháp hàng tuần trong hơn 30 năm. Ban đầu, tôi không có sự lựa chọn. Đó là một điều kiện để được phép ở lại trường, nhưng rất sớm tôi nhận ra rằng liệu pháp là một thành phần cực kỳ quan trọng đối với sức khỏe tổng thể của một người.
Thực tế, tôi coi việc tham gia liệu pháp định kỳ quan trọng như việc tập thể dục đều đặn, bao gồm cả tập thể dục tim mạch và tập sức bền, mà tất nhiên, tôi cũng thực hiện mỗi tuần.
Bây giờ, về cơ bản có ba điều mà liệu pháp tuyệt vời cung cấp. Đầu tiên, nó tạo ra một mối quan hệ tốt với một người mà bạn có thể tin tưởng và nói chuyện về hầu hết mọi vấn đề mà bạn muốn. Thứ hai, liệu pháp tuyệt vời cung cấp sự hỗ trợ dưới dạng hỗ trợ cảm xúc hoặc đơn giản là hướng dẫn cụ thể, những gì cần làm hoặc không nên làm trong các lĩnh vực nhất định của cuộc sống bạn.
Và thứ ba, liệu pháp chuyên gia có thể cung cấp cho bạn những hiểu biết hữu ích mà bạn sẽ không thể tự mình đạt được. BetterHelp giúp bạn dễ dàng tìm thấy một nhà trị liệu chuyên gia mà bạn thực sự hòa hợp và có thể mang lại cho bạn những lợi ích mà tôi vừa đề cập đến từ liệu pháp hiệu quả. Nếu bạn muốn thử BetterHelp, hãy truy cập betterhelp.com/huberman để nhận 10% giảm giá cho tháng đầu tiên của bạn. Một lần nữa, đó là betterhelp.com/huberman.
Tập hôm nay cũng được mang đến cho chúng ta bởi Helix Sleep. Helix Sleep sản xuất đệm và gối được tùy chỉnh theo nhu cầu ngủ độc đáo của bạn. Tôi đã nói nhiều lần trước đây trên podcast này và các podcast khác về việc có một giấc ngủ ngon là nền tảng của sức khỏe tâm thần, sức khỏe thể chất và hiệu suất. Chiếc đệm bạn ngủ trên đó có sự khác biệt lớn về chất lượng giấc ngủ mà bạn có được mỗi đêm. Độ mềm mại hay độ cứng của nó, khả năng thoáng khí của nó, tất cả đều ảnh hưởng đến sự thoải mái của bạn và cần được điều chỉnh theo nhu cầu ngủ độc đáo của bạn.
Nếu bạn truy cập vào trang web của Helix, bạn có thể thực hiện một bài kiểm tra ngắn hai phút và nó sẽ hỏi bạn những câu hỏi như: “Bạn ngủ ở tư thế nào, nằm ngửa, nằm nghiêng hay nằm sấp? Bạn có thường cảm thấy nóng hay lạnh vào ban đêm không?” Có thể bạn biết câu trả lời cho những câu hỏi đó, có thể bạn không. Dù sao đi nữa, Helix sẽ ghép bạn với chiếc đệm lý tưởng cho bạn. Đối với tôi, chiếc đệm phù hợp là chiếc đệm Dusk, USK. Tôi đã bắt đầu ngủ trên chiếc đệm Dusk khoảng ba năm rưỡi trước và đó là giấc ngủ tốt nhất mà tôi từng có.
Nếu bạn muốn thử Helix, bạn có thể truy cập helixsleep.com/huberman. Thực hiện bài kiểm tra giấc ngủ hai phút và Helix sẽ ghép bạn với một chiếc đệm được tùy chỉnh cho nhu cầu ngủ độc đáo của bạn. Đến tháng 11 năm 2024, Helix đang giảm giá lên đến 25% cho tất cả các đơn đặt hàng đệm và tặng hai gối miễn phí. Một lần nữa, đó là helixsleep.com/huberman để nhận giảm giá lên đến 25% và hai gối miễn phí.
Bây giờ là phần thảo luận của tôi với Tiến sĩ Terry Sainowski.
Tiến sĩ Terry Sainowski, chào mừng.
Thật tuyệt khi có mặt ở đây.
Chúng ta đã biết nhau từ lâu và tôi là một fan hâm mộ lớn của công việc của bạn vì bạn đã làm việc trên rất nhiều lĩnh vực khác nhau trong lĩnh vực thần kinh học.
Bạn được nhiều người coi là một nhà thần kinh học tính toán, vì vậy bạn mang đến các mô hình toán học để hiểu về não bộ và mạng lưới thần kinh, và hôm nay chúng ta cũng sẽ nói về AI và chúng ta sẽ làm cho nó dễ tiếp cận với mọi người, dù là nhà sinh học hay không, có nền tảng toán học hay không.
Để bắt đầu, tôi muốn hiểu một điều.
Tôi hiểu một chút về danh sách các bộ phận của não bộ và hầu hết người nghe podcast này sẽ hiểu một chút về danh sách các bộ phận của não bộ ngay cả khi họ chưa bao giờ nghe một tập nào của podcast này trước đây vì họ hiểu rằng có các tế bào, những tế bào đó là các nơron, và những nơron này kết nối với nhau theo những cách rất cụ thể cho phép chúng ta nhìn, nghe, suy nghĩ, v.v.
Tôi đã đến niềm tin rằng ngay cả khi chúng ta biết danh sách các bộ phận, điều đó cũng không thực sự giúp chúng ta hiểu cách não bộ hoạt động.
Đây là câu hỏi lớn.
Não bộ hoạt động như thế nào?
Ý thức là gì?
Tất cả những điều này.
Và làm thế nào để hiểu cách các nơron giao tiếp với nhau bắt đầu giúp chúng ta có một hiểu biết thực sự về cách não bộ hoạt động?
Mảnh thịt này trong đầu chúng ta là gì?
Bởi vì nó không thể chỉ là, được rồi, hồi hải mã nhớ những thứ và vỏ não thị giác nhận biết những thứ.
Khi bạn ngồi lại và loại bỏ toán học khỏi cuộc trò chuyện tinh thần, nếu điều đó có thể xảy ra với bạn, bạn nghĩ về, nói một cách nào đó, cách não bộ hoạt động như thế nào?
Ở một mức độ rất cơ bản, mảnh thịt này trong đầu chúng ta thực sự đang cố gắng đạt được điều gì?
Hãy nói về thời điểm chúng ta thức dậy vào buổi sáng và chúng ta hơi mơ màng cho đến khi chúng ta đến được tách cà phê hoặc nước đầu tiên, hoặc có thể chỉ là để đi tiểu ngay vào buổi sáng.
Có điều gì đang diễn ra ở đó?
Đúng là một câu hỏi tuyệt vời.
Tôi có một — Pat Churchley và tôi đã viết một cuốn sách, “Não Tính Toán,” và trong đó, có một sơ đồ các cấp độ, mô tả các cấp độ điều tra ở các quy mô không gian khác nhau từ phân tử ở rất dưới cùng đến các synapse và neuron, các mạch, các mạch thần kinh, cách mà chúng kết nối với nhau, và sau đó là các khu vực não trong vỏ não và sau đó là toàn bộ hệ thần kinh trung ương trải dài 10 bậc độ lớn, từ 10 đến 10, trong quy mô không gian.
Ý thức nằm ở đâu trong tất cả những điều đó?
Có hai cách tiếp cận mà các nhà thần kinh học đã thực hiện.
Tôi không nên nói là các nhà thần kinh học, tôi nên nói rằng các nhà khoa học đã thực hiện, và cách tiếp cận mà bạn đã mô tả, đó là, hãy xem xét tất cả các phần, đó là cách tiếp cận từ dưới lên.
Tách rời nó ra và chỉ áp dụng cách tiếp cận giảm thiểu, và bạn đạt được nhiều tiến bộ.
Bạn có thể tìm ra cách mà mọi thứ kết nối và hiểu cách phát triển diễn ra, cách mà các neuron kết nối, nhưng rất khó để thực sự đạt được tiến bộ vì bạn nhanh chóng bị lạc trong rừng.
Bây giờ, cách tiếp cận khác, đã thành công nhưng cuối cùng lại không thỏa mãn, là cách tiếp cận từ trên xuống, và đây là cách tiếp cận mà các nhà tâm lý học đã thực hiện, nhìn vào hành vi và cố gắng hiểu các quy luật của hành vi, đây là cách tiếp cận hành vi, nhưng ngay cả những người trong lĩnh vực trí tuệ nhân tạo cũng đã cố gắng thực hiện một cách tiếp cận từ trên xuống, để viết các chương trình có thể tái tạo hành vi con người, hành vi thông minh.
Tôi phải nói rằng cả hai cách tiếp cận đó, từ dưới lên hay từ trên xuống, thực sự chưa đạt được cốt lõi để trả lời bất kỳ câu hỏi nào trong số những câu hỏi lớn đó.
Nhưng hiện nay có một cách tiếp cận hoàn toàn mới đang nổi lên trong cả thần kinh học và trí tuệ nhân tạo cùng một lúc, và vào thời điểm này trong lịch sử, điều đó thực sự khá đáng chú ý.
Vì vậy, có một cấp độ trung gian giữa cấp độ thực hiện ở dưới cùng, cách bạn thực hiện một cơ chế cụ thể nào đó, và hành vi thực tế của toàn bộ hệ thống được gọi là cấp độ thuật toán, nó nằm ở giữa.
Các thuật toán giống như công thức nấu ăn, giống như khi bạn làm bánh, bạn cần có nguyên liệu và bạn phải chỉ rõ thứ tự mà chúng được kết hợp và thời gian, và nếu bạn làm sai, nó sẽ không hoạt động, chỉ đơn giản là một mớ hỗn độn.
Bây giờ, hóa ra chúng ta đang phát hiện ra các thuật toán, chúng ta đã tiến bộ rất nhiều trong việc hiểu các thuật toán được sử dụng trong các mạch thần kinh, và điều này liên quan đến cấp độ tính toán của cách hiểu chức năng của mạch thần kinh, nhưng tôi sẽ đưa ra một ví dụ về một thuật toán, đó là một thuật toán mà chúng tôi đã làm việc vào những năm 1990 khi Peter Dayan và Reid Montague là các nghiên cứu sinh sau tiến sĩ trong phòng thí nghiệm, và nó liên quan đến một phần của não nằm dưới vỏ não gọi là hạch nền, phần này chịu trách nhiệm học các chuỗi hành động để đạt được một mục tiêu nào đó.
Ví dụ, nếu bạn muốn chơi quần vợt, bạn phải có khả năng phối hợp nhiều cơ bắp và một chuỗi hành động hoàn chỉnh phải được thực hiện nếu bạn muốn có thể giao bóng chính xác và bạn phải luyện tập, luyện tập, luyện tập, điều đang diễn ra ở đây là hạch nền cơ bản đang tiếp quản từ vỏ não và tạo ra các hành động ngày càng tốt hơn, và điều này không chỉ đúng với các cơ bắp, mà cũng đúng với tư duy.
Nếu bạn muốn trở nên giỏi trong bất kỳ lĩnh vực nào, nếu bạn muốn trở thành một nhà tài chính giỏi, nếu bạn muốn trở thành một bác sĩ giỏi hoặc một nhà thần kinh học, bạn phải luyện tập, luyện tập, luyện tập để hiểu chi tiết về nghề nghiệp và những gì hiệu quả, những gì không hiệu quả và vân vân, và hóa ra hạch nền tương tác với vỏ não không chỉ ở phía sau, đó là phần hành động, mà còn với vỏ não trước trán, đó là phần tư duy.
Tôi có thể hỏi bạn một câu hỏi về điều này một cách ngắn gọn không? Hạch nền, theo như tôi hiểu, liên quan đến việc tổ chức hai loại hành vi chính, hành động, có nghĩa là thực hiện một hành vi, nhưng hạch nền cũng hướng dẫn…
Không được, đừng tham gia vào hành vi đó, và việc học cách đánh golf chuyên nghiệp hoặc thậm chí là một cú đánh golf cơ bản hay cú đánh vợt tennis đều liên quan đến cả hai điều đó, đi và không đi. Với những gì bạn vừa nói, đó là các hạch nền cũng tham gia vào việc tạo ra những suy nghĩ của những loại cụ thể, tôi tự hỏi liệu nó cũng có liên quan đến việc ức chế những suy nghĩ của những loại cụ thể hay không. Ý tôi là, bạn không muốn bác sĩ phẫu thuật của mình cắt vào một vùng cụ thể và chỉ nghĩ về các hành vi vận động của họ, phải làm gì và không phải làm gì. Họ có lẽ cần phải nghĩ về những gì cần nghĩ đến, nhưng cũng cần phải nghĩ về những gì không nên nghĩ đến. Bạn không muốn bác sĩ phẫu thuật đó nghĩ về việc con của họ đã cư xử tồi tệ như thế nào vào buổi sáng hôm đó, và họ cảm thấy thất vọng vì hai điều đó tương tác với nhau. Có phải có đi không đi về mặt hành động và học tập, và có phải có đi không đi về mặt suy nghĩ không? Vâng, tôi đã đề cập đến vỏ não trước trán và phần đó, vòng lặp với các hạch nền, là một trong những phần cuối cùng trưởng thành trong độ tuổi trưởng thành sớm. Vấn đề là đối với thanh thiếu niên, không phải phần không đi cho việc lập kế hoạch và hành động. Điều này chưa thực sự hoàn thiện, và vì vậy thường thì nó không hoạt động để ngăn bạn làm những điều không có lợi cho bạn. Vâng, hoàn toàn đúng, nhưng một trong những điều là học tập có liên quan, và đây thực sự là một vấn đề mà chúng tôi đã giải quyết đầu tiên về lý thuyết vào những năm 90 và sau đó là thực nghiệm sau này bằng cách ghi lại từ các tế bào thần kinh và cũng là hình ảnh não ở con người. Vì vậy, hóa ra chúng tôi biết thuật toán được sử dụng trong não để học các chuỗi hành động nhằm đạt được một mục tiêu, và đó là thuật toán đơn giản nhất mà bạn có thể tưởng tượng. Nó chỉ đơn giản là dự đoán phần thưởng tiếp theo mà bạn sẽ nhận được. Nếu tôi thực hiện một hành động, liệu nó có mang lại cho tôi điều gì đó có giá trị không, và bạn sẽ học mỗi lần bạn thử một điều gì đó, cho dù bạn nhận được số lượng phần thưởng mà bạn mong đợi hay ít hơn, bạn sử dụng điều đó để cập nhật các synapse, tính linh hoạt của synapse, để lần sau bạn sẽ có một kết quả tốt hơn.
cơ hội nhận được phần thưởng tốt hơn, và bạn xây dựng cái được gọi là hàm giá trị. Vì vậy, vỏ não bây giờ, trong suốt cuộc đời của bạn, đang tích lũy rất nhiều kiến thức về những điều tốt cho bạn, những điều xấu cho bạn, như khi bạn đến một nhà hàng, bạn gọi món gì, làm thế nào bạn biết điều gì là tốt cho bạn, đúng không? Bạn đã có rất nhiều bữa ăn ở nhiều nơi, và bây giờ đó là một phần của hàm giá trị của bạn. Đây là cùng một thuật toán được sử dụng bởi AlphaGo. Đây là chương trình mà DeepMind đã xây dựng. Đây là một chương trình AI đã đánh bại nhà vô địch Go thế giới, và Go là trò chơi phức tạp nhất mà con người từng chơi một cách thường xuyên. Phức tạp hơn nhiều so với cờ vua, theo như tôi hiểu. Đúng vậy. Vì vậy, Go tương tự như cờ vua, giống như cờ vua với cờ đam. Nói cách khác, mức độ khó khăn là một cách khác để vượt lên trên nó, bởi vì bạn phải suy nghĩ về các trận chiến đang diễn ra ở khắp mọi nơi cùng một lúc, và thứ tự mà bạn đặt các quân cờ xuống sẽ ảnh hưởng đến những gì sẽ xảy ra trong tương lai. Vì vậy, hàm giá trị này rất thú vị, và tôi tự hỏi liệu, và tôi nghĩ bạn đã trả lời điều này, nhưng tôi tự hỏi liệu hàm giá trị này có được thực hiện trong khoảng thời gian dài hay không. Vì vậy, bạn đã nói về hàm giá trị theo nghĩa học một kỹ năng vận động. Giả sử như vung vợt tennis để thực hiện một cú giao bóng hoàn hảo, hoặc thậm chí chỉ là một cú giao bóng tạm ổn. Khi ai đó quay trở lại sân, giả sử vào cuối tuần, một lần mỗi tháng trong suốt nhiều năm, họ có thể truy cập vào cùng một hàm giá trị đó mỗi lần họ quay lại, ngay cả khi đã có rất nhiều thời gian và việc học can thiệp? Đó là câu hỏi số một. Và câu hỏi khác là, bạn có nghĩ rằng hàm giá trị này cũng đang được thực hiện trong những kịch bản phức tạp hơn, không chỉ là học vận động, chẳng hạn như, giả sử, một lĩnh vực trong cuộc sống mà đối với nhiều người liên quan đến một số thử nghiệm và sai sót, sẽ giống như các mối quan hệ con người. Chúng ta học cách làm bạn với mọi người.
Chúng ta học cách để trở thành một người anh/chị tốt.
Chúng ta học cách để trở thành một người bạn đời tốt.
Chúng ta có những điều đúng, và cũng có những điều sai.
Vì vậy, khi cùng một hàm giá trị được thực hiện, chúng ta đang chú ý đến những gì mang lại phần thưởng,
nhưng điều mà tôi không nghe bạn nói cũng là những gì bị trừng phạt.
Chúng ta chỉ chú ý đến những gì mang lại phần thưởng, hay chúng ta cũng đang tích hợp sự trừng phạt?
Chúng ta không bị sốc điện khi thực hiện cú giao bóng sai, nhưng chúng ta có thể cảm thấy thất vọng.
Điều bạn đã xác định là một đặc điểm rất quan trọng, đó là phần thưởng, bằng cách nào đó, mỗi lần
bạn làm điều gì đó, bạn đang cập nhật hàm giá trị này mỗi lần, và nó tích lũy lại.
Và câu trả lời cho câu hỏi đầu tiên của bạn, câu trả lời là nó sẽ luôn tồn tại.
Không quan trọng.
Đó là một phần rất vĩnh viễn trong trải nghiệm của bạn và con người bạn.
Và thú vị là, các nhà hành vi học đã biết điều này từ những năm 1950, rằng bạn có thể đạt được điều đó
bằng hai cách thông qua thử nghiệm và sai lầm.
Phần thưởng nhỏ là tốt vì bạn liên tục tiến gần hơn và gần hơn đến việc đạt được những gì bạn
mong muốn, một tay vợt tennis giỏi hơn hoặc có thể kết bạn.
Nhưng sự trừng phạt tiêu cực thì hiệu quả hơn nhiều, học chỉ qua một lần thử nghiệm.
Bạn không cần phải có 100 lần thử nghiệm, điều mà bạn cần khi đang huấn luyện một con chuột làm một
nhiệm vụ với phần thưởng thực phẩm nhỏ.
Nhưng nếu bạn chỉ sốc con chuột, thì con chuột đó sẽ không bao giờ quên điều đó.
Vâng, một mối quan hệ thật tồi tệ sẽ khiến bạn học được một số điều mãi mãi.
Và điều này cũng là PTSD, rối loạn căng thẳng sau chấn thương là một ví dụ tốt khác về điều đó.
Điều đó có thể làm bạn bị ảnh hưởng suốt phần đời còn lại.
Nhưng điều khác, và bạn đã chỉ ra một điều rất quan trọng, đó là một phần lớn
của vỏ não trước trán được dành cho các tương tác xã hội.
Và đây là cách mà con người, khi bạn đến với thế giới, bạn không biết ngôn ngữ nào bạn sẽ
nói.
Bạn không biết các giá trị văn hóa mà bạn sẽ phải có để có thể trở thành.
Một thành viên của xã hội này và những điều mà người ta mong đợi ở bạn. Tất cả những điều đó phải được hình thành qua trải nghiệm, qua việc xây dựng chức năng giá trị này. Và đây là điều mà chúng ta đã phát hiện ra vào thế kỷ 20. Bây giờ nó đang được áp dụng vào trí tuệ nhân tạo, được gọi là học tăng cường trong AI. Đây là một hình thức học quy trình, trái ngược với cấp độ nhận thức, nơi bạn suy nghĩ và thực hiện các hành động. Suy nghĩ nhận thức kém hiệu quả hơn nhiều vì bạn phải đi từng bước với việc học quy trình. Nó là tự động. Bạn có thể cho tôi một ví dụ về học quy trình trong bối cảnh so sánh với học nhận thức không? Chẳng hạn, có phải có một ví dụ về cách làm một tách cà phê ngon chỉ bằng kiến thức so với học quy trình, nơi mà học quy trình thắng? Tôi có thể tưởng tượng một ví dụ, nhưng bạn mới là chuyên gia thực sự ở đây. Chà, bạn biết nhiều ví dụ, nhưng vì chúng ta đã nói về quần vợt, bạn có thể tưởng tượng việc học chơi quần vợt qua một cuốn sách, đọc một cuốn sách không? Thật buồn cười. Trên chuyến bay trở về từ Nashville hôm qua, người ngồi đối diện tôi đang đọc một cuốn sách về việc có thể anh ta đang làm việc để lấy giấy phép phi công hoặc gì đó. Và tôi đã nhìn sang và không thể không chú ý đến những sơ đồ của máy bay bay. Và tôi nghĩ, tôi thật sự vui mừng vì người này là hành khách chứ không phải là phi công. Sau đó, tôi nghĩ về cách mà các phi công học, và có lẽ đó là sự kết hợp giữa học thực hành và học qua sách giáo khoa. Ý tôi là, khi bạn lặn biển, điều này là đúng, tôi đã được cấp chứng nhận lặn biển. Và khi bạn nhận chứng nhận của mình, bạn học các bảng lặn và bạn học lý do tại sao bạn phải chờ giữa các lần lặn, v.v., và trao đổi khí và một số điều khác. Nhưng thực sự không có cách nào để mô phỏng cảm giác khi bạn tháo mặt nạ dưới nước, đeo lại nó, và sau đó thổi nước ra khỏi mặt nạ của bạn. Bạn chỉ cần thực hiện điều đó trong một bể bơi và bạn thực sự phải làm điều đó khi cần thiết để nó thực sự được ghi nhớ.
Điều thực sự cần thiết cho những việc cần được thực hiện nhanh chóng và chuyên nghiệp là phải nắm vững chúng đến mức không cần phải suy nghĩ. Và điều này xảy ra ở trường học, đúng không? Nói cách khác, bạn có những bài học trên lớp nơi bạn được hướng dẫn rõ ràng, nhưng sau đó bạn phải làm bài tập về nhà. Đó là học tập theo quy trình. Bạn giải quyết các bài toán. Tôi là một nhà vật lý học có bằng tiến sĩ, vì vậy tôi đã trải qua tất cả các lớp học về vật lý lý thuyết. Và thực sự, những bài toán chính là cốt lõi để trở thành một nhà vật lý giỏi. Bạn có thể ghi nhớ các phương trình, nhưng điều đó không có nghĩa là bạn hiểu cách sử dụng các phương trình đó. Tôi nghĩ rằng đáng để nhấn mạnh một điều gì đó. Rất nhiều lần trong podcast này, chúng tôi nói về những gì tôi gọi là các giao thức. Nó giống như việc nhận ánh sáng mặt trời buổi sáng vào mắt bạn để kích thích nhân suprachiasmatic thông qua các tế bào hạch võng mạc của bạn; khán giả của podcast này sẽ nhận ra những thuật ngữ đó. Về cơ bản, đó là nhận ánh sáng mặt trời vào mắt bạn vào buổi sáng và thiết lập đồng hồ sinh học của bạn. Và bạn có thể nghe điều đó hàng triệu lần, nhưng tôi tin rằng có giá trị trong việc biết giao thức là gì, các cơ chế cơ bản. Có những thứ trong mắt bạn mã hóa các đặc tính ánh sáng của bình minh, v.v., và sau đó gửi chúng đến não của bạn, v.v. Nhưng một khi chúng ta liên kết kiến thức, kiến thức thuần túy, với một thực hành, tôi tin rằng hai điều đó sẽ hòa quyện ở một nơi nào đó theo cách mà, hãy nói, củng cố cả kiến thức và thực hành. Vì vậy, những điều này không nhất thiết phải tách biệt. Chúng kết nối với nhau. Nói cách khác, việc làm các bài tập vật lý lý thuyết của bạn củng cố các ví dụ mà bạn đã học trong bài giảng và trong sách giáo khoa của bạn và ngược lại. Vì vậy, đây là một cuộc chiến đang diễn ra ngay bây giờ trong các trường học. Những gì bạn vừa nói là hoàn toàn đúng. Bạn cần cả hai. Chúng ta có hai hệ thống học tập chính. Chúng ta có một hệ thống học tập nhận thức, đó là vỏ não.
Chúng tôi có một hệ thống học tập quy trình, mà nằm ở vùng dưới vỏ não, cụ thể là hạch nền. Và hai điều này luôn đi đôi với nhau. Nếu bạn muốn giỏi về bất cứ điều gì, hai điều này sẽ hỗ trợ lẫn nhau. Và điều đang diễn ra ngay bây giờ trong các trường học, ít nhất là ở California, là họ đang cố gắng loại bỏ việc học quy trình. Thật là vô lý. Họ không muốn học sinh thực hành vì điều đó sẽ khiến họ căng thẳng. Họ không muốn học sinh cảm thấy rằng họ đang gặp khó khăn. Nhưng nó có thể làm mọi thứ. Đối với những ai đang lắng nghe, tôi đang che mắt mình vì có quá nhiều ví dụ. Như là có một cuốn sách giáo khoa về bơi lội và rồi một ngày nào đó bạn sẽ ra biển và bạn sẽ không bao giờ thực sự bơi. Và bây giờ bạn được kỳ vọng có thể sống sót, chứ chưa nói đến việc bơi giỏi. Thật điên rồ. Tôi sẽ nói với bạn, Barbara Oakley và tôi có một khóa học trực tuyến mở rộng, MOOC, về cách học. Nó giúp học sinh, chúng tôi nhắm đến học sinh, nhưng thực tế đã có 4 triệu người tham gia từ 200 quốc gia, độ tuổi từ 10 đến 90. Điều này được gọi là gì? Cách học. Có phải có phí không? Không, hoàn toàn miễn phí. Thật tuyệt vời. Và, bạn biết đấy, tôi nhận được phản hồi tuyệt vời, những lá thư fan gần như mỗi ngày. Chà, bạn sắp nhận thêm một vài lá thư nữa. Tôi đã thực hiện một tập về cách học và hiểu biết của tôi về nghiên cứu là chúng ta cần kiểm tra bản thân về tài liệu. Việc kiểm tra không chỉ là một hình thức đánh giá, mà còn là một cách xác định những lỗi sai giúp chúng ta bù đắp cho những lỗi sai đó và học hỏi, nhưng nó rất quy trình. Nó không chỉ đơn thuần là nghe và nhắc lại. Bạn biết đấy, bạn đã chỉ ra điều đó, và đây là điều chúng tôi dạy cho học sinh, là cách mà não bộ hoạt động, đúng không, không phải là nó ghi nhớ mọi thứ như một chiếc máy tính, mà bạn phải, nó phải là học tập chủ động. Bạn phải tham gia một cách tích cực.
Trên thực tế, khi bạn cố gắng tự giải quyết một vấn đề, đúng không, đây là lúc bạn thực sự học hỏi qua thử nghiệm và sai sót, và đó là hệ thống quy trình. Nhưng nếu ai đó cho bạn biết câu trả lời đúng, bạn biết đấy, đó chỉ là một sự thật được lưu trữ ở đâu đó, nhưng nó sẽ không tự động xuất hiện nếu bạn thực sự đối mặt với một điều gì đó không hoàn toàn giống vấn đề đó, nhưng lại tương tự. Và nhân tiện, đây là chìa khóa của trí tuệ nhân tạo, hoàn toàn cần thiết cho sự thành công gần đây của những mô hình ngôn ngữ lớn mà công chúng hiện đang bắt đầu sử dụng, đó là chúng không phải là những con vẹt. Chúng không, chúng chỉ không ghi nhớ những dữ liệu mà chúng đã tiếp nhận. Chúng phải tổng quát hóa. Điều đó có nghĩa là có thể làm tốt với những điều mới xuất hiện mà tương tự với những điều cũ mà bạn đã thấy, nhưng cho phép bạn giải quyết những vấn đề mới. Đó là chìa khóa của bộ não. Bộ não thực sự rất giỏi trong việc tổng quát hóa. Thực tế, trong nhiều trường hợp, bạn chỉ cần một ví dụ để tổng quát hóa. Nhưng khi đến một nhà hàng lần đầu tiên, có một số tương tác mới, đúng không? Có thể có một người tiếp tân. Bạn ngồi xuống những bàn mà bạn chưa bao giờ ngồi. Ai đó hỏi bạn câu hỏi. Bạn đọc nó. Được rồi. Có thể bây giờ là mã QR, nhưng từ đó trở đi bạn hiểu quy trình vào một nhà hàng, không quan trọng thể loại món ăn là gì hay thành phố nào, ngồi bên trong hay bên ngoài, bạn có thể khá là làm rõ mọi thứ. Ngồi ở quầy. Ngồi bên ngoài. Ngồi ở bàn. Có một số bước hành động chính mà tôi nghĩ hầu như có thể áp dụng ở mọi nơi, trừ khi bạn đến một nơi siêu cao cấp hoặc một nơi siêu bình dân như buffet hay gì đó. Bạn có thể bắt đầu điền vào những chỗ trống ở đây. Nếu tôi hiểu đúng, có một chức năng hành động được học từ kiến thức và kinh nghiệm. Chính xác. Vậy chức năng hành động đó được lưu trữ ở đâu?
Nó có nằm ở một vị trí trong não hay là một thuộc tính phát sinh từ nhiều khu vực não khác nhau?
Bạn đang ở ngay ranh giới của nơi mà chúng ta đang ở trong lĩnh vực thần kinh học hiện nay.
Chúng ta không biết câu trả lời cho câu hỏi đó.
Trong quá khứ, người ta đã nghĩ rằng vỏ não giống như các quốc gia, mỗi phần của vỏ não đều được dành riêng cho một chức năng, đúng không?
Thú vị thay, khi bạn ghi lại hoạt động của các nơ-ron, nó chắc chắn trông như vậy, đúng không?
Nói cách khác, có một vỏ thị giác ở phía sau và có một loạt các khu vực, sau đó là vỏ thính giác ở giữa và sau đó là vỏ trước trán cho tương tác xã hội.
Nó trông thật rõ ràng rằng nó là mô-đun.
Bây giờ, điều mà chúng ta đang đối mặt là chúng ta có một cách mới để ghi lại hoạt động của các nơ-ron.
Về mặt quang học, chúng ta có thể ghi lại từ hàng chục nghìn, từ hàng chục khu vực cùng một lúc và những gì chúng ta đang phát hiện là nếu bạn muốn thực hiện bất kỳ nhiệm vụ nào, bạn không chỉ kích hoạt khu vực mà bạn có thể nghĩ rằng có tín hiệu đầu vào vào hệ thống thị giác, mà hệ thống thị giác đang nhận đầu vào từ hệ thống vận động, đúng không?
Thực tế, có nhiều đầu vào đến từ hệ thống vận động hơn là từ mắt.
Thật sao?
Đúng vậy.
Ellen tại UCLA đã chỉ ra điều đó ở chuột.
Vì vậy, bây giờ chúng ta đang nhìn vào các tương tác toàn cầu giữa tất cả những khu vực này và đó là nơi mà những hành vi nhận thức phức tạp thực sự xuất hiện từ những tương tác đó.
Bây giờ chúng ta có công cụ lần đầu tiên để thực sự có thể thấy chúng trong thời gian thực và chúng ta đang làm điều đó bây giờ trước tiên trên chuột và khỉ, nhưng chúng ta giờ có thể làm điều này trên con người.
Vì vậy, tôi đã hợp tác với một nhóm tại Bệnh viện Mass General để ghi lại từ những người bị động kinh và họ phải trải qua một ca phẫu thuật cho những người kháng thuốc để có thể tìm ra nơi bắt đầu trong vỏ não và nơi nó được khởi xướng, nơi cơn co giật bắt đầu và sau đó để đi vào, bạn phải vào và ghi lại đồng thời từ nhiều phần.
của vỏ não trong vài tuần cho đến khi bạn tìm ra vị trí của nó và sau đó bạn vào trong và cố gắng lấy nó ra, và thường thì điều đó giúp ích, rất, rất xâm lấn, nhưng trong hai tuần chúng tôi có quyền truy cập vào tất cả những nơ-ron trong vỏ não đó mà đang được ghi lại liên tục và vì vậy tôi bắt đầu vì tôi quan tâm đến giấc ngủ và tôi muốn hiểu điều gì xảy ra trong vỏ não của một con người trong khi ngủ, nhưng sau đó chúng tôi nhận ra rằng bạn cũng có thể tìm ra những người có những vấn đề tàn phá với cơn co giật, họ ở đó trong hai tuần và họ không có gì để làm, vì vậy họ rất thích thực tế rằng các nhà khoa học quan tâm đến việc giúp đỡ họ và dạy họ những điều và tìm ra nơi nào trong vỏ não những điều đang xảy ra khi họ học được điều gì đó.
Đây là một mỏ vàng, thật không thể tin được và tôi đã học được những điều từ con người mà tôi có thể chưa bao giờ có được từ bất kỳ loài nào khác.
Thật tuyệt vời.
Vì vậy, tôi biết một trong số đó, nhưng còn có những điều khác trong giấc ngủ mà chúng tôi đã phát hiện liên quan đến các sóng di chuyển.
Có những sóng di chuyển hình tròn diễn ra trong khi ngủ, điều này thật đáng kinh ngạc, không ai thực sự thấy điều đó trước đây.
Nếu bạn phải gán một hoặc hai chức năng chính cho những sóng di chuyển này, bạn nghĩ chúng đang đạt được điều gì cho chúng ta trong giấc ngủ?
Và nhân tiện, chúng có liên quan đến giấc ngủ sâu, giấc ngủ sóng chậm hay với giấc ngủ chuyển động mắt nhanh hoặc cả hai?
Đây là giấc ngủ không REM, đây là một thuật ngữ chuyên ngành, nhưng đây là trong các trạng thái chuyển tiếp trung gian.
Khán giả của chúng tôi có lẽ sẽ theo kịp.
Họ đã nghe rất nhiều về giấc ngủ sóng chậm từ tôi và người đi bộ từ chuyển động mắt nhanh.
Giấc ngủ sóng chậm nhẹ.
Vậy những sóng di chuyển này đạt được điều gì cho chúng ta?
Trong trường hợp, chúng được gọi là các chùm sóng giấc ngủ, các sóng kéo dài khoảng một hoặc hai giây và chúng di chuyển, như tôi đã nói, theo hình tròn quanh vỏ não.
Và người ta đã biết rằng những chùm sóng này rất quan trọng cho việc củng cố những trải nghiệm mà bạn đã có trong suốt cả ngày vào bộ nhớ dài hạn của bạn.
Vì vậy, đây là một chức năng rất quan trọng và nếu bạn xem xét, chính là hồi hải mã đang phát lại những trải nghiệm. Đây là một phần của não bộ rất quan trọng cho trí nhớ dài hạn. Nếu bạn không có hồi hải mã, bạn không thể học những điều mới. Như tôi đã nói, bạn không thể nhớ những gì bạn đã làm hôm qua hoặc thậm chí là một giờ trước đó. Nhưng hồi hải mã phát lại những trải nghiệm của bạn, khiến cho các sóng giấc ngủ cần thiết được đưa vào vỏ não. Và điều quan trọng là bạn phải làm điều đó đúng cách vì bạn không muốn ghi đè lên những kiến thức hiện có mà bạn đã có. Bạn chỉ muốn cơ bản là tích hợp trải nghiệm mới vào cơ sở kiến thức hiện có của bạn một cách hiệu quả mà không làm gián đoạn những gì bạn đã biết. Vì vậy, đó là một ví dụ về một chức năng rất quan trọng mà những con đường di chuyển này có.
Tôi muốn nghỉ một chút và ghi nhận nhà tài trợ của chúng tôi, AG1. AG1 là một loại đồ uống vitamin khoáng chất probiotic bao gồm prebiotics và adaptogens. Tôi đã uống AG1 từ năm 2012 và tôi bắt đầu vào thời điểm mà ngân sách của tôi thực sự hạn chế. Thực tế, tôi chỉ có đủ tiền để mua một loại thực phẩm bổ sung và tôi rất vui vì tôi đã chọn AG1. Lý do là mặc dù tôi cố gắng ăn thực phẩm nguyên chất và không chế biến, nhưng rất khó để có đủ vitamin và khoáng chất, vi chất dinh dưỡng và adaptogens chỉ từ chế độ ăn uống để đảm bảo rằng tôi ở trạng thái tốt nhất, có nghĩa là có đủ năng lượng cho tất cả các hoạt động tôi tham gia từ sáng đến tối, ngủ ngon vào ban đêm và giữ cho hệ miễn dịch của tôi mạnh mẽ. Khi tôi uống AG1 hàng ngày, tôi nhận thấy tất cả các khía cạnh của sức khỏe của tôi, sức khỏe thể chất, sức khỏe tinh thần, hiệu suất, phục hồi sau khi tập thể dục, tất cả đều cải thiện. Và tôi biết điều đó vì tôi đã có những lúc không uống AG1 và tôi chắc chắn cảm nhận được sự khác biệt. Tôi cũng nhận thấy, và điều này hoàn toàn hợp lý khi xem xét mối quan hệ giữa hệ vi sinh vật đường ruột.
và bộ não, rằng khi tôi thường xuyên sử dụng AG1, tôi có nhiều sự rõ ràng về tinh thần và nhiều năng lượng tinh thần hơn.
Nếu bạn muốn thử AG1, bạn có thể truy cập drinkag1.com/huberman để nhận một ưu đãi đặc biệt.
Chỉ trong tháng này, tháng 11 năm 2024, AG1 đang tặng một tháng cung cấp omega-3 miễn phí từ dầu cá, bên cạnh bộ quà chào đón thông thường gồm năm gói du lịch miễn phí và một năm cung cấp vitamin D3K2.
Như tôi đã thảo luận nhiều lần trước đây trên podcast này, omega-3 rất quan trọng cho sức khỏe não bộ, tâm trạng, nhận thức và nhiều hơn nữa.
Một lần nữa, hãy truy cập drinkag1.com/huberman để nhận ưu đãi đặc biệt này.
Tập hôm nay cũng được mang đến cho chúng ta bởi David.
David sản xuất một thanh protein khác biệt so với những thanh khác.
Nó có 28 gram protein, chỉ 150 calo và 0 gram đường.
Đúng vậy, 28 gram protein và 75% calo của nó đến từ protein.
Những thanh của David cũng có hương vị tuyệt vời.
Hương vị yêu thích của tôi là bánh quy chocolate chip, nhưng tôi cũng thích hương vị chocolate fudge và hương vị bánh ngọt.
Nói chung, tôi thích tất cả các hương vị.
Chúng cực kỳ ngon miệng.
Đối với tôi cá nhân, tôi cố gắng ăn chủ yếu thực phẩm nguyên chất.
Tuy nhiên, khi tôi vội vàng, hoặc khi tôi xa nhà, hoặc khi tôi chỉ tìm kiếm một món ăn nhẹ nhanh vào buổi chiều, tôi thường thấy mình đang tìm kiếm một nguồn protein chất lượng cao.
Với David, tôi có thể nhận được 28 gram protein với lượng calo của một món ăn nhẹ, điều này giúp tôi dễ dàng đạt được mục tiêu protein của mình là một gram protein cho mỗi pound trọng lượng cơ thể mỗi ngày.
Và điều đó cho phép tôi làm điều đó mà không cần tiêu thụ calo dư thừa.
Tôi thường ăn một thanh David vào đầu buổi chiều hoặc thậm chí giữa buổi chiều nếu tôi muốn lấp đầy khoảng trống giữa bữa trưa và bữa tối.
Tôi thích rằng nó hơi ngọt một chút nên có vị như một món ăn nhẹ ngon miệng, nhưng nó cũng cung cấp cho tôi 28 gram protein rất chất lượng cao với chỉ 150 calo.
Nếu bạn muốn thử David, bạn có thể truy cập davidprotein.com/huberman.
Một lần nữa, liên kết là davidprotein.com/huberman.
Theo như tôi nhớ, có một hoặc hai điều mà mọi người có thể làm để đảm bảo rằng họ có đủ giấc ngủ chập chờn vào ban đêm và từ đó áp dụng kiến thức mới này.
Điều này đến từ tập mà chúng tôi đã thực hiện với Gina Poe từ UCLA, tôi tin là như vậy, và những người khác, bao gồm cả Matt Walker.
Những gì tôi nhớ là điều số một là đảm bảo bạn có đủ giấc ngủ vào ban đêm để trải nghiệm đủ những giấc ngủ chập chờn này.
Và tất cả chúng ta đều quen thuộc với những thách thức về nhận thức, bao gồm cả thách thức về trí nhớ và học tập liên quan đến việc thiếu ngủ, ngủ không đủ.
Điều khác là có một mối quan hệ thú vị giữa việc tập thể dục vào ban ngày và sự xuất hiện của giấc ngủ chập chờn vào ban đêm.
Bạn có quen thuộc với tài liệu đó không?
Có.
Ôi, có.
Không, đây là một tài liệu thú vị, và tất cả đều chỉ ra cùng một hướng, đó là chúng ta luôn bỏ qua tầm quan trọng của giấc ngủ.
Ý tôi là, rõ ràng là bạn cảm thấy được làm mới khi thức dậy, nhưng có rất nhiều điều xảy ra.
Không phải là não của bạn tắt, mà là nó chuyển sang một trạng thái hoàn toàn khác, và việc củng cố trí nhớ chỉ là một trong những điều xảy ra khi bạn ngủ.
Và tất nhiên, có những giấc mơ và những thứ khác.
Chúng ta không hoàn toàn đánh giá cao hoặc hiểu chính xác cách mà tất cả các giai đoạn giấc ngủ khác nhau hoạt động cùng nhau.
Nhưng tập thể dục là một phần đặc biệt quan trọng để làm cho hệ thống vận động được điều chỉnh.
Và người ta nghĩ rằng giấc ngủ REM, giấc ngủ chuyển động mắt nhanh, có thể liên quan đến điều đó.
Vì vậy, đó là một phần khác của các giai đoạn giấc ngủ.
Bạn trải qua, bạn đi qua lại giữa giấc ngủ chập chờn và giấc ngủ sóng chậm, qua lại, qua lại trong suốt đêm.
Và sau đó khi bạn thức dậy, bạn đang ở trong giai đoạn REM, ngày càng nhiều REM.
Nhưng đó chỉ là quan sát.
Nhưng với tư cách là một nhà khoa học, điều bạn muốn làm là làm rối loạn hệ thống và xem liệu bạn có thể, có thể…
nếu bạn có nhiều sóng giấc ngủ hơn, có thể bạn sẽ nhớ mọi thứ tốt hơn. Vậy là Sarah Mednick, người đã làm việc tại UC Irvine, đã thực hiện một thí nghiệm tuyệt vời. Hóa ra có một loại thuốc gọi là zolpidem, được biết đến với tên gọi Ambien. Có thể bạn đã có một số kinh nghiệm với nó. Tôi chưa bao giờ dùng nó, nhưng tôi biết nó là gì. Mọi người sử dụng nó như một loại thuốc hỗ trợ giấc ngủ. Đúng vậy. Rất nhiều người dùng nó để ngủ, được chứ? Vậy mà hóa ra nó làm tăng số lượng sóng giấc ngủ, thực sự, đúng vậy. Nó gấp đôi số lượng sóng giấc ngủ nếu bạn dùng thuốc. Bạn dùng thuốc sau khi đã học, bạn học vào ban đêm và sau đó bạn dùng thuốc và bạn có gấp đôi số sóng. Bạn thức dậy vào buổi sáng, bạn có thể nhớ gấp đôi những gì bạn đã học. Và những ký ức đó ổn định theo thời gian. Nó ở đó. Đúng. Không, nó củng cố nó. Ý tôi là, đó là điểm chính. Nhược điểm của Ambien là gì? Được rồi. Đây là nhược điểm. Được rồi. Những người dùng thuốc nói rằng nếu bạn đi châu Âu và bạn dùng nó và sau đó bạn ngủ rất say, nhưng thường thì bạn thấy mình ở trong phòng khách sạn và bạn hoàn toàn không có ý tưởng gì, bạn không có ký ức về cách bạn đến đó. Tôi đã có trải nghiệm đó mà không cần Ambien hay bất kỳ loại thuốc nào khác khi tôi bị jet lag rất nặng. Đúng. Và tôi thức dậy và trong vài giây, nhưng cảm giác như vĩnh cửu, tôi không biết mình đang ở đâu. Được rồi. Thật đáng sợ. Vậy, đó là một vấn đề khác mà bạn gặp phải với jet lag. Jet lag thực sự làm mọi thứ rối tung lên. Nhưng đây là điều mà có thể chỉ mất một giờ. Bạn đã đi tàu hoặc bạn đã đi taxi hay gì đó và vì vậy, điều này có vẻ điên rồ. Làm thế nào nó có thể là một cách để cải thiện việc học và ghi nhớ ở một bên và sau đó là sự quên lãng ở bên kia? Vâng, hóa ra điều quan trọng là khi bạn dùng thuốc, nói cách khác, nó giúp củng cố những trải nghiệm mà bạn đã có trong quá khứ trước khi bạn dùng thuốc, nhưng nó…
Sẽ xóa bỏ những trải nghiệm mà bạn có trong tương lai sau khi bạn dùng thuốc. Đúng không? Vì vậy, tôi không cười. Chắc hẳn đó là một trải nghiệm đáng sợ, nhưng tôi đang cười vì có một số dược lý tuyệt vời và thực sự có một số dược phẩm rất hữu ích ở ngoài kia. Một số người có thể cảm thấy khó chịu khi nghe tôi nói điều đó, nhưng có một số loại thuốc rất hữu ích có thể cứu sống và giúp mọi người đối phó với các triệu chứng, v.v. Tác dụng phụ luôn là một mối quan tâm. Nhưng hồ sơ thuốc cụ thể này, Ambien, dường như tiết lộ điều gì đó có thể còn quan trọng hơn cả cuộc thảo luận về các sợi tủy hoặc Ambien hay thậm chí giấc ngủ, đó là bạn phải trả giá cho những gì bạn có, như người ta thường nói. Đúng vậy. Bạn điều chỉnh một thứ trong não, thứ khác sẽ mất đi. Bạn không nhận được gì miễn phí. Tôi nghĩ rằng điều này không chỉ đúng với thuốc cho não, mà còn với steroid cho cơ thể. Chắc chắn rồi. Vâng. Ý tôi là, steroid, ngay cả liệu pháp testosterone liều thấp, rất phổ biến hiện nay, sẽ mang lại cho mọi người sức sống hơn, v.v. Nhưng nó đang giới thiệu một tuổi dậy thì thứ hai, và tuổi dậy thì có lẽ là giai đoạn lão hóa nhanh nhất trong suốt cuộc đời. Điều tương tự cũng xảy ra với những người dùng hormone tăng trưởng, có lẽ là một ví dụ tốt hơn vì chắc chắn những liệu pháp đó có thể có lợi cho mọi người, nhưng hormone tăng trưởng mang lại cho mọi người sức sống hơn, nhưng nó cũng làm tăng tốc độ lão hóa. Hãy nhìn vào chất lượng làn da của những người dùng hormone tăng trưởng. Nó trông có vẻ già hơn. Họ thay đổi về mặt thể chất. Và tôi không đứng về phía nào trong những điều này. Nó rất cá nhân. Nhưng tôi hoàn toàn đồng ý với bạn. Tôi cũng sẽ dám nói rằng với sự quan tâm ngày càng tăng đối với những thứ được gọi là nootropic và mọi người dùng những thứ như modafinil, không chỉ cho chứng ngủ rũ, buồn ngủ ban ngày, mà còn để nâng cao chức năng nhận thức, được rồi, có thể họ có thể làm điều đó thỉnh thoảng cho một nhiệm vụ cần hạn chót hoặc điều gì đó.
Nhưng kinh nghiệm của tôi là những người ám ảnh về việc sử dụng dược phẩm để đạt được những trạng thái não nhất định sẽ phải trả giá theo một cách nào đó.
Chắc chắn rồi.
Dù là chất kích thích, thuốc an thần hay thuốc ngủ, thì hành vi sẽ luôn chiếm ưu thế.
Hành vi sẽ luôn chiếm ưu thế như những công cụ.
Và một trong những điều về cách cơ thể tiến hóa là nó thực sự phải cân bằng rất nhiều thứ.
Vì vậy, khi sử dụng thuốc, bạn cơ bản đang làm mất cân bằng nó theo một cách nào đó.
Và hậu quả là, như bạn đã chỉ ra, để làm cho một phần tốt hơn, một phần của cơ thể bạn, bạn phải hy sinh một cái gì đó ở nơi khác.
Miễn là chúng ta đang nói về trạng thái não và sự kết nối giữa các khu vực, tôi muốn hỏi một câu hỏi cụ thể.
Sau đó, tôi muốn quay lại vấn đề này về cách học tốt nhất, đặc biệt là ở trẻ em, nhưng cũng ở người lớn.
Tôi đã trở nên rất quan tâm và dành nhiều thời gian với tài liệu và một số khách mời về chủ đề chất kích thích tâm lý.
Hãy để cuộc thảo luận về LSD sang một bên, vì bạn có biết tại sao không có nhiều nghiên cứu về LSD không?
Đây là một câu hỏi thú vị.
Không ai được kỳ vọng biết câu trả lời.
Chà, tôi nghĩ là vì nó trái pháp luật.
Nhưng psilocybin hay MDMA cũng vậy, và có rất nhiều nghiên cứu đang diễn ra về điều này.
Chà, bây giờ thì có.
Đúng vậy, nó đã thay đổi.
Nhưng khi tôi lớn lên, như bạn biết, thì nó trái pháp luật.
Đúng rồi.
Vì vậy, điều tôi học được là có rất ít thử nghiệm lâm sàng khám phá việc sử dụng LSD như một liệu pháp, vì ngoại trừ Thụy Sĩ, không có nhà nghiên cứu nào sẵn sàng ở lại trong phòng thí nghiệm lâu như cần thiết để chủ thể trải qua một hành trình LSD, trong khi psilocybin thường là một trải nghiệm ngắn hơn.
Đúng rồi.
Được rồi.
Hãy nói về psilocybin một chút.
Theo tôi, dữ liệu về psilocybin vẫn còn mở để bàn cãi, nhưng một số thử nghiệm lâm sàng cho thấy sự phục hồi đáng kể từ trầm cảm nặng là khá ấn tượng.
Nhưng nếu chúng ta gạt điều đó sang một bên và nói, “Được rồi, cần phải làm rõ thêm về sự an toàn,” thì điều rất rõ ràng từ các nghiên cứu hình ảnh não bộ, kiểu như trạng thái nghỉ ngơi trước và sau, liên quan đến nhiệm vụ, v.v., là bạn có được sự kết nối toàn cầu ở trạng thái nghỉ ngơi nhiều hơn, nhiều khu vực giao tiếp với nhiều khu vực hơn so với trước khi sử dụng chất gây ảo giác. Và với sự tương đồng của hành trình gây ảo giác, và ở đây cụ thể nói về psilocybin với những thứ như giấc ngủ REM (giấc ngủ chuyển động nhanh của mắt) và những thứ tương tự, tôi có một câu hỏi rất đơn giản. Bạn có nghĩ rằng có bất kỳ lợi ích thực sự nào từ việc tăng cường kết nối toàn bộ não bộ không? Đối với tôi, điều đó có vẻ hơi ngẫu nhiên, nhưng dữ liệu lâm sàng thì hứa hẹn, nếu không có gì khác, thì cũng hứa hẹn. Vậy, điều mà chúng ta tìm kiếm trong cuộc sống khi chúng ta tiếp thu kiến thức mới, khi chúng ta học tennis hoặc golf, hoặc bắt đầu hát, hoặc bất cứ điều gì khác, khi chúng ta chuyển từ thời thơ ấu vào giai đoạn cuối của cuộc đời, toàn bộ quá trình chuyển đổi đó là những gì chúng ta đang làm, tăng cường kết nối và giao tiếp giữa các khu vực khác nhau của não bộ. Đó có phải là điều mà trải nghiệm con người thực sự hướng tới không? Hay là chúng ta đang trở nên phân đoạn hơn, chúng ta đang trở nên tách biệt hơn về mặt khu vực này, nói chuyện với khu vực kia theo cách cụ thể này. Hãy thoải mái khám phá điều này theo bất kỳ cách nào cảm thấy có ý nghĩa, hoặc nói “bỏ qua” nếu đó không phải là một câu hỏi hay. Không, đó là một câu hỏi tuyệt vời. Ý tôi là, bạn có tất cả những câu hỏi tuyệt vời này, và chúng tôi vẫn chưa có câu trả lời hoàn chỉnh. Nhưng cụ thể về kết nối, nếu bạn nhìn vào những gì xảy ra trong não của một đứa trẻ trong hai năm đầu đời, có một lượng lớn các synapse mới được hình thành. Đây là lĩnh vực của bạn, nhân tiện. Phát triển thần kinh. Phát triển thần kinh. Đúng vậy. Điều đó đúng. Nhưng sau đó bạn sẽ cắt tỉa chúng. Đúng không? Sau đó, giai đoạn thứ hai là bạn có quá nhiều synapse, và bây giờ điều bạn muốn làm là cắt tỉa chúng. Tại sao bạn lại muốn làm điều đó? Chà, synapse thì tốn kém.
Cần rất nhiều năng lượng để kích hoạt tất cả các nơ-ron và các synapse, đặc biệt là vì có sự thay đổi của các chất dẫn truyền thần kinh. Vì vậy, điều bạn muốn làm là giảm lượng năng lượng và chỉ sử dụng những synapse đã được chứng minh là quan trọng nhất. Đúng không?
Thật không may, khi bạn già đi, quá trình cắt tỉa chậm lại nhưng không biến mất. Vì vậy, vỏ não mỏng đi và những thứ tương tự. Tôi nghĩ rằng điều này đi theo hướng ngược lại. Tôi nghĩ rằng khi bạn già đi, bạn đang mất đi sự kết nối. Nhưng thú vị là, bạn vẫn giữ lại những ký ức cũ. Những ký ức cũ thực sự rất vững chắc, vì chúng được hình thành khi bạn còn trẻ. Nền tảng. Nền tảng mà mọi thứ khác được xây dựng trên đó.
Nhưng không hoàn toàn theo một chiều theo nghĩa là ngay cả khi là người lớn, như bạn biết, bạn vẫn có thể học những điều mới. Có thể không nhanh như trước. Nhân tiện, đây là một trong những điều khiến tôi ngạc nhiên. Vì vậy, Barbara và tôi đã xem xét những người thực sự được hưởng lợi nhiều nhất. Hóa ra đỉnh điểm của nhân khẩu học là từ 25 đến 35 tuổi. Barbara. Oakley. Oakley. Vâng, cô ấy thực sự là người đứng sau. Cô ấy là một nhà giáo dục tuyệt vời và có nền tảng về kỹ thuật.
Nhưng điều gì đang xảy ra? Hóa ra chúng tôi đã nhắm đến MOOC của mình cho các em học sinh trung học và sinh viên đại học, vì đó là công việc của họ. Họ đi học mỗi ngày và họ phải học, đúng không? Đó là công việc của họ. Nhưng thực tế, rất ít sinh viên thực sự tham gia khóa học. Tại sao họ phải tham gia? Họ đã dành cả ngày trong lớp học, đúng không? Tại sao họ lại muốn tham gia một lớp học khác?
Vì vậy, đây là lớp học học cách học. Học cách để học. Bạn đã làm điều này với Barbara. Vì vậy, chúng tôi đã làm điều này. Tôi đã làm với Barbara và bây giờ từ 25 đến 35 tuổi, chúng tôi có một đỉnh cao lớn, rất lớn. Vậy điều gì đang xảy ra? Đây là điều đang diễn ra. Thật thú vị. Bạn 25 tuổi. Bạn đã đi học đại học. Một nửa số người, nhân tiện, những người tham gia khóa học đã đi học đại học, đúng không?
Vì vậy, không giống như, bạn biết đấy, việc học đại học. Đây giống như việc hoàn thiện thêm. Nhưng bạn đang ở trong một môi trường làm việc. Bạn phải học kỹ năng mới. Có thể bạn có khoản vay mua nhà. Có thể bạn có con cái, đúng không? Bạn không thể đủ khả năng để nghỉ việc và tham gia một khóa học, hoặc lấy một bằng cấp khác. Vì vậy, bạn tham gia một khóa học MOOC và bạn nhận ra, bạn biết đấy, mình không còn nhanh nhạy trong việc học như trước, nhưng hóa ra với khóa học của chúng tôi, bạn có thể cải thiện khả năng học tập của mình. Và mặc dù não bạn không học nhanh như trước, bạn vẫn có thể làm điều đó một cách hiệu quả hơn. Điều này thật tuyệt vời. Tôi muốn tham gia khóa học này. Tôi sẽ tham gia khóa học này. Khóa học này yêu cầu cam kết thời gian như thế nào? Bạn đã chỉ ra rằng nó không tốn chi phí nào, điều này thật tuyệt vời. Vâng. Được rồi. Nó có các video ngắn khoảng 10 phút mỗi video. Và có khoảng 50 hoặc 60 video trong suốt một tháng. Và bạn có được kiểm tra không? Bạn tự kiểm tra? Vâng. Vâng. Có các bài kiểm tra. Có các bài trắc nghiệm. Có các bài kiểm tra ở cuối khóa học. Và có các diễn đàn nơi bạn có thể đến và nói chuyện với các sinh viên khác. Bạn có câu hỏi. Chúng tôi có các trợ giảng. Và bất kỳ ai cũng có thể tham gia điều này. Mọi người trên thế giới, thực tế là chúng tôi có những người ở Ấn Độ, các bà nội trợ, những người nói, “Cảm ơn. Cảm ơn. Cảm ơn.” Bởi vì tôi không bao giờ có thể học cách trở thành một người học tốt hơn. Và tôi ước gì tôi đã biết điều này khi tôi còn đi học. Tại sao nhiều người không biết về khóa học học cách học này, mặc dù như mọi người biết, nếu tôi thực sự hào hứng về nó hoặc về bất cứ điều gì, tôi sẽ không bao giờ ngừng nói về nó. Nhưng tôi sẽ tham gia khóa học trước, vì tôi muốn hiểu rõ về nó. Bạn sẽ thích nó. Bạn có 98% sự chấp thuận, điều này thật tuyệt vời, nó rất hấp dẫn. Có phải là toán học không? Không. Từ vựng? Không có toán học. Chúng tôi không dạy bất cứ điều gì cụ thể. Chúng tôi không cố gắng cung cấp cho bạn kiến thức. Chúng tôi đang cố gắng chỉ cho bạn cách tiếp thu kiến thức và cách làm điều đó, cách đối phó với lo âu khi thi cử, chẳng hạn. Hoặc làm thế nào mà tất cả chúng ta đều trì hoãn, đúng không? Chúng ta để mọi thứ lại.
Không.
Không, tôi đùa thôi.
Chúng ta đều có xu hướng trì hoãn.
Chúng tôi dạy bạn cách tránh điều đó.
Thật tuyệt vời.
Được rồi, bây giờ tôi sẽ quay lại một chút với ý định làm rõ về việc học cách học.
Bạn đã chỉ ra rằng, đặc biệt là ở California, nhưng ở nơi khác cũng vậy, không còn nhiều
việc học dựa trên thực hành quy trình nữa.
Tôi sẽ đóng vai trò là người phản biện ở đây, và tôi sẽ chỉ ra rằng đây không phải là
những gì tôi thực sự tin, nhưng khi tôi lớn lên, bạn phải học bảng nhân, rồi đến phép chia,
sau đó là phân số và số mũ, và chúng xây dựng lên nhau.
Và rồi đến một thời điểm nào đó, bạn sẽ tham gia các khóa học mà bạn có thể cần một máy tính
cầm tay đồ thị, với một số người có thể cảm thấy như, “Đây là cái gì vậy?”
Nhưng điểm chính là có một số điều mà bạn phải học để thực hiện các hàm, và bạn học
bằng cách làm.
Bạn học bằng cách làm.
Tương tự, trong lớp vật lý, chúng tôi đã gắn các thứ vào dây và học về cơ học vĩ mô
và học những điều đó từ các bài giảng trên bảng phấn.
Tôi có thể thấy giá trị của cả hai, chắc chắn rồi, và bạn đã giải thích rằng bộ não cần
cả hai để thực sự hiểu kiến thức và cách thực hiện và qua lại.
Nhưng ngày nay, bạn sẽ nghe lập luận, “Thế tại sao ai đó phải học cách đọc bản đồ giấy
trừ khi đó là thứ duy nhất có sẵn vì bạn có Google Maps?”
Hoặc nếu họ muốn thực hiện một phép tính, họ chỉ cần nhập vào thanh công cụ trên
Internet và ngay lập tức, câu trả lời sẽ xuất hiện.
Vì vậy, có một thế giới mà một số kỹ năng không còn cần thiết nữa, và người ta có thể
tranh luận rằng không gian, hoạt động, thời gian và năng lượng của bộ não đặc biệt có thể
được dành cho việc học những hình thức kiến thức mới sẽ thực tiễn hơn trong trường học
và nơi làm việc trong tương lai.
Vậy chúng ta làm thế nào để hòa giải những điều này?
Ý tôi là, tôi tin rằng bộ não đang thực hiện toán học, và bạn và tôi đồng ý.
Đó là các tín hiệu điện và tín hiệu hóa học, và nó đang thực hiện toán học, và nó đang chạy các thuật toán.
Tôi nghĩ bạn đã thuyết phục chúng tôi về điều đó, chắc chắn rồi.
Nhưng làm thế nào để chúng ta phân biệt được những gì chúng ta cần học so với những gì chúng ta không cần học trong việc xây dựng một bộ não có khả năng học hỏi tối đa số lượng kiến thức hoặc thậm chí đủ kiến thức để chúng ta có thể bước vào tương lai rất không chắc chắn này, bởi vì theo như bạn và tôi biết, cả hai chúng ta đều không có quả cầu pha lê.
Vậy điều gì là thiết yếu để học?
Và đối với những người trong chúng ta không học được một số điều trong giáo dục chính quy, chúng ta nên học cách học như thế nào?
Chà, điều này là thuộc về thế hệ.
Vì vậy, công nghệ cung cấp cho chúng ta các công cụ.
Bạn đã đề cập đến máy tính bỏ túi, đúng không?
Chà, một chiếc máy tính bỏ túi không loại bỏ việc bạn cần phải học toán, nhưng nó làm cho một số điều trở nên dễ dàng hơn, nó giúp bạn có thể làm nhiều việc hơn và chính xác hơn.
Tuy nhiên, điều thú vị là, học sinh trong lớp của tôi thường đưa ra những câu trả lời sai lệch đến tám bậc độ lớn, và đó là một lượng lớn, đúng không?
Rõ ràng là họ đã không nhập đúng vào máy tính bỏ túi, nhưng họ không nhận ra rằng đó là một sự sai lệch rất lớn, hoàn toàn lệch khỏi thực tế, bởi vì họ không có cảm giác tốt về các con số.
Họ không có cảm giác tốt về việc, bạn biết đấy, chính xác nó nên lớn như thế nào, bậc độ lớn, hiểu biết cơ bản.
Vì vậy, có một điều, lợi ích là bạn có thể làm mọi thứ nhanh hơn, tốt hơn, nhưng sau đó bạn cũng mất đi một phần trực giác của mình nếu bạn không có hệ thống quy trình trong tay.
Tôi đang nghĩ về một đứa trẻ muốn trở thành nhạc sĩ sử dụng AI để viết một bài hát về một cuộc chia tay tồi tệ mà sau đó được phục hồi khi họ tìm thấy tình yêu mới, và tôi đoán rằng bạn có thể làm điều này ngày hôm nay và có được một bài hát khá hay từ AI, nhưng bạn có gọi đứa trẻ đó là một nhạc sĩ hay không?
Nhìn bề ngoài, vâng, AI đang giúp đỡ, và sau đó bạn sẽ nói, ồ, đó không phải là cùng một điều.
Khi ngồi xuống với một cây guitar và thử nghiệm các hợp âm khác nhau, cảm nhận âm điệu trong giọng nói của họ, nhưng tôi đoán rằng đối với những người chơi guitar điện, họ đã chỉ trích những người chơi guitar acoustic. Bạn biết đấy, chúng ta có một vấn đề thế hệ khi nhìn lại và nói rằng, đó không phải là điều thực sự. Bạn cần phải có, vậy những điều cơ bản chính là một câu hỏi rất quan trọng. Được rồi. Tôi sẽ quay lại vấn đề đó vì cách bạn diễn đạt ở đầu đã liên quan đến việc não của bạn phân bổ tài nguyên như thế nào, được chứ? Khi bạn còn trẻ, bạn có thể tiếp thu mọi thứ. Não của bạn dẻo dai hơn. Ví dụ, bạn giỏi thế nào trên mạng xã hội? Chà, tôi tự quản lý Instagram và Twitter của mình, và những tài khoản đó đã phát triển tương ứng với thời gian tôi đã làm. Vậy nên, tôi sẽ nói là khá tốt. Ý tôi là, tôi không phải là tài khoản lớn nhất trên mạng xã hội, nhưng đối với một tài khoản về sức khỏe khoa học, chúng tôi đang làm khá ổn. Nhờ vào khán giả. Điều này cho thấy bạn đã thành công trong việc vượt qua khoảng cách thế hệ. Tôi có thể gõ bằng ngón tay cái của mình, Terry. Được rồi. Đó là một kỹ năng thủ công mà bạn đã học. Đó là một hiện tượng mới trong tiến hóa của con người. Tôi không thể tin được. Tôi đã thấy mọi người làm điều đó, và bây giờ tôi cũng có thể làm được. Nhưng vấn đề là nếu bạn học cách làm điều đó sớm trong cuộc sống, bạn sẽ làm tốt hơn nhiều. Bạn có thể di chuyển ngón tay cái của mình nhanh hơn nhiều. Ngoài ra, bạn có thể có nhiều tweet hơn, họ gọi chúng là gì nhỉ? Không, chúng không được gọi là tweet. Trên X, tôi nghĩ họ vẫn gọi chúng là tweet vì thật khó để biến chữ X thành động từ. Từ X. Các bạn không nghĩ đến điều đó sao? Tôi thích X vì nó thật ngầu. Nó có chút punk, và có một định dạng màu đen, và nó phù hợp với kiểu kỹ sư như X đen, bạn biết đấy, và kiểu như vậy. Nhưng vâng, chúng ta vẫn sẽ gọi chúng là tweet. Được rồi, chúng ta sẽ gọi chúng là tweet.
Được rồi, điều đó thật tốt.
Nhưng bạn biết đấy, tôi đi bộ qua khuôn viên trường và thấy mọi người, như một nửa số người đang tweet hoặc làm gì đó với điện thoại di động của họ.
Ý tôi là, thật khó tin.
Và bạn có những buổi hoàng hôn tuyệt đẹp tại Viện Salk.
Chúng tôi sẽ để một liên kết đến một trong số đó.
Ý tôi là, thật sự là ngoạn mục, đầy cảm hứng khi thấy một buổi hoàng hôn tại Viện Salk.
Mỗi ngày đều khác nhau.
Và mọi người đều đang sử dụng điện thoại của họ những ngày này?
Thật buồn.
Và bạn biết đấy, họ đang nhìn xuống điện thoại của mình.
Và họ đi bộ, ngay cả những người đang trượt ván.
Thật khó tin.
Ý tôi là, thật tuyệt vời những gì con người có thể làm, bạn biết đấy, khi họ học cách tập trung vào một điều gì đó.
Nhưng điều xảy ra là thế hệ trẻ tiếp nhận bất kỳ công nghệ nào và bộ não trở nên rất giỏi trong việc đó.
Và bạn có thể học sau này, nhưng bạn không nhanh nhẹn bằng, không thể ám ảnh như họ.
Điều đó làm tôi mệt mỏi.
Tôi sẽ chỉ ra rằng, làm bất cứ điều gì trên điện thoại của tôi cảm thấy mệt mỏi theo một cách mà việc đọc sách giấy hoặc thậm chí chỉ viết trên laptop hoặc máy tính để bàn là hoàn toàn khác biệt.
Tôi có thể làm điều đó trong nhiều giờ.
Nếu tôi ở trên mạng xã hội hơn vài phút, tôi có thể cảm thấy năng lượng đang rút ra khỏi cơ thể mình.
Thú vị.
Tôi có thể chạy nước rút hoặc nâng tạ trong nhiều giờ mà không cảm thấy loại mệt mỏi mà tôi cảm thấy từ việc sử dụng mạng xã hội.
Vì vậy, bạn biết đấy, điều này thật hấp dẫn.
Tôi muốn biết điều gì đang diễn ra trong bộ não của bạn.
Tại sao lại như vậy, và tôi cũng muốn biết từ những người trẻ hơn liệu họ có cảm thấy giống vậy không, tôi nghĩ là không.
Tôi đoán rằng họ không cảm thấy mệt mỏi vì họ đã tiếp xúc với điều này đủ sớm.
Và thực sự, tôi nghĩ điều này có rất nhiều liên quan đến nền tảng mà bạn đã xây dựng trong bộ não của mình.
Nói cách khác, những điều mà bạn học được khi còn rất nhỏ là nền tảng và chúng làm cho mọi thứ dễ dàng hơn.
Một số điều dễ dàng hơn.
Vâng.
Tôi đã dành nhiều thời gian trong phòng của mình khi còn nhỏ, hoặc chơi với Legos hoặc các nhân vật hành động hoặc xây dựng…
bể cá hoặc đọc về cá.
Tôi thường đọc về những thứ và sau đó thực hiện nhiều hoạt động dựa trên quy trình.
Bạn biết đấy, tôi sẽ đọc tạp chí trượt ván và trượt ván.
Tôi chưa bao giờ là người chỉ ngồi xem thể thao mà không chơi.
Vì vậy, bạn biết đấy, kết nối giữa những điều này.
Đối với tôi, mạng xã hội cảm thấy như một cái hố năng lượng.
Và tất nhiên, tôi rất thích cơ hội được dạy và học từ mọi người ở quy mô lớn như vậy.
Nhưng ở mức độ năng lượng, tôi cảm thấy như mình không có nền tảng cho điều đó.
Nó giống như tôi đang cố gắng, như thể lắp ráp lại nhận thức của mình để làm một điều gì đó mà nó không được thiết kế để làm.
Vâng, đó là lý do.
Và đó là vì bạn không có nền tảng.
Bạn đã không làm điều đó khi còn trẻ.
Và bây giờ bạn phải sử dụng sức mạnh nhận thức để làm nhiều điều mà người trẻ tuổi đang làm theo quy trình.
Tôi muốn nghỉ một chút và cảm ơn một trong những nhà tài trợ của chúng tôi, Element.
Element là một loại đồ uống điện giải có tất cả những gì bạn cần và không có gì bạn không cần.
Điều đó có nghĩa là các điện giải, natri, magiê và kali ở tỷ lệ chính xác, nhưng không có đường.
Chúng ta đều biết rằng việc cung cấp đủ nước là rất quan trọng cho chức năng não và cơ thể tối ưu.
Thực tế, ngay cả một mức độ mất nước nhẹ cũng có thể làm giảm hiệu suất nhận thức và thể chất của bạn đến một mức độ đáng kể.
Cũng quan trọng là bạn không chỉ được cung cấp đủ nước, mà còn phải nhận đủ lượng điện giải ở tỷ lệ đúng.
Uống một gói element hòa tan trong nước giúp bạn dễ dàng đảm bảo rằng bạn đang nhận đủ lượng nước và điện giải.
Để đảm bảo rằng tôi nhận đủ cả hai, tôi hòa tan một gói element trong khoảng 16 đến 32 ounce nước khi tôi thức dậy vào buổi sáng.
Và tôi uống điều đó ngay từ đầu buổi sáng.
Tôi cũng sẽ uống một gói element hòa tan trong nước trong bất kỳ loại bài tập thể chất nào.
Điều mà tôi đang làm, đặc biệt là vào những ngày nóng khi tôi đổ mồ hôi nhiều và mất nước cũng như điện giải. Có rất nhiều hương vị khác nhau của Element rất ngon. Tôi thích vị dưa hấu. Tôi thích vị mâm xôi. Tôi thích vị cam chanh. Nói chung, tôi thích tất cả chúng. Nếu bạn muốn thử Element, bạn có thể truy cập drinkelement.com/huberman để nhận một gói mẫu Element khi mua bất kỳ loại bột uống Element nào. Một lần nữa, đó là drink element, được viết là L-M-N-T, vì vậy hãy truy cập drinkelement.com/huberman để nhận một gói mẫu miễn phí.
Tập hôm nay cũng được mang đến cho chúng ta bởi Juve. Juve sản xuất các thiết bị liệu pháp ánh sáng đỏ đạt tiêu chuẩn y tế. Nếu có một điều mà tôi đã nhấn mạnh liên tục trong podcast này, đó là tác động tuyệt vời mà ánh sáng có thể có đối với sinh học của chúng ta. Ngoài ánh sáng mặt trời, ánh sáng đỏ và ánh sáng hồng ngoại gần đã được chứng minh là có tác động tích cực trong việc cải thiện nhiều khía cạnh của sức khỏe tế bào và cơ quan, bao gồm phục hồi cơ bắp nhanh hơn, cải thiện sức khỏe da và lành vết thương, cải thiện mụn, giảm đau và viêm, cải thiện chức năng ty thể, và thậm chí cải thiện cả thị lực. Điều làm cho đèn Juve trở nên khác biệt và lý do tại sao chúng là thiết bị liệu pháp ánh sáng đỏ mà tôi ưa thích là vì chúng sử dụng các bước sóng đã được chứng minh lâm sàng, có nghĩa là chúng sử dụng các bước sóng cụ thể của ánh sáng đỏ và ánh sáng hồng ngoại gần kết hợp với nhau để kích thích các thích ứng tế bào tối ưu. Cá nhân tôi sử dụng bảng toàn thân Juve khoảng ba đến bốn lần một tuần, và tôi sử dụng đèn cầm tay Juve cả ở nhà và khi tôi đi du lịch. Nếu bạn muốn thử Juve, bạn có thể truy cập Juve, được viết là J-O-O-V-V, dot com slash Huberman. Juve đang cung cấp giảm giá Black Friday lên đến 1300 đô la từ nay đến ngày 2 tháng 12 năm 2024. Và đó là Juve, J-O-O-V-V dot com slash Huberman, để nhận giảm giá lên đến 1300 đô la cho các sản phẩm Juve chọn lọc.
Tôi sẽ nói với bạn điều gì đó sẽ giúp tất cả thính giả của bạn. Cuốn sách của tôi, ChatGDP và Tương lai của AI, tôi đã xem xét và nhìn nhận những trải nghiệm của người khác với ChatGDP.
Tôi chỉ muốn biết mọi người đang nghĩ gì. Và tôi đã tình cờ thấy một bài viết, tôi nghĩ đó là của New York Times, về một nhà văn kỹ thuật đã quyết định dành một tháng để sử dụng nó nhằm giúp cô viết những thứ, những bài viết của cô. Cô ấy nói rằng khi bắt đầu, vào cuối ngày, cô ấy cảm thấy kiệt sức, hoàn toàn kiệt sức, và cảm giác như đang làm việc trên một cỗ máy, như một chiếc máy kéo hay gì đó, vật lộn, vật lộn, vật lộn để khiến nó hoạt động.
Rồi cô ấy bắt đầu nói, “Chờ một chút. Nếu tôi đối xử với nó như một con người thì sao? Nếu tôi lịch sự thay vì thô lỗ thì sao?” Cô ấy nói, “Đột nhiên, tôi bắt đầu nhận được những câu trả lời tốt hơn khi lịch sự và giao tiếp qua lại như bạn làm với một con người.”
Vì vậy, nói rằng, “Bạn có thể vui lòng cho tôi thông tin về ai đó không?” Vâng, làm ơn. Tôi thực sự gặp khó khăn. Câu trả lời bạn đã cho tôi thật tuyệt vời. Chính xác là những gì tôi đang tìm kiếm, và bây giờ tôi cần bạn tiếp tục với phần tiếp theo và giúp tôi với điều đó nữa. Nói cách khác, cách bạn nói chuyện với một con người, đúng không, nếu bạn là một trợ lý.
Hay là cô ấy đang nói chuyện với AI, với ChatGPT có vẻ như trong trường hợp này, theo cách mà não của cô ấy quen thuộc với việc đặt câu hỏi cho một con người. Nói cách khác, vậy AI có đang học hỏi từ cô ấy và do đó cung cấp cho cô ấy những loại câu trả lời dễ dàng hơn để cô ấy tích hợp không? Tôi nghĩ là cả hai.
Trước tiên, ChatGPT đang phản chiếu cách bạn đối xử với nó. Nó sẽ phản chiếu lại điều đó. Bạn đối xử với nó như một cỗ máy, nó sẽ như một cỗ máy, vì đó là điều mà nó giỏi. Nhưng đây là điều bất ngờ. Cô ấy nói, “Một khi tôi bắt đầu đối xử với nó như một con người, vào cuối ngày tôi không còn cảm thấy mệt mỏi nữa.” Tại sao?
Hóa ra rằng suốt cuộc đời bạn, bạn tương tác với con người theo một cách nhất định và não của bạn được lập trình để làm điều đó mà không cần nỗ lực. Và vì vậy, bằng cách đối xử với ChatGPT như thể nó là một con người, bạn đang tận dụng tất cả các mạch não trong não của bạn. Điều này thật đáng kinh ngạc.
Và tôi sẽ nói với bạn lý do tại sao, vì tôi nghĩ nhiều người, không chỉ riêng tôi, mà nhiều người thực sự thích mạng xã hội. Mọi người từ đó, ý tôi là, hôm qua tôi đã học được một vài điều mà tôi nghĩ thật thú vị về cách chúng ta nhận thức về bản thân mình tùy thuộc vào việc chúng ta có lọc nó qua phản ứng của người khác hay không, hoặc liệu chúng ta có dành một vài phút để thực sự ngồi xuống và suy nghĩ về cách chúng ta thực sự cảm thấy về bản thân mình hay không. Những ý tưởng rất thú vị về vị trí của sự tự nhận thức và những điều như vậy. Tôi cũng đã xem một video thật tuyệt về một chú gấu trúc con đang nổ bóng xà phòng trong khi đứng trên hai chân sau của nó. Và điều đó thật tuyệt. Mạng xã hội có thể cung cấp cho tôi cả hai điều đó chỉ trong vài phút. Bây giờ, tôi đang tự nghĩ, điều này thật điên rồ, đúng không? Gấu trúc có vẻ hơi tầm thường, nhưng nó đã mang lại niềm vui cho tôi và điều đó không hề tầm thường. Đó là điều bạn thấy. Nhưng đây là câu hỏi. Liệu có thể rằng một trong những khía cạnh có hại của mạng xã hội là nếu chúng ta đang khen ngợi lẫn nhau hoặc nếu chúng ta đang gửi trái tim hoặc chúng ta đang cho điểm thấp hoặc chúng ta đang tranh cãi với ai đó hoặc chúng ta đang phản biện lại hoặc họ đang phản biện lại chúng ta như vậy, hoặc như được gọi là “dunking” trên Exxon, thì đó không nhất thiết là cách mà chúng ta đã học để tranh luận. Nó không nhất thiết là cách mà chúng ta học để tham gia vào tranh chấp lành mạnh. Và vì vậy, như một hệ quả, cảm giác như, và đây là kinh nghiệm của tôi, rằng một số tương tác trực tuyến cảm thấy thật tốt và những cái khác cảm thấy như chúng đang gây khó chịu cho tôi vì có một bước hành động gần như không được phép. Bạn không thể giải thích hoàn toàn bản thân mình hoặc hiểu người khác. Và tôi là người tin vào sức mạnh của cuộc đối thoại thực sự mặt đối mặt hoặc ít nhất là cuộc đối thoại qua điện thoại. Và tôi cảm thấy giống như vậy về nhắn tin. Tôi ghét nhắn tin. Khi nhắn tin lần đầu tiên xuất hiện, tôi nhớ đã nghĩ, tôi không phải là đứa trẻ hay chuyền giấy trong lớp. Điều này cảm giác như việc chuyền giấy trong lớp học.
Thực tế, việc nhắn tin này thật sự không phải là điều tôi muốn làm. Đó là cảm giác của tôi. Và qua nhiều năm, tất nhiên, tôi đã trở thành một người nhắn tin. Và nó rất hữu ích cho một số việc, như là “tôi sẽ đến trong năm phút nữa”, “tôi đang muộn vài phút”, trong trường hợp của tôi, đó là điều thường gặp. Nhưng tôi nghĩ khái niệm về những gì khiến chúng ta khó chịu và cách nó liên quan đến việc liệu nó có phù hợp với mẫu hình phát triển từ thời thơ ấu của chúng ta về cách bộ não hoạt động hay không là rất quan trọng, vì nó chạm đến một điều mà tôi chắc chắn muốn nói đến hôm nay, điều mà tôi biết bạn đã làm việc rất nhiều, đó là khái niệm về năng lượng.
Điều chúng ta đang nói ở đây là năng lượng, không phải là năng lượng khoa học huyền bí hay năng lượng sức khỏe. Chúng ta đang nói về việc chúng ta chỉ có một lượng năng lượng hữu hạn. Và nhiều năm trước, người bạn vĩ đại Ben Barris, thật buồn khi ông đã qua đời, cựu đồng nghiệp của chúng tôi và là người hướng dẫn sau tiến sĩ của tôi, đã đến gặp tôi một ngày trong hành lang, ông dừng lại và gọi tôi là Andy, như bạn vẫn thường làm. Ông nói, “Andy, tại sao chúng ta lại cảm thấy kiệt sức hơn khi lớn tuổi? Tại sao hôm nay tôi lại mệt mỏi hơn so với 10 năm trước?” Tôi đã nói, “Tôi không biết. Bạn ngủ thế nào?” Ông ấy nói, “Tôi ngủ ổn.” Ben chưa bao giờ ngủ nhiều ngay từ đầu, nhưng ông ấy có rất nhiều năng lượng. Và tôi tự hỏi, “Tôi không biết. Điều gì là năng lượng mà chúng ta đang nói đến? Tôi muốn đảm bảo rằng chúng ta đóng lại khái niệm về một hệ thống thần kinh mẫu hình mà từ đó bạn có thể cảm thấy trải nghiệm là bổ dưỡng hoặc làm kiệt sức. Tôi muốn đảm bảo rằng chúng ta đóng lại khái niệm đó, nhưng tôi muốn chắc chắn rằng chúng ta liên kết nó vào một thời điểm nào đó với ý tưởng về năng lượng. Và tại sao mỗi năm trôi qua trong cuộc đời của chúng ta, chúng ta dường như lại có ít năng lượng hơn?” Bạn đã đặt ra những câu hỏi tuyệt vời. Tôi ước mình có những câu trả lời tuyệt vời. Thật ra, cho đến giờ bạn thực sự có những câu trả lời tuyệt vời. Có rất nhiều điều mới mẻ đối với tôi theo nghĩa là tôi chưa từng nghe những câu trả lời kiểu này. Vì vậy, hôm nay có rất nhiều điều để tôi học hỏi, và tôi biết khán giả cũng vậy.
Nhưng hãy nói rằng ai đó 20 tuổi so với 50 tuổi thì họ nên làm gì? Ý tôi là, chúng ta cần phải hòa nhập với thế giới hiện đại. Chúng ta cũng cần phải kết nối giữa các thế hệ. Ồ, đúng vậy. Điều này là đúng. Người ta không nghỉ hưu nhiều như trước nữa. Họ sống lâu hơn. Tỷ lệ sinh giảm, nhưng chúng ta phải hòa hợp với nhau, như người ta thường nói. Vì vậy, điều này thật thú vị. Tôi nghĩ rằng đúng là khi chúng ta lớn tuổi hơn, chúng ta có ít sức sống hơn, nếu tôi có thể sử dụng một từ khác với năng lượng, chúng ta sẽ quay lại với điều đó. Nhưng tôi nghĩ có một số người vẫn quản lý để duy trì một cuộc sống năng động. Đây là điều mà, một lần nữa, trong MOOC của chúng tôi, chúng tôi thực sự nhấn mạnh. Bạn có thể giải thích MOOC là gì không? Tôi nghĩ hầu hết mọi người sẽ không biết MOOC là gì. Chỉ để họ hiểu. Được rồi. Chúng đã xuất hiện khoảng, thực ra, bắt đầu tại Stanford, Andrew Ng và Daphna Kohler. Họ có một công ty gọi là Coursera. Và điều xảy ra là bạn có các giáo sư, và thực tế, bất kỳ ai có kiến thức hoặc chuyên môn nghề nghiệp, để giảng bài mà có sẵn cho bất kỳ ai trên thế giới có quyền truy cập internet, và có lẽ bây giờ là hàng chục nghìn người. Bất kỳ chuyên ngành nào, lịch sử, khoa học, âm nhạc, bạn đặt tên nó đi. Có ai đó là chuyên gia về điều đó và muốn nói cho bạn biết, vì họ rất hào hứng với những gì họ đang làm. Được rồi. Vì vậy, điều chúng tôi muốn làm là giúp mọi người trong việc học. Và một phần của vấn đề là nó trở nên khó khăn hơn. Nó đòi hỏi nhiều nỗ lực hơn khi bạn lớn tuổi. Nó làm cạn kiệt sức sống của bạn nhiều hơn nếu chúng ta sẽ giữ lại ngôn ngữ này về năng lượng và sức sống. Vâng. Đúng vậy. Vì vậy, hãy thực sự sử dụng từ năng lượng. Như bạn biết, trong tế bào, có một nhà máy điện vật lý gọi là ty thể, cung cấp cho chúng ta ATP, là đồng tiền của tế bào, để có thể vận hành tất cả các máy móc của nó, đúng không? Và vì vậy, một trong những điều xảy ra khi bạn lớn tuổi là ty thể của bạn bị suy giảm. Vâng.
Ít hơn và chúng kém hiệu quả hơn.
Đúng vậy.
Chúng kém hiệu quả hơn.
Và thực sự, thuốc có thể làm điều đó với bạn, vì chúng có thể gây hại cho ty thể.
Thuốc giải trí.
Không.
Những loại thuốc bạn dùng để điều trị bệnh.
Tôi không chắc về thuốc giải trí, nhưng tôi biết trong trường hợp có rất nhiều loại thuốc mà mọi người phải dùng.
Nhưng điều khác, và đây là tin xấu, đây là tin tốt.
Tin tốt là bạn có thể bổ sung năng lượng của mình bằng cách tập thể dục.
Tập thể dục là loại thuốc tốt nhất mà bạn có thể dùng.
Đó là loại thuốc rẻ nhất mà bạn có thể dùng và có thể giúp mọi cơ quan trong cơ thể bạn.
Nó rõ ràng giúp tim của bạn, giúp não của bạn, làm trẻ hóa não của bạn, giúp hệ thống miễn dịch của bạn.
Mỗi hệ thống cơ quan trong cơ thể đều được hưởng lợi từ việc tập thể dục thường xuyên.
Tôi chạy trên bãi biển mỗi ngày tại Viện Salk.
Và tôi cũng, nó nằm trên một mesa, cao 340 feet so với mặt đất, vì vậy tôi đi xuống mỗi ngày, rồi leo lên vách đá.
Đúng vậy.
Những bậc thang xuống bãi biển Blacks là một bài tập tốt.
Chúng là như vậy, và đây là điều đã giữ cho tôi luôn năng động, và tôi đã đi leo núi khi đi leo núi ở dãy Alps vào mùa thu vừa qua.
Vì vậy, điều này diễn ra vào tháng Chín.
Tôi nghĩ đây là điều mà mọi người thực sự nên nhận ra, đó là, bạn biết đấy, giống như việc tích trữ năng lượng cho khi bạn lớn tuổi hơn.
Càng tích trữ nhiều, bạn càng tốt hơn.
Đây là điều khác.
Được rồi.
Bây giờ chúng ta chuyển sang bệnh Alzheimer.
Một nghiên cứu được thực hiện ở Trung Quốc nhiều năm trước khi tôi lần đầu đến La Jolla, San Diego, tôi đã nghe điều này từ người đứng đầu chương trình Alzheimer.
Ông ấy đã thực hiện một nghiên cứu ở Trung Quốc về sự khởi phát, và họ đã có ba nhóm dân số.
Họ có những người nông dân hầu như không có giáo dục.
Và họ có một nhóm khác có trình độ học vấn trung học, và sau đó là những người có trình độ học vấn cao.
Hóa ra, sự khởi phát của bệnh Alzheimer xảy ra sớm hơn đối với những người không có giáo dục, và muộn hơn đối với những người có trình độ học vấn cao nhất. Điều này thật thú vị, phải không? Bởi vì, và có lẽ là gen không khác nhau nhiều, đúng không? Ý tôi là, họ đều là người Trung Quốc. Một khả năng, và rõ ràng là chúng ta không thực sự biết lý do tại sao, nhưng một khả năng là càng nhiều bạn rèn luyện não bộ của mình qua giáo dục, thì bạn càng có nhiều dự trữ hơn trong cuộc sống sau này. Tôi tin vào khái niệm này, và tôi không có từ nào tốt hơn để diễn đạt nó, có thể bạn có, hoặc một cụm từ cho nó, đó là một loại tốc độ nhận thức. Bạn biết đấy, đôi khi tôi sẽ chơi với điều này, tôi sẽ đọc chậm lại, hoặc tôi sẽ xem tốc độ đọc mặc định của mình ở một thời điểm nhất định trong ngày, và sau đó tôi sẽ cố gắng đọc nhanh hơn một chút trong khi cũng cố gắng giữ lại kiến thức mà tôi đang đọc. Vì vậy, tôi không chỉ đọc những từ, tôi đang cố gắng hấp thụ thông tin, và bạn có thể cảm nhận được nhu cầu năng lượng của điều đó. Sau đó, tôi sẽ chơi với nó, tôi sẽ lùi lại một chút, và rồi tôi sẽ tiến lên. Tôi cố gắng tìm ra điểm ngọt ngào nơi tôi không đọc với tốc độ phản xạ, mà chỉ nhanh hơn một chút trong khi cũng cố gắng giữ lại thông tin. Tôi đã học được điều này khi tôi có rất nhiều việc phải bắt kịp ở một giai đoạn trong sự nghiệp học tập của mình. May mắn thay, đó là khá sớm, và tôi đã có thể bắt kịp hầu hết mọi thứ, thỉnh thoảng có những điều trượt qua, và tôi phải quay lại và học cách học, và nếu tôi làm sai điều gì đó trên internet, họ chắc chắn sẽ chỉ ra, và sau đó chúng tôi quay lại và học. Và đoán xem? Tôi sẽ không bao giờ quên điều đó vì hình phạt, hình phạt xã hội là một tín hiệu tuyệt vời. Vì vậy, cảm ơn tất cả các bạn đã giúp tôi tiếp tục học hỏi. Nhưng tôi đã học được điều đó từ kinh nghiệm của mình khi cố gắng giỏi những thứ như trượt ván, hoặc bóng đá khi tôi còn trẻ. Có một điều nhất định xảy ra khi trượt ván, đó là môn thể thao của tôi khi lớn lên, nơi mà thực sự…
Dễ dàng hơn để học một cái gì đó khi đi nhanh hơn. Bạn biết đấy, hầu hết trẻ em cố gắng học cách nhảy ollie và kickflip khi đứng trong phòng khách trên thảm. Đó là cách tồi tệ nhất để học cách làm điều đó. Tất cả đều dễ dàng hơn khi đi nhanh hơn một chút so với mức thoải mái của bạn. Cũng có trường hợp nếu bạn không chú ý, bạn có thể bị thương. Cũng có trường hợp nếu bạn chú ý quá nhiều, bạn không thể thực hiện các chuyển động vận động. Đúng vậy. Vậy nên có một điểm ngọt ngào mà cuối cùng tôi đã có thể chuyển thành một sự hiểu biết rằng khi tôi ngồi xuống để đọc một bài báo hoặc một bài viết tin tức, hoặc thậm chí nghe một podcast, có một nhịp điệu trong giọng nói của người đó, và sau đó tôi sẽ điều chỉnh tốc độ âm thanh, nơi tôi phải tham gia về mặt nhận thức, và tôi biết tôi đang ở trong chế độ tiếp thu thông tin và học hỏi. Trong khi nếu tôi chỉ đi theo nhịp độ phản xạ của mình, thì hiếm khi tôi ở trong vùng hoàn hảo đó. Tôi chỉ ra điều này vì có thể nó sẽ hữu ích cho mọi người. Tôi không biết liệu nó có được đưa vào khóa học học cách học của bạn hay không, nhưng tôi thực sự nghĩ rằng có một điều mà tôi gọi là tốc độ nhận thức, điều này là lý tưởng cho việc học, so với việc cuộn chậm rãi. Và đây là lý do tại sao tôi nghĩ rằng mạng xã hội có hại. Tôi nghĩ rằng chúng ta đang huấn luyện bộ não của mình cơ bản là chậm, thụ động và đa ngữ cảnh, luân phiên qua lại. Và trừ khi có điều gì đó rất nổi bật, nó khiến chúng ta trở nên lười biếng và kém nhạy bén, xin lỗi vì ngôn từ, nhưng tôi sẽ nói thẳng, lười biếng và kém nhạy bén về mặt nhận thức, trừ khi chúng ta đặt ra mục tiêu cũng tham gia vào việc học. Và tôi đoán rằng nó đang tác động vào hệ thống ty thể này. Rất có thể. Đó là một phần của nó. Nhân tiện, cách mà bạn đã điều chỉnh tốc độ rất thú vị vì hóa ra rằng căng thẳng, mọi người đều nghĩ rằng căng thẳng là xấu, nhưng không, hóa ra căng thẳng tạm thời. Chỉ trong một khoảng thời gian giới hạn mà bạn kiểm soát thì lại tốt cho bạn. Nó tốt cho bộ não của bạn. Nó tốt cho cơ thể của bạn.
Tôi chạy các bài tập ngắt quãng trên bãi biển giống như cách bạn thực hiện các bài tập ngắt quãng nhận thức khi bạn đọc. Tôi chạy như điên trong khoảng 10 giây, sau đó tôi chuyển sang đi bộ chậm, rồi lại chạy như điên trong 10 giây nữa, và điều này giúp cơ thể bạn vào một chế độ hoạt động cao hơn, điều này rất tốt cho cơ bắp. Các cơ bắp cần biết rằng đây là những gì chúng phải làm, và đó là nơi bạn tăng cường khối lượng cơ bắp, chứ không phải chỉ đơn giản là chạy với cùng một tốc độ mỗi ngày.
Chà, sức sống trí tuệ và thể chất của bạn là điều không thể phủ nhận. Tôi đã biết bạn từ lâu. Bạn luôn có một trọng tâm khối lượng hơi nghiêng về phía trước trong trí tuệ của mình, và thậm chí cả tốc độ mà bạn đi bộ, Terry, tôi dám nói. Đối với một người California, bạn là một người đi bộ nhanh. Đó là một lời khen, nhân tiện. Những người ở Bờ Đông biết tôi đang nói về điều gì, và người California sẽ hỏi, “Tại sao không chậm lại?”
Lý do không nên chậm lại quá lâu là vì các hệ thống ty thể này, năng lượng của não và cơ thể, như bạn đã chỉ ra, rất liên kết với nhau, và tôi thực sự nghĩ rằng dưới một ngưỡng nhất định, rất khó để quay lại. Giống như dưới một ngưỡng nhất định, rất khó để tập thể dục mà không bị kiệt sức hoặc thậm chí bị thương, chúng ta cần duy trì điều này.
Có lẽ bây giờ là thời điểm tốt để khép lại vấn đề này về cách dạy dỗ người trẻ. Mọi người nên tham gia khóa học học cách học này như một nguồn tài nguyên miễn phí, thật tuyệt vời. Liên quan đến AI, bạn có nghĩ rằng những người trẻ và người lớn tuổi bây giờ, tôi 49 tuổi, vì vậy tôi tự xếp mình vào nhóm người lớn tuổi, nên học cách sử dụng AI không? Họ đã học cách sử dụng AI rồi, và một lần nữa, nó giống như, công nghệ mới xuất hiện, ai là người tiếp nhận đầu tiên? Đó là những người trẻ tuổi, và thật đáng kinh ngạc. Họ sử dụng nó nhiều hơn tôi gần như mỗi ngày, nhưng tôi biết nhiều sinh viên, và nhân tiện, nó giống như bất kỳ công cụ nào khác, đó là một công cụ mà bạn cần biết cách sử dụng. Bạn gợi ý mọi người bắt đầu từ đâu?
Tôi đã bắt đầu sử dụng Claude AI, điều này được một người có chuyên môn về AI gợi ý cho tôi như một lựa chọn thay thế cho chat GPT. Tôi không có gì chống lại chat GPT, nhưng tôi phải nói rằng tôi thực sự thích thẩm mỹ của Claude AI. Nó có một phong cách hơi mềm mại, màu be. Nó cảm giác giống như sản phẩm của Apple. Tôi thích thương hiệu Apple, và nó cung cấp cho tôi những câu trả lời. Có thể là do phông chữ, có thể là do cảm giác. Có thể điều này quay trở lại ví dụ mà bạn đã sử dụng trước đó, nơi tôi thích Claude AI và tôi là một fan lớn của nó, và họ không trả tiền cho tôi để nói điều này. Tôi chưa bao giờ gặp họ, tôi không có mối quan hệ nào với họ, ngoại trừ việc nó cung cấp cho tôi những câu trả lời theo định dạng gạch đầu dòng mà cảm giác rất dễ dàng để chuyển tải thông tin đó vào não tôi hoặc lên một trang giấy. Tôi thích Claude AI, sử dụng chat GPT. Người ta nên bắt đầu khám phá AI như thế nào để trở nên thông minh hơn, học kiến thức chỉ vì lý do kiến thức, và vui vẻ với nó? Cách tốt nhất để làm điều đó là gì? Tôi nghĩ chính xác những gì bạn đã làm, đó là hiện nay có hàng chục và hàng chục chatbot khác nhau, và những người khác nhau sẽ cảm thấy thoải mái với cái này hay cái kia. Chat GPT là cái đầu tiên, vì vậy đó là lý do tại sao nó đã chiếm lĩnh nhiều không gian nhận thức. Nó đã trở thành như từ Kleenex, từ đó. Đó là lý do tại sao tôi đã sử dụng nó như từ đầu tiên trong cuốn sách của tôi vì nó mang tính biểu tượng. Một số trong số đó, tôi phải nói rằng, ví dụ, có một số cái thực sự giỏi hơn về toán học so với những cái khác. Gemini của Google gần đây đã thực hiện một số điều chỉnh tinh vi với cái gọi là chuỗi lý luận. Khi bạn lý luận, bạn đi qua một chuỗi các bước, và khi bạn giải một bài toán, bạn đi qua một chuỗi các bước để tìm ra cái gì còn thiếu và sau đó thêm vào đó. Nó đã tăng từ 20% đúng lên 80% cho những bài toán đó. Khi mọi người nghe điều đó, họ có thể nghĩ, “Chà, điều đó có nghĩa là vẫn còn 20% sai.” Bạn có thể tưởng tượng bất kỳ con người nào hoặc một nhóm người nào đó đứng sau một bức tường mà nếu bạn hỏi họ một câu hỏi,
Và sau đó là một câu hỏi khác, và một câu hỏi khác nữa, rằng nó sẽ trả lại cho bạn thông tin chính xác hơn 80% chỉ trong vài giây?
Tôi nghĩ chúng ta có thể đang không công bằng khi so sánh các mô hình ngôn ngữ lớn này với những con người giỏi nhất thay vì những con người trung bình, đúng không?
Như bạn đã nói, hầu hết mọi người không thể vượt qua kỳ thi LSAT, kỳ thi đầu vào trường luật, hay MCAT, kỳ thi đầu vào trường y, và JetGPT thì đã làm được.
Liệu có một thế giới mà chúng ta có thể sử dụng AI hiện có, các mô hình ngôn ngữ lớn, những chiếc máy tính cơ bản có thể học như một tập hợp các bộ não con người và gửi chúng vào tương lai không?
Hãy cho chúng một tương lai tưởng tượng, được không?
Chúng ta có thể đưa cho chúng kết quả A và kết quả B và để chúng khám phá các trạng thái tương lai mà chúng ta chưa thể đạt được, và sau đó khai thác kiến thức đó và khám phá hai kết quả khác nhau?
Tôi nghĩ đó có lẽ là câu hỏi tốt hơn theo một nghĩa nào đó vì chúng ta không thể du hành ngược thời gian, nhưng chúng ta có thể có thể du hành vào tương lai với AI nếu bạn cung cấp cho nó các kịch bản khác nhau và bạn nói, “Khác với một nhóm người, nhóm chuyên gia, các chuyên gia y tế, hoặc các chuyên gia du hành không gian, hoặc các chuyên gia du lịch biển,” bạn không thể nói, “Này, bạn biết không, đừng ngủ đêm nay. Bạn chỉ cần làm việc trong 48 giờ tới. Thực tế, bạn sẽ làm việc trong ba tuần hoặc ba tháng tới, và bạn biết không? Bạn sẽ không làm gì khác. Bạn sẽ không chú ý đến sức khỏe của mình. Bạn sẽ không làm gì khác.”
Nhưng bạn có thể lấy một mô hình ngôn ngữ lớn và bạn có thể nói, “Chỉ cần tìm kiếm kiến thức dưới các kịch bản khác nhau sau đây,” và sau đó để đội ngũ các mô hình ngôn ngữ lớn đó quay lại và cung cấp cho chúng ta thông tin như, “Tôi không biết, ngày mai.”
Được rồi.
Vì vậy, tôi đã trải qua điều này.
Vào những năm 1980, tôi vừa mới bắt đầu sự nghiệp của mình, và tôi là một trong những người tiên phong trong việc phát triển các thuật toán học cho các mô hình mạng nơ-ron.
Jeff Hinton và tôi đã hợp tác với nhau về một cái gọi là Máy Bosel, và ông ấy thực sự đã giành được Giải Nobel cho điều này gần đây.
Vâng, chỉ trong năm nay thôi.
Thật tuyệt vời.
Ông ấy là một trong những người bạn tốt nhất của tôi.
Rất xuất sắc.
Và ông ấy hoàn toàn xứng đáng với điều đó không chỉ vì Máy Bosel, mà còn vì tất cả những công việc ông ấy đã làm kể từ đó về học máy và sau đó là lan truyền ngược và những thứ tương tự.
Nhưng vào thời điểm đó, Jeff và tôi có một cái nhìn về tương lai.
AI bị chi phối bởi việc xử lý ký hiệu, quy tắc, logic, viết chương trình máy tính.
Đối với mỗi vấn đề, bạn cần một chương trình máy tính khác nhau, và việc viết các chương trình đó rất tốn nhân lực, vì vậy nó diễn ra rất chậm chạp.
Và họ thực sự không bao giờ đạt được điều đó.
Họ chưa bao giờ viết một chương trình cho thị giác, chẳng hạn, mặc dù cộng đồng thị giác máy tính đã thực sự làm việc chăm chỉ trong một thời gian dài.
Nhưng chúng tôi có cái nhìn về tương lai này.
Chúng tôi có cái nhìn rằng thiên nhiên đã giải quyết những vấn đề này, và có bằng chứng tồn tại rằng bạn có thể giải quyết vấn đề thị giác, nhìn xem, mọi động vật đều có thể nhìn thấy, ngay cả côn trùng, đúng không?
Hãy nào.
Vậy thì, hãy tìm hiểu, hãy tìm hiểu xem họ đã làm điều đó như thế nào.
Có thể chúng ta có thể giúp bằng cách theo dõi thiên nhiên.
Chúng ta thực sự, một lần nữa, quay trở lại với các thuật toán, tôi đã nói với bạn.
Và vì vậy trong trường hợp của não bộ, điều gì làm cho nó khác với một máy tính kỹ thuật số, máy tính kỹ thuật số cơ bản có thể chạy bất kỳ chương trình nào, nhưng não của một con ruồi, chẳng hạn, chỉ chạy chương trình mà phần cứng đặc biệt cho phép nó chạy.
Không có nhiều tính linh hoạt thần kinh.
Có đủ ở đó, chỉ đủ thói quen và những thứ tương tự để bạn có thể sống sót.
Và đây là…
Sống sót 24 giờ.
Tôi không cố gắng coi thường các nhà sinh học ruồi, nhưng khi tôi nghĩ về tính linh hoạt thần kinh, tôi nghĩ về tính linh hoạt thần kinh tuyệt vời của não người để tùy chỉnh theo một thế giới trải nghiệm.
Tôi đồng ý.
Nhưng…
Khi tôi nghĩ về một con ruồi, tôi nghĩ về một bộ mạch thần kinh thực sự tuyệt vời hoạt động rất…
Để tránh bị bắt nạt, để ăn uống và để sinh sản, và không có nhiều điều khác.
Chúng thực sự không xây dựng công nghệ.
Chúng có thể có những mối quan hệ thú vị, nhưng ai biết, ai quan tâm.
Nó chỉ giống như, không phải là nó không quan trọng.
Chỉ là một câu hỏi về việc thiếu tính dẻo dai khiến chúng trở thành một loài bình thường.
Được rồi.
Tôi thấy tôi đã chạm vào vấn đề của bạn ở đây.
Không, không, không, không.
Tôi yêu sinh học ruồi.
Họ đã dạy chúng tôi về các thuật toán cho sự chọn lọc hướng trong hệ thống thị giác.
Ôi, không, không.
Tôi yêu sinh học Drosophila.
Tôi chỉ nghĩ rằng việc thiếu tính dẻo dai thần kinh tiết lộ một giới hạn quan trọng, và lý do chúng ta là những người bảo tồn Trái đất là vì chúng ta có rất nhiều tính dẻo dai.
Tất nhiên.
Tất nhiên.
Nhưng bạn phải thực hiện…
Một bước một lần, thiên nhiên trước tiên phải có khả năng tạo ra những sinh vật có thể sống sót,
và sau đó não của chúng sẽ lớn hơn khi môi trường trở nên phức tạp hơn, và đây là chúng ta.
Nhưng điều quan trọng là hóa ra rằng một số thuật toán trong não ruồi có mặt trong não của chúng ta, như điều kiện hóa, điều kiện hóa cổ điển.
Bạn có thể điều kiện hóa cổ điển một con ruồi về việc huấn luyện nó để…
Khi bạn cho nó một phần thưởng, nó sẽ thực hiện cùng một hành động.
Đây là như hành vi có điều kiện.
Thuật toán mà tôi đã nói với bạn, đó không phải là hàm giá trị của bạn.
Học sự khác biệt theo thời gian, thuật toán đó có trong não ruồi, nó có trong não của bạn.
Vì vậy, chúng ta có thể học về việc học từ nhiều loài khác nhau.
Tôi chỉ đang vui vẻ một chút khi châm chọc các nhà sinh học ruồi.
Tôi thực sự nghĩ rằng Drosophila đã làm rất nhiều.
Cũng như sinh học ong mật, chẳng hạn, nếu bạn cho ong caffeine trên những bông hoa cụ thể,
chúng thực sự sẽ cố gắng thụ phấn cho những bông hoa đó nhiều hơn, vì chúng thực sự thích cảm giác được caffein.
Có một trò chơi chữ tồi tệ về tiếng ong ở đây, nhưng tôi sẽ không tạo ra trò chơi chữ đó vì mọi người đã làm điều đó trước đây.
Tôi hoàn toàn đồng ý và thấu hiểu giá trị của việc nghiên cứu các sinh vật đơn giản hơn để tìm ra các thuật toán.
Đúng vậy.
Đó là nơi chúng ta đang ở ngay bây giờ.
Bây giờ, chỉ để đi vào tương lai, tôi đang kể câu chuyện về những gì chúng ta thực sự đã từng.
Chúng ta đã dự đoán tương lai.
Chúng ta đã nói, “Đây là một sự thay thế cho trí tuệ nhân tạo truyền thống.
Chúng ta đã không được coi trọng.”
Mọi người thì…
Các chuyên gia đã nói, “Không, không.
Hãy viết chương trình.
Hãy viết chương trình.”
Các nguồn lực, các khoản tài trợ, các công việc, và chúng ta chỉ như những loài động vật có lông nhỏ bé dưới chân những con khủng long này khi nhìn lại.
Tôi thích phép ẩn dụ này, nhưng những con khủng long đã tuyệt chủng.
Điểm tôi muốn nhấn mạnh là có khả năng cho bộ não của chúng ta thực hiện những suy diễn này vào tương lai.
Tại sao không có các phiên bản trí tuệ nhân tạo của bộ não?
Tại sao không?
Tôi nghĩ ý tưởng của bạn là một ý tưởng tuyệt vời.
Ý tôi là, lý do tôi hào hứng về trí tuệ nhân tạo và ngày càng nhiều hơn trong suốt cuộc trò chuyện này là vì có rất ít cơ hội để tạo ra thông tin ở quy mô lớn như vậy và xung quanh đồng hồ sinh học.
Ý tôi là, nếu có một điều mà chúng ta thực sự là nô lệ như con người thì đó chính là sinh học nhịp sinh học.
Bạn phải ngủ sớm hay muộn.
Ngay cả khi bạn không ngủ, nhận thức của bạn thực sự sẽ lên xuống theo chu kỳ sinh học.
Nếu bạn không ngủ, bạn sẽ chết sớm.
Chúng ta biết điều này.
Máy tính có thể làm việc, làm việc, làm việc.
Chắc chắn, bạn phải cung cấp năng lượng cho chúng.
Có vấn đề làm mát.
Có rất nhiều điều liên quan đến điều đó, nhưng điều đó là khả thi.
Máy tính có thể làm việc, làm việc, làm việc.
Ý tưởng rằng chúng có thể cung cấp một cổng vào tương lai và rằng chúng có thể mang nó trở lại để chúng ta có thể xem xét.
Tôi không nói rằng chúng ta phải thực hiện theo lời khuyên của chúng, nhưng việc có thể gửi một nhóm các chuyên gia trí tuệ nhân tạo đa dạng về mặt tính toán và kinh nghiệm vào tương lai và mang về cho chúng ta một loạt các con đường tiềm năng để lựa chọn thì thật sự rất thú vị.
Có thể một ví dụ tốt sẽ là các phương pháp điều trị cho bệnh tâm thần phân liệt.
Đây là một lĩnh vực mà tôi muốn đảm bảo rằng chúng ta sẽ nói đến.
Tôi đã lớn lên với việc học như một sinh viên thần kinh học rằng bệnh tâm thần phân liệt là một sự gián đoạn nào đó.
Hệ thống dopamine vì nếu bạn cho thuốc chống loạn thần chặn các thụ thể dopamine, bạn sẽ thấy một số cải thiện trong các triệu chứng vận động và một số ảo giác, v.v. Giờ đây, cũng có những người nói: “Không, đó không thực sự là cơ sở của bệnh tâm thần phân liệt. Tôi rất muốn nghe ý kiến của bạn.” Bạn có những công trình tuyệt vời từ những người như Chris Palmer tại Harvard và chúng ta thậm chí có một khoa tại Stanford hiện đang tập trung, chúng ta thậm chí có những người tại Stanford hiện đang tập trung vào điều mà Chris thực sự đã sáng lập như một lĩnh vực, đó là tâm thần học chuyển hóa, ý tưởng rằng ai có thể tưởng tượng được rằng, những gì bạn ăn ảnh hưởng đến ty thể của bạn, cách bạn tập thể dục ảnh hưởng đến ty thể của bạn, ty thể ảnh hưởng đến chức năng não, và thật bất ngờ, sức khỏe chuyển hóa của não và cơ thể ảnh hưởng đến triệu chứng của bệnh tâm thần phân liệt. Ông đã xem xét những cách mà mọi người có thể sử dụng chế độ ăn ketogenic, có thể không phải để chữa trị, nhưng để điều trị và trong một số trường hợp có thể thậm chí chữa khỏi bệnh tâm thần phân liệt. Chúng ta đang ở một nơi mà chúng ta vẫn chưa có một “phương pháp chữa trị” cho bệnh tâm thần phân liệt, nhưng bạn có thể gửi các mô hình ngôn ngữ lớn vào tương lai và bắt đầu tìm kiếm những dữ liệu có khả năng nhất, tất cả các dữ liệu trong các lĩnh vực đó, có lẽ có thể làm điều đó trong một giờ, cộng thêm việc đưa ra một loạt các thử nghiệm lâm sàng giả thuyết khác nhau về kết quả tích cực và tiêu cực mà thậm chí chưa tồn tại, 10.000 đối tượng ở Scandinavia theo chế độ ăn ketogenic, những người có một mức độ nhạy cảm nhất định với bệnh tâm thần phân liệt dựa trên những gì chúng ta biết từ các nghiên cứu sinh đôi, những điều mà chưa bao giờ có thể thực hiện trong một buổi chiều, có thể thậm chí trong một năm, có nguồn tài trợ này, và bùm, nhận được câu trả lời và để họ trình bày cho chúng ta những câu trả lời đó và sau đó bạn nói: “Chà, đó là nhân tạo,” nhưng bộ não con người cũng đang đưa ra những thí nghiệm này. Đối với tôi, tôi bắt đầu nhận ra rằng không phải chúng ta phải thực hiện mọi thứ mà AI nói với chúng ta hoặc đề xuất cho chúng ta, nhưng chắc chắn nó cho chúng ta một cái nhìn tuyệt vời về những gì có thể đang xảy ra hoặc có khả năng xảy ra.
Cụ thể về bệnh tâm thần phân liệt, tôi khá chắc rằng nếu chúng ta có những mô hình ngôn ngữ lớn này cách đây 20 năm, chúng ta đã biết rằng ketamine sẽ là một loại thuốc rất tốt để thử giúp đỡ những người này.
Hãy cho chúng tôi biết về mối quan hệ giữa ketamine và bệnh tâm thần phân liệt, vì tôi nghĩ nhiều người, và có thể bạn có thể định nghĩa bệnh tâm thần phân liệt, mặc dù hầu hết mọi người nghĩ về những người nghe thấy tiếng nói và rối loạn tâm thần, nhưng còn nhiều điều hơn thế mà có thể chúng ta không thể đưa ra.
Được rồi, vì vậy một trong những điều mà chúng ta biết bây giờ, vấn đề là nếu bạn nhìn vào điểm kết thúc, điều đó không cho bạn biết điều gì đã bắt đầu vấn đề. Nhưng trong giai đoạn phát triển sớm, bệnh tâm thần phân liệt là một thứ xuất hiện khi tuổi vị thành niên muộn, đầu tuổi trưởng thành, nhưng thực tế nó đã là một vấn đề, một vấn đề di truyền ngay từ đầu.
Vậy sự tương đồng trong các cặp song sinh giống hệt nhau là gì, có nghĩa là nếu bạn có các cặp song sinh giống hệt nhau trong bụng mẹ và một người có số phận trở thành bệnh nhân tâm thần phân liệt hoàn toàn, xác suất của người còn lại là bao nhiêu?
Vì vậy, đây là thí nghiệm. Điều này đã được lặp lại rất, rất nhiều lần trên chuột, tôi nên nói. Ồ, không, thực ra, được rồi, để tôi bắt đầu với con người, được không.
Vì vậy, ketamine là, trong một thời gian dài, và vẫn là một loại thuốc tiệc tùng, đặc biệt K. Tôi chưa bao giờ dùng nó, nhưng đây là những gì tôi nghe. Tôi cũng chưa. Tôi không biết. Nó là một loại thuốc gây mê phân ly, đúng không?
Nhưng tôi sẽ cho bạn biết điều gì xảy ra, vì tôi đã nói chuyện với những người đã làm điều này. Bạn dùng ketamine, ở liều dưới mức gây mê, nhân tiện, nó là một loại thuốc gây mê, nó được cho trẻ em. Nó là một loại thuốc gây mê khá tốt, và nó cũng được sử dụng trong y học thú y. Nhưng trong bất kỳ trường hợp nào, bạn cho nó vào, bạn lấy những người trưởng thành trẻ tuổi, đây là những gì họ trải nghiệm. Họ trải nghiệm cảm giác ra khỏi cơ thể, họ có cảm giác tuyệt vời về năng lượng, và họ rất, đó là một cảm giác phấn khích, nhưng đó là một cảm giác phấn khích rất khác thường.
Bây giờ, nếu họ chỉ có một trải nghiệm, nhưng nếu họ có hai, như họ tham gia tiệc tùng hai lần…
Trong nhiều ngày liên tiếp, rất nhiều người đã đến phòng cấp cứu. Và đây là những triệu chứng. Tâm thần phân liệt hoàn toàn, hoàn toàn. Chúng ta đang nói về những triệu chứng không thể phân biệt được với một cơn khủng hoảng tâm thần phân liệt. Vì vậy, có những ảo giác thính giác. Đúng vậy. Và ảo giác, hoang tưởng, rất, rất nghiêm trọng, bạn có thể nói rằng, ôi trời, người này thực sự đã trở thành một người tâm thần phân liệt, và thực sự, như bạn nói, các triệu chứng là giống nhau. Tuy nhiên, nếu bạn cách ly họ trong vài ngày, họ sẽ trở lại, đúng không? Điều đó có nghĩa là tâm thần phân liệt có thể được gây ra, ý tôi là, xin lỗi, ketamine có thể gây ra một dạng tâm thần phân liệt, tâm thần phân liệt tạm thời, không phải vĩnh viễn, may mắn thay. Được rồi. Vậy nó tấn công cái gì? Được rồi. Và có một tài liệu khác về điều này. Hóa ra nó gắn với một dạng thụ thể, một thụ thể glutamate gọi là thụ thể NMDA, rất quan trọng cho việc học tập và trí nhớ. Nhưng chúng ta biết mục tiêu, và chúng ta cũng biết kết quả cấp tính là nó giảm sức mạnh của mạch ức chế, các tế bào nội tại sử dụng các chất truyền đạt ức chế, enzyme tạo ra chất truyền đạt ức chế bị giảm điều hòa. Và điều đó có nghĩa là gì? Nó có nghĩa là có nhiều kích thích hơn. Và điều đó có nghĩa là gì khi có nhiều kích thích hơn? Nó có nghĩa là có nhiều hoạt động hơn trong vỏ não, và thực sự có nhiều sức sống hơn. Bạn bắt đầu trở nên điên cuồng, đúng không, nếu hoạt động quá nhiều. Vậy điều này thật thú vị. Điều này đang cho chúng ta biết, tôi nghĩ rằng, chúng ta nên suy nghĩ về, và bây giờ có một lĩnh vực hoàn toàn mới trong tâm thần học liên quan đến giả thuyết glutamate đầu tiên, nơi mà sự mất cân bằng thực sự xảy ra lần đầu tiên. Đó là sự mất cân bằng giữa các hệ thống kích thích và ức chế trong vỏ não, giữ cho bạn được cân bằng. Và thụ thể NMDA, N-methyldiaspartate là thụ thể glutamate. Đúng vậy, chúng là glutamate. Chúng là một loại. Đó là một loại. Đúng rồi. Được rồi. Vậy bây giờ, đây là một giả thuyết về lý do tại sao ketamine có thể tốt cho trầm cảm.
Mọi người đang sử dụng nó bây giờ.
Chúng ta đang cảm thấy chán nản, đúng không?
Vậy thì đây là một loại thuốc gây ra sự kích thích quá mức, và đây là một người đang bị thiếu kích thích.
Trầm cảm liên quan đến hoạt động kích thích thấp hơn ở một số vùng của vỏ não.
Chà, nếu bạn điều chỉnh nó, bạn có thể trở lại trạng thái cân bằng, đúng không?
Vậy nên, bạn đang chống lại trầm cảm bằng cách sử dụng một chút tâm thần phân liệt.
Bây giờ, bạn phải tiếp tục cho, tôi nghĩ, cứ ba tuần một lần, họ phải có một liều ketamine mới, nhưng nó đã giúp rất nhiều người có trầm cảm lâm sàng rất nặng.
Vì vậy, khi chúng ta tìm hiểu thêm về các cơ chế tiềm ẩn của một số rối loạn này, chúng ta sẽ tốt hơn trong việc suy diễn và đưa ra một số giải pháp ít nhất để ngăn chặn nó trở nên tồi tệ hơn.
Nhân tiện, tôi khá chắc chắn rằng các mô hình ngôn ngữ lớn có thể đã tìm ra điều này từ lâu.
Vì vậy, trong nỗ lực hiểu cách chúng ta có thể tận dụng những mô hình ngôn ngữ lớn này bây giờ, chúng ta đã sử dụng những mô hình ngôn ngữ lớn này như thế nào từ lâu?
Giả sử bạn có công nghệ AI năm 2024 vào năm 1998, năm mà tôi bắt đầu học sau đại học.
Đúng rồi.
Vào thời điểm đó, nó giống như giả thuyết dopamine, tâm thần phân liệt có mặt trong mọi sách giáo khoa.
Có một chút về glutamate, có lẽ, nhưng tất cả đều xoay quanh dopamine.
Vậy những mô hình ngôn ngữ lớn sẽ phát hiện ra điều này như thế nào?
Protein được biết đến như một loại thuốc.
Ketamine, nhân tiện, rất giống với PCP, cũng liên kết với thụ thể NMDR.
Vậy điều này cũng sẽ, cũng là, vâng, không phải là thứ tôi khuyên dùng, cũng như ketamine.
Thực ra, tôi không khuyên dùng bất kỳ loại thuốc giải trí nào, nhưng tôi không phải là người sử dụng thuốc giải trí.
Nhưng những mô hình ngôn ngữ lớn đó sẽ làm gì nếu họ, vì vậy bạn có công nghệ năm 2024 đặt vào năm 1998, họ đang tìm kiếm kiến thức hiện có, nhưng sau đó họ có thể đưa ra dự đoán như, “Này, thứ này sẽ hóa ra là sai,” hoặc, “Này, thứ này là …”
Được rồi.
Bạn biết đấy, tất cả những điều này đều rất, rất suy đoán, và thực sự chúng ta có thể bắt đầu thấy điều này xảy ra ngay bây giờ.
Vì vậy, tôi có một đồng nghiệp tại Viện Salk, Rusty Gage. Ông ấy là một nhà thần kinh học rất nổi bật, và ông đã phát hiện ra rằng có những nơron mới được sinh ra trong hồi hải mã, đúng không, điều này ở người lớn là điều mà sách giáo khoa nói rằng không xảy ra, đúng không?
Điều đó xảy ra vào khoảng năm 1998, Rusty đã làm điều đó, đúng vậy.
Đúng rồi. Và thực sự tôi có một bài báo với ông ấy, nơi chúng tôi đã thử nghiệm LTP, tăng cường dài hạn, thực sự là tác động của việc tập thể dục lên sự hình thành nơron mới.
Tập thể dục làm tăng sự hình thành nơron mới. Nó làm tăng số lượng tế bào, nó làm tăng sự hình thành nơron mới và cũng các tế bào đang hoạt động trở thành một phần của mạch.
Nhiều tế bào hơn trở nên tích hợp. Và điều này cũng đúng với con người, đúng không?
Đúng. Và có một số loại thuốc chống ung thư đã được đưa ra, mà bạn biết đấy, họ đã chỉ ra rằng có những tế bào mới mà họ có thể, mà họ đã có thể sau đó áp dụng nhiều hơn để thực sự thấy rằng chúng được sinh ra ở người lớn, được không.
Vì vậy, đây là chúng ta, được không, vào năm 1998, và câu hỏi là, bạn có thể nhảy không? Bạn có thể nhảy vào tương lai không?
Được rồi. Vì vậy, Rusty, bạn biết đấy, đã tình cờ nói về vấn đề này, về việc, bạn biết đấy, ông ấy đang sử dụng những mô hình ngôn ngữ lớn này cho nghiên cứu của mình, và tôi đã nói, “Ôi, wow, bạn sử dụng nó như thế nào?”
Và ông ấy nói, “Chúng tôi sử dụng nó như một máy bơm ý tưởng.”
Bạn có nghĩa là máy bơm ý tưởng?
Chà, bạn biết đấy, chúng tôi đưa cho nó tất cả các thí nghiệm mà chúng tôi đã thực hiện, và chúng tôi có, bạn biết đấy, tài liệu, quyền truy cập vào tài liệu và những thứ tương tự, và chúng tôi hỏi nó về ý tưởng cho các thí nghiệm mới.
Ôi, tôi thích điều đó. Tôi thích điều đó.
Tôi đã ở trên một chuyến bay nơi tôi ngồi cạnh một người làm việc tại Google, và anh ấy là một trong những người chính ở đó về phần mềm chuyển giọng nói thành văn bản và văn bản thành giọng nói, và anh ấy đã cho tôi xem một cái gì đó.
Tôi sẽ cung cấp một liên kết đến nó vì đó là một trong những tài nguyên mở khác.
Và tôi không phải là người quá am hiểu công nghệ. Tôi không giống như, tôi không nhận điểm F trong công nghệ. Tôi không nhận điểm A cộng.
Tôi đang ở giữa.
Vì vậy, tôi nghĩ mình khá đại diện cho người nghe trung bình của podcast này, có lẽ là như vậy.
Những gì anh ấy đã chỉ cho tôi là bạn có thể mở trang web này, và bạn có thể lấy các tệp PDF hoặc lấy URL, tức là địa chỉ trang web, và bạn chỉ cần đặt chúng vào lề.
Bạn thực sự chỉ cần kéo và thả chúng vào đó.
Sau đó, bạn có thể đặt câu hỏi, và AI sẽ tạo ra các câu trả lời dựa trên nội dung của bất cứ thứ gì bạn đưa vào lề này, những tệp PDF, những trang web đó.
Điều thú vị là, nó sẽ tham chiếu đến chúng để bạn biết bài viết đến từ đâu.
Và, sau đó bạn có thể bắt đầu đặt những câu hỏi phức tạp hơn, như trong hai ví dụ về tác động của một loại thuốc, một loại rất mạnh và một loại rất yếu, bạn nghĩ bài báo nào trong số này là nghiêm ngặt hơn dựa trên, bạn biết đấy, số lượng đối tượng, nhưng cũng là sức mạnh của các phát hiện.
Bạn biết đấy, một điều khá mơ hồ.
Sức mạnh của các phát hiện là một điều khá mơ hồ, đúng không?
Bất kỳ ai tranh luận rằng đó là những phát hiện yếu, rằng số lượng đối tượng không đủ, thì chúng ta biết rất nhiều về trí nhớ con người từ một bệnh nhân, HM.
Vì vậy, sức mạnh của các phát hiện khi nói về con người là một điều chủ quan, bạn thực sự phải là một chuyên gia trong lĩnh vực đó để hiểu sức mạnh của các phát hiện, và ngay cả như vậy.
Và điều tuyệt vời là nó bắt đầu đưa ra các câu trả lời, như, nếu bạn lo lắng về số lượng đối tượng, thì bài báo này, nhưng đó là một điều khá hiển nhiên, bài nào có nhiều đối tượng hơn, nhưng nó có thể bắt đầu phê bình các thống kê mà họ đã sử dụng trong các bài báo này theo những cách rất tinh vi, và giải thích lại cho bạn lý do tại sao một số bài báo có thể không thú vị và những bài khác thì thú vị hơn, và nó bắt đầu đánh giá bằng chứng.
Và sau đó bạn nói, với bằng chứng đã được đánh giá đó, bạn có thể giả thuyết điều gì sẽ xảy ra nếu?
Và vì vậy tôi đã làm một chút điều này, nơi nó bắt đầu cố gắng dự đoán tương lai dựa trên, bạn biết đấy, 10 bài báo mà bạn đã đưa cho nó năm phút trước.
Tôi không nghĩ rằng bất kỳ giáo sư nào có thể làm điều đó, ngoại trừ trong lĩnh vực rất cụ thể của họ, và nếu họ đã quen thuộc với các tài liệu, thì sẽ mất nhiều giờ, nếu không muốn nói là nhiều ngày, để đọc tất cả những tài liệu đó một cách chi tiết. Và họ có thể không đưa ra những câu trả lời giống nhau, đúng không? Đúng vậy. Vâng. Thực ra, đây là điều đang diễn ra trong y học, nhân tiện, đối với các bác sĩ đang sử dụng AI như một trợ lý, điều này thực sự thú vị. Đây là về da liễu, có một bài báo trong tạp chí Nature, bạn biết đấy, liên quan đến các tổn thương da. Có khoảng 2000 tổn thương da. Một số trong số đó là, bạn biết đấy, ung thư, và những cái khác thì là lành tính. Và trong mọi trường hợp, họ đã thử nghiệm các bác sĩ chuyên gia, và sau đó họ thử nghiệm một AI, và cả hai đều đạt khoảng 90 phần trăm, đúng không? Tuy nhiên, nếu bạn để bác sĩ sử dụng AI, nó sẽ nâng cao độ chính xác của bác sĩ lên 98 phần trăm. 98 phần trăm độ chính xác. Vâng. Và điều gì đang xảy ra ở đây? Thật thú vị. Hóa ra rằng, mặc dù họ đạt cùng 90 phần trăm, nhưng họ có những chuyên môn khác nhau, AI có quyền truy cập vào nhiều dữ liệu hơn, vì vậy nó có thể nhìn vào những tổn thương hiếm mà bác sĩ có thể chưa bao giờ thấy, được chứ? Nhưng bác sĩ có kiến thức sâu hơn về những tổn thương phổ biến nhất mà họ đã thấy đi thấy lại, và đó là những điểm tinh tế và những thứ tương tự. Nhưng vì vậy, khi kết hợp chúng lại với nhau, thật hợp lý khi họ sẽ cải thiện nếu họ làm việc cùng nhau. Và tôi nghĩ rằng bây giờ, những gì bạn đang nói là việc sử dụng AI như một công cụ để khám phá với chuyên gia đang diễn giải và xem xét các lập luận, các lập luận thống kê, và cũng xem xét bài báo, có thể theo một cách mới, có thể đó là tương lai của khoa học. Có thể đó là điều sẽ xảy ra. Mọi người đều lo lắng về việc, ôi, AI sẽ thay thế chúng ta. Nó sẽ tốt hơn nhiều so với chúng ta trong mọi thứ, và con người sẽ trở nên lỗi thời. Không có gì sai hơn thế. Điểm mạnh và điểm yếu của chúng ta là khác nhau, và bằng cách làm việc cùng nhau, điều đó sẽ làm cho chúng ta mạnh mẽ hơn.
Cả hai, những gì chúng ta làm và những gì AI làm, và đó sẽ là một mối quan hệ hợp tác, không phải là đối kháng, mà sẽ là một mối quan hệ hợp tác. Bạn có thể nói rằng điều đó đúng với những thứ như hiểu biết hoặc khám phá các phương pháp điều trị cho một căn bệnh thần kinh để tránh những thảm họa quy mô lớn không? Nó có thể dự đoán các chuyển động vĩ mô không? Hãy để tôi đưa ra một ví dụ. Ở Los Angeles, thỉnh thoảng có một vụ tai nạn trên đường cao tốc. Ngày nay, có rất nhiều camera trên các đường cao tốc. Bạn có camera trong xe hơi. Bạn có thể tưởng tượng tất cả dữ liệu được gửi đến trong thời gian thực, và bạn có thể dự đoán các vụ tai nạn một cách khá dễ dàng. Đây chỉ là những vật thể di chuyển với một tốc độ cụ thể mà đang lái xe một cách bừa bãi, nhưng bạn cũng có thể tiềm năng điều khiển phanh hoặc vô lăng của một chiếc xe và ngăn chặn tai nạn. Ý tôi là, một số xe hơi đã làm điều đó, nhưng liệu bạn có thể loại bỏ, hãy làm điều gì đó thậm chí còn quan trọng hơn. Hãy loại bỏ tắc nghẽn giao thông. Tôi không biết bạn có thể làm điều đó không, vì đó là một vấn đề về ống dẫn, nhưng liệu bạn có thể dự đoán các sự kiện vật lý trong thế giới vào tương lai không? Được rồi. Điều này đã được thực hiện, không phải cho giao thông, mà cho bão. Như bạn biết, thời tiết cực kỳ khó dự đoán, và ngoại trừ ở California nơi mà trời luôn nắng, nhưng bây giờ những gì họ đã làm là cho vào rất nhiều dữ liệu từ các cơn bão trước đó và cũng như các mô phỏng của các cơn bão. Bạn có thể mô phỏng chúng trong một siêu máy tính. Nó mất vài ngày và vài tuần, vì vậy nó không hữu ích lắm cho việc dự đoán chính xác nơi nó sẽ đổ bộ, Florida, nhưng những gì họ đã làm là sau khi đào tạo AI trên tất cả dữ liệu này, nó đã có thể dự đoán với độ chính xác tốt hơn nhiều chính xác nơi nào ở Florida mà nó sẽ đổ bộ. Nó làm điều đó trên máy tính xách tay của bạn trong 10 phút. Thật không thể tin được. Một điều gì đó vừa lóe lên trong tôi, và có lẽ điều đó rất rõ ràng với bạn và hầu hết mọi người, nhưng tôi nghĩ điều này là đúng. Tôi nghĩ những gì tôi sắp nói là đúng.
Vào đầu cuộc trò chuyện của chúng ta, chúng ta đã nói về việc tiếp thu kiến thức so với việc áp dụng kiến thức, chỉ học các sự kiện so với việc học cách áp dụng những sự kiện đó dưới dạng hành động vật lý hoặc hành động nhận thức.
Bài toán toán học là hành động nhận thức, hành động vật lý.
Được rồi.
AI có thể thực hiện cả hai việc tiếp thu kiến thức. Nó có thể học các sự kiện, những danh sách dài các sự kiện và sự kết hợp của các sự kiện, nhưng có lẽ nó cũng có thể chạy nhiều bộ bài toán và giải quyết nhiều bộ bài toán.
Tôi không nghĩ rằng, ngoại trừ một số ví dụ thô sơ về robot mà tôi vẫn thấy, nó thực sự giỏi về hành động, nhưng có lẽ nó sẽ đạt được điều đó vào một thời điểm nào đó.
Robot đang ngày càng tốt hơn, nhưng chúng vẫn chưa làm được những gì chúng ta đang làm, nhưng theo tôi, miễn là chúng có thể tiếp thu kiến thức và sau đó giải quyết các bộ bài toán khác nhau, các biến thể khác nhau của sự kết hợp kiến thức, thì về cơ bản chúng đang ở vị trí có thể lấy bất kỳ dữ liệu nào về các sự kiện trước đó hoặc các sự kiện hiện tại và đưa ra những dự đoán khá chính xác về tương lai và truyền đạt những dự đoán đó cho chúng ta đủ nhanh và cho chính chúng đủ nhanh để chúng có thể thực hiện các biến thể khác nhau.
Tôi đang nghĩ đến một trong những vấn đề dường như đã khiến các nhà khoa học thần kinh trong lĩnh vực y học và công chúng nói chung cảm thấy bối rối là sự gia tăng, ít nhất là trong việc chẩn đoán tự kỷ.
Tôi đã nghe rất nhiều giả thuyết khác nhau trong suốt những năm qua.
Tôi nghĩ chúng ta vẫn còn khá mơ hồ về vấn đề này.
Liệu AI có thể bắt đầu đưa ra các giải pháp và phương pháp điều trị mới và tiềm năng nếu cần thiết, nhưng có thể đi đến tận gốc rễ của vấn đề này không?
Có thể.
Điều đó phụ thuộc vào dữ liệu bạn có.
Nó phụ thuộc vào độ phức tạp của bệnh.
Nhưng điều đó sẽ xảy ra.
Nói cách khác, chúng ta sẽ sử dụng những công cụ đó một cách tốt nhất có thể vì rõ ràng nếu bạn có thể đạt được bất kỳ tiến bộ nào và nhảy vào tương lai, wow, điều đó sẽ cứu sống nhiều người.
Tôi thực sự nghĩ rằng tiềm năng ở đây là rất lớn, đến nỗi mặc dù có những khuyết điểm và có những vấn đề về quy định, chúng ta thực sự, thực sự phải thúc đẩy. Chúng ta phải làm điều đó theo cách sẽ giúp mọi người cải thiện công việc của họ và giúp họ giải quyết những vấn đề mà nếu không có thể họ sẽ gặp khó khăn và những thứ tương tự. Điều này đang bắt đầu xảy ra, nhưng đây vẫn là những ngày đầu. Chúng ta đang ở một giai đoạn hiện tại với AI tương tự như những gì đã xảy ra sau chuyến bay đầu tiên của anh em nhà Wright. Nói cách khác, thành tựu mà anh em nhà Wright đạt được là cất cánh 10 feet và bay xa 100 feet với một con người. Đó là tất cả. Đó là chuyến bay đầu tiên. Nó đã mất một lượng lớn cải tiến. Điều khó khăn nhất cần phải giải quyết là kiểm soát. Làm thế nào để bạn kiểm soát nó? Làm thế nào để bạn làm cho nó đi theo hướng bạn muốn? Những gì đang xảy ra bây giờ trong AI có thể thấy rằng chúng ta đã cất cánh, nhưng chúng ta vẫn chưa bay xa, nhưng ai biết được nó sẽ đưa chúng ta đến đâu trong tương lai. Hãy nói về bệnh Parkinson, một sự suy giảm của các nơron dopamine dẫn đến khó khăn trong việc tạo ra chuyển động mượt mà và cũng một số rối loạn về nhận thức và tâm trạng. Hãy cho chúng tôi biết về công việc của bạn về bệnh Parkinson và những gì bạn đã học được? Như bạn đã chỉ ra, bệnh Parkinson trước hết là một bệnh thoái hóa. Nó rất thú vị vì các tế bào dopamine là một phần cụ thể của thân não và chúng là những tế bào chịu trách nhiệm cho việc học theo quy trình. Tôi đã nói với bạn trước đây về sự khác biệt theo thời gian. Đó là các tế bào dopamine. Đây là một cách rất mạnh mẽ cho các tín hiệu toàn cầu gọi là chất điều biến thần kinh vì nó điều chỉnh tất cả các tín hiệu khác diễn ra trong vỏ não. Nó cũng rất quan trọng cho việc học các chuỗi hành động tạo ra sự sống còn. Vấn đề là với một số tác động môi trường nhất định, đặc biệt là các chất độc như thuốc trừ sâu,
Những tế bào thần kinh đó rất dễ bị tổn thương và khi chúng chết, bạn sẽ gặp phải tất cả các triệu chứng mà bạn vừa mô tả. Những người đã mất những tế bào đó thực sự trước khi điều trị, bạn biết đấy, Aldopa, một tiền chất của dopamine, họ thực sự đã rơi vào trạng thái hôn mê, đúng không? Họ không cử động. Họ vẫn còn sống, nhưng họ hoàn toàn không cử động. Đó được gọi là trạng thái bị khóa, thật bi thảm, thật bi thảm. Vì vậy, khi những thử nghiệm đầu tiên của Aldopa được đưa cho họ, thật kỳ diệu vì đột nhiên họ bắt đầu nói chuyện trở lại. Ý tôi là, điều này thật tuyệt vời, thật tuyệt vời. Tôi tò mò, khi họ bắt đầu nói chuyện trở lại, họ có báo cáo rằng trạng thái não của họ trong giai đoạn bị khóa là tốc độ chậm không? Có phải giống như một trạng thái mơ màng hay họ cảm thấy như đang trong một giấc ngủ ngắn, hay họ đang ở đó và kêu gào để thoát ra? Bởi vì tốc độ vật lý của họ rõ ràng là bằng không, họ bị khóa mà. Và tôi đã tự hỏi từ lâu khi trở về từ một cuộc chạy hoặc từ việc tỉnh dậy sau một giấc ngủ ngon, khi tôi chuyển sang trạng thái tỉnh táo, liệu tốc độ vật lý và tốc độ nhận thức có liên quan đến nhau không. Vì vậy, một quan sát hoặc câu hỏi tuyệt vời, tôi cá là bạn biết câu trả lời. Được rồi, đây là một điều thực sự kỳ diệu, nó được phát hiện một cách thú vị khi họ có xu hướng di chuyển chậm, như bạn đã nói. Nhưng đối với họ, về mặt nhận thức, họ nghĩ rằng họ đang di chuyển nhanh. Bây giờ không phải vì họ không thể di chuyển nhanh, vì bạn có thể nói, ồ, bạn có thể di chuyển nhanh hơn không? Chắc chắn rồi. Và họ di chuyển bình thường, đúng không? Nhưng đối với họ, họ nghĩ rằng họ đang di chuyển với tốc độ siêu nhanh. Vì vậy, đó là một vấn đề về điểm thiết lập. Vậy đó là một vấn đề về điểm thiết lập, đúng, tất cả đều liên quan đến điểm thiết lập. Đó là điều thực sự đang diễn ra. Và khi điểm thiết lập ngày càng thấp hơn, bây giờ mà không di chuyển chút nào, họ nghĩ rằng họ đang di chuyển, đúng không? Ý tôi là, đó là điều đang diễn ra. Nhân tiện, bạn có thể hỏi họ, cảm giác như thế nào? Chúng tôi đã nói chuyện với bạn và bạn không phản hồi. Ồ, tôi không cảm thấy như vậy. Não bộ tạo ra một câu trả lời.
Chà, họ đã bịa ra điều đó vì họ không có đủ năng lượng hoặc họ không thể khởi xướng. Họ không thể khởi xướng hành động. Đó là một trong những điều mà họ gặp khó khăn, với các chuyển động, bắt đầu một chuyển động. Như bạn có thể thấy, tôi rất thích thú với khái niệm về tốc độ nhận thức. Và một lần nữa, có thể có một ngôn ngữ tốt hơn hoặc chính xác hơn hoặc chính thức hơn cho điều đó. Nhưng tôi cảm thấy nó bao hàm rất nhiều điều mà chúng ta cố gắng làm khi học và thực tế là trong giấc ngủ, bạn có những giấc mơ rất sống động trong giấc ngủ REM. Vì vậy, tốc độ nhận thức rất nhanh. Cảm nhận về thời gian khác với trong những giấc mơ sóng chậm. Và tôi thực sự nghĩ rằng có điều gì đó liên quan đến ít nhất một chỉ số liên quan đến trạng thái não. Tôi đã nghĩ từ lâu rằng chúng ta biết nhiều hơn về trạng thái não trong giấc ngủ so với trạng thái não khi tỉnh táo. Chúng ta nói về sự tập trung, động lực, trạng thái “flow”. Đây không phải là những thuật ngữ khoa học. Tôi không có ý coi thường chúng, chúng gần như là tất cả những gì chúng ta có cho đến khi chúng ta nghĩ ra điều gì đó tốt hơn. Nhưng chúng ta là các nhà sinh học, nhà thần kinh học và trong trường hợp của bạn là các nhà thần kinh học tính toán. Và chúng ta đang cố gắng tìm ra trạng thái não mà chúng ta đang ở ngay bây giờ. Tốc độ nhận thức của chúng ta là một giá trị nhất định. Nhưng tôi nghĩ rằng càng nhiều người suy nghĩ về điều này, tôi dám nói rằng họ sẽ suy nghĩ một chút về tốc độ nhận thức của họ vào những thời điểm khác nhau trong ngày. Chúng ta bắt đầu nhận thấy rằng có một vài thời điểm trong ngày. Đối với tôi, thường là từ sáng sớm đến giữa buổi sáng và sau đó lại vào buổi tối sau một chút thời gian giảm sút năng lượng, thì giờ và nửa giờ đó, đó là thời gian để hoàn thành công việc thực sự. Tôi có thể chạy bộ về mặt tinh thần rất xa vào những thời điểm đó. Nhưng có những thời điểm khác trong ngày khi tôi không quan tâm đến việc tôi uống bao nhiêu caffeine, trừ khi đó là một sự kiện căng thẳng mà tôi cần đáp ứng yêu cầu của sự căng thẳng đó, tôi chỉ không thể đạt được nhịp độ nhanh hơn trong khi tôi cũng đang tham gia.
Bạn có thể đọc nhanh hơn, bạn có thể nghe, nhưng bạn không sử dụng thông tin, bạn không lưu trữ thông tin.
Đúng vậy.
Thời gian trong ngày nào là thời gian tốt nhất cho bạn?
Tôi hoàn thành nhiều việc nhất vào buổi sáng và sau đó là sau bữa tối, nhưng cũng khác nhau.
Tôi nghĩ vào buổi sáng, tôi giỏi hơn trong những việc sáng tạo và sau đó tôi nghĩ rằng vào buổi tối, tôi giỏi hơn trong việc thực hiện các công việc.
Thú vị.
Xét về mối quan hệ giữa nhiệt độ cơ thể và nhịp sinh học, tôi muốn thực hiện một thí nghiệm liên quan đến nhiệt độ cơ thể cốt lõi với tốc độ nhận thức.
Tôi thực sự nhận thấy rằng đây là điều hoàn toàn chủ quan, nhưng nhiệt độ trong tòa nhà được giữ ở 75 độ, nó rất ổn định.
Nhưng vào buổi chiều, tôi cảm thấy hơi lạnh.
Có lẽ nhiệt độ cơ thể bên trong của tôi đang giảm xuống.
Điều đó có thể tương ứng với việc mất năng lượng, khả năng của não bộ và mọi thứ khác.
Nhân tiện, bạn biết đây là Q10, đây là một thuật ngữ chuyên ngành.
Mỗi enzyme trong mỗi tế bào của bạn có thể hoạt động với tốc độ khác nhau tùy thuộc vào nhiệt độ.
Nhiệt độ cơ thể đang làm điều này và tất cả các tế bào cũng đang làm điều này.
Đó là một lời giải thích, tôi không chắc đó có phải là lời giải thích đúng hay không.
Craig Heller, đồng nghiệp của tôi tại Stanford trong khoa sinh học, đã mô tả một cách tuyệt vời cách mà sự kiểm soát enzym đối với pyruvate, tôi tin là như vậy, kiểm soát sự thất bại của cơ bắp.
Sự thất bại cơ bắp tại chỗ, khi mọi người cố gắng di chuyển một lực cản, có liên quan đến nhiệt độ, nhiệt độ tại chỗ mà làm ngừng một số quá trình enzym không cho phép cơ bắp co lại theo cách giống nhau.
Ông ấy biết chi tiết và đã đề cập đến chúng trong podcast này và tôi quên mất chi tiết.
Ông ấy bắt đầu nói, “Wow, những enzyme này được kiểm soát một cách tuyệt đẹp bởi nhiệt độ.”
Và tất nhiên, phòng thí nghiệm của ông ấy tập trung vào những cách để vượt qua nhiệt độ đó hoặc thay đổi.
nhiệt độ tại chỗ để vượt qua những hạn chế đó và đã cho thấy điều đó một lần nữa và một lần nữa.
Thật không thể tin được.
Vâng, tôi không nghe thấy chúng ta đang suy đoán về điều đó sẽ có nghĩa gì đối với tốc độ nhận thức, nhưng tôi nghĩ đây là một thế giới hoàn toàn khác khi nghĩ về sinh học cơ bản thay vì chỉ nghĩ về một loại thuốc.
Bạn tăng cường dopamine và norepinephrine và epinephrine, những chất gọi là catecholamines, và bạn sẽ tăng cường năng lượng, sự tập trung và sự tỉnh táo, nhưng bạn sẽ phải trả giá.
Bạn sẽ có một khoảng thời gian thấp và sự tập trung và tỉnh táo sẽ tỷ lệ thuận với mức độ cao hơn khi bạn dùng thuốc.
Craig Boy, amphetamines là một ví dụ tốt.
Khi bạn dùng thuốc, bạn có thể làm mọi thứ với tốc độ một dặm một phút.
Tất nhiên, khi tôi đứng, đó là ấn tượng của bạn và thực tế là bạn không thực sự đạt được nhiều hơn thế.
Có bất kỳ LLM nào, tức là AI, đã được sử dụng để trả lời câu hỏi rất cấp bách này về hậu quả đối với nhận thức của những bộ não trẻ này đã được cai sữa trong khi dùng Ritalin, Adderall, Vivance và các chất kích thích khác không? Bởi vì chúng ta có hàng triệu đứa trẻ đã được nuôi dưỡng.
Chúng ta có một chủ tịch trong toàn bộ đội ngũ của chúng ta, một thế hệ hoàn toàn, và tôi thực sự muốn biết câu trả lời.
Tôi tự hỏi liệu có ai đang nghiên cứu điều đó không.
Đó thực sự là một câu hỏi tuyệt vời vì chúng ta đã cho họ thuốc kích thích, hiệu quả là loại thuốc khiến não bộ được kích hoạt.
Nhân tiện, hậu quả là khi nó hết tác dụng, bạn sẽ không còn năng lượng.
Bạn chỉ hoàn toàn kiệt sức.
Đó là tất cả.
Đó là cái hố.
Đó là cái hố, nhưng đó là lý do tại sao bạn lại dùng nhiều hơn.
Đó là vấn đề, đó là một vòng xoáy.
Tôi thích cách mà hôm nay, bạn đang làm rõ ràng rằng tính toán, toán học và máy tính và AI hiện đang thực sự định hình cách mà chúng ta nghĩ về những vấn đề sinh học này, cũng là những vấn đề tâm lý, cũng là những thách thức hàng ngày.
Tôi cũng thích rằng chúng ta đã đề cập đến ty thể và cách bổ sung ty thể.
Tôi muốn đảm bảo rằng chúng ta sẽ nói về một vài điều mà tôi biết đang ở trong tâm trí của mọi người, không có ý đùa ở đây, đó là ý thức và tự do ý chí. Thông thường, tôi không thích nói về những điều này. Không phải vì chúng nhạy cảm, mà vì tôi thấy các cuộc thảo luận xung quanh chúng thường mang tính triết học hơn là thần kinh sinh học, và chúng có xu hướng khá vòng vo. Bạn có những người như Kevin Mitchell, tôi nghĩ anh ấy có một cuốn sách về tự do ý chí, anh ấy tin vào tự do ý chí. Bạn có những người như Robert Sapolsky, người đã viết cuốn sách “Determined”, anh ấy không tin vào tự do ý chí. Bạn cảm thấy thế nào về tự do ý chí? Liệu đây có phải là một cuộc thảo luận mà chúng ta nên có không? Chà, nếu bạn quay ngược 500 năm về thời Trung cổ, khái niệm này không tồn tại, hoặc ít nhất không theo cách mà chúng ta sử dụng, bởi vì cách mà con người cảm nhận về thế giới và cách nó hoạt động và ảnh hưởng đến họ là tất cả đều do số phận. Họ có khái niệm về số phận, đó là không có gì bạn có thể làm để ngăn cản một điều gì đó sẽ xảy ra với bạn vì những gì đang diễn ra ở các vị thần trên cao, hoặc bất cứ điều gì đó. Bạn quy cho các lực lượng vật lý xung quanh bạn đã gây ra điều đó. Không phải do tự do ý chí của chính bạn, không phải có điều gì đó đã khiến điều này xảy ra với bạn. Tôi nghĩ rằng những từ này, theo cách mà chúng ta sử dụng, tự do ý chí, ý thức, trí tuệ, hiểu biết, chúng là những từ mập mờ, vì bạn không thể xác định chúng một cách rõ ràng. Không có định nghĩa nào về ý thức mà mọi người đều đồng ý, và thật khó để giải quyết một vấn đề khoa học nếu bạn không có một định nghĩa mà bạn có thể đồng ý, và có một cuộc tranh cãi lớn về việc liệu những mô hình ngôn ngữ lớn này có hiểu ngôn ngữ theo cách mà chúng ta hiểu hay không. Điều mà nó thực sự tiết lộ là chúng ta không hiểu hiểu biết là gì. Thực sự, chúng ta không có một lập luận hay thước đo tốt để bạn có thể đo lường sự hiểu biết của ai đó và sau đó áp dụng nó vào GDP và xem liệu nó có giống nhau hay không.
Có lẽ nó không hoàn toàn giống nhau, nhưng có thể có một sự liên tục nào đó mà chúng ta đang nói đến.
Cách tôi nhìn nhận vấn đề là, nó nói rằng nếu một sinh vật ngoài hành tinh đột nhiên hạ cánh xuống trái đất và bắt đầu nói chuyện với chúng ta bằng tiếng Anh, và điều duy nhất mà chúng ta có thể chắc chắn là nó không phải là con người.
Tôi đã gặp một số người mà tôi tự hỏi về nguồn gốc trái đất của họ.
Được rồi, bây giờ có một sự đa dạng lớn giữa con người, bạn nói đúng về điều đó.
Một số đồng nghiệp của chúng tôi tại UCSD nhiều năm trước, đặc biệt là một người trong khoa vật lý mà tôi rất yêu quý như một con người, có một cách nói chuyện và hành vi rất khác thường, hoàn toàn là hành vi phù hợp, nhưng chỉ là khác thường.
Trong một cuộc họp khoa, anh ấy đã quay sang tôi và bắt đầu nói chuyện trong khi người khác đang thuyết trình và tôi đã nghĩ, “Có lẽ không phải bây giờ,” và anh ấy sẽ nói, “Ồ, được rồi.”
Nhưng trong bất kỳ lĩnh vực nào khác, bạn sẽ nói rằng anh ấy rất khéo léo về mặt xã hội.
Có những người chỉ đơn giản là không tuân theo quy tắc và anh ấy như muốn hỏi, “Liệu anh ấy có phải là người ngoài hành tinh không?”
Nó thật thú vị, theo một cách thú vị, như thể anh ấy là một trong những người bạn của tôi, và là người mà tôi thực sự thích thú.
Điều đó là đúng.
Điều đó là đúng.
Không, không phải ai cũng đã áp dụng cùng một quy tắc xã hội.
Có thể đó là một chút tự kỷ.
Vâng.
Đó là một vấn đề.
Nói cách khác, có những người tự kỷ rất chức năng cao ở ngoài kia.
Anh ấy rất thông minh.
Và thường thì, có những người thông minh với chứng tự kỷ.
Bạn có thể xây dựng một mô hình ngôn ngữ lớn (LLM) mà thiên về một đầu của phổ so với đầu kia để xem họ tìm kiếm loại thông tin gì không?
Bạn có thể khiến họ cư xử như vậy, đúng không?
Bạn có thể làm về khuynh hướng chính trị và giá trị không?
Tôi chưa thấy điều đó, nhưng ít nhất thì tôi thấy rõ rằng nếu bạn có thể làm về tâm lý xã hội, bạn có thể làm bất kỳ niềm tin chính trị nào, bạn biết đấy.
Nhưng bạn cũng có thể xem tất cả điều này như là, bạn có thể chọn những hướng tích cực.
Bạn cũng có thể nói rằng nó rất sáng tạo, nhạy cảm với âm điệu cảm xúc của giọng nói và tìm hiểu loại thông tin mà người đó mang lại, xin lỗi, mà LLM mang lại so với ai đó rất chú trọng vào nội dung lời nói của mọi người thay vì những gì, bạn biết đấy, bởi vì giữa mọi người, bạn sẽ thấy điều này.
Bạn biết đấy, nếu bạn từng rời một bữa tiệc cùng với người yêu và đôi khi có ai đó sẽ nói, tôi đã có trải nghiệm này như, bạn có thấy tương tác giữa người này và người kia không?
Tôi như, không, bạn đang nói về cái gì vậy?
Như, bạn có nghe thấy điều đó không?
Tôi như, không, hoàn toàn không.
Tôi đã nghe thấy những từ, nhưng tôi không nhận ra những gì bạn đang nhận ra.
Và rõ ràng là có hai trải nghiệm rất khác nhau về cùng một nội dung chỉ dựa trên sự khác biệt trong cách diễn giải âm điệu.
Được rồi.
Có rất nhiều thông tin mà như bạn đã chỉ ra, liên quan đến âm điệu, các biểu hiện không gian, bạn biết đấy, có một lượng thông tin khổng lồ không chỉ với từ ngữ, mà với tất cả các phần khác, đầu vào hình ảnh và vân vân.
Và một số người giỏi trong việc nắm bắt điều đó và những người khác thì không.
Có một sự biến đổi lớn giữa các cá nhân.
Và bạn biết đấy, sinh học là tất cả về sự đa dạng và nó liên quan đến việc cần một nguồn gen rất đa dạng để bạn có thể tiến hóa và sống sót qua những thay đổi thảm khốc xảy ra trong khí hậu, chẳng hạn.
Nhưng sẽ thật tuyệt vời nếu chúng ta có thể tạo ra một LLM có thể hiểu những sự khác biệt đó là gì?
Bây giờ, chỉ cần nghĩ về điều đó, đúng không?
Một LLM thật sự đa dạng mà tích hợp tất cả những sự khác biệt đó.
Vâng, nhưng đây là những gì bạn sẽ phải làm.
Những gì bạn cần làm là huấn luyện nó trên dữ liệu từ một số cá nhân, những cá nhân con người.
Bây giờ, một trong những điều về các LLM này là chúng không có một nhân cách duy nhất.
Chúng có thể nhận bất kỳ nhân cách nào.
Bạn phải cho nó biết bạn mong đợi điều gì từ nó.
Hoặc hỏi nó theo cách mà bạn cảm thấy phù hợp và bạn sẽ nhận lại một nhân cách nhất định.
Một lần, tôi đã đưa cho nó một đoạn trích từ một bài báo, rất kỹ thuật, một bài báo về tính toán.
Và tôi đã nói, “Bạn là một nhà thần kinh học, và tôi muốn bạn giải thích đoạn trích này cho một đứa trẻ mười tuổi.”
Nó đã làm điều đó theo cách mà tôi không bao giờ có thể làm được.
Nó thực sự đã đơn giản hóa nó.
Một số sự tinh tế không có trong đó, nhưng nó đã giải thích plasticity là gì và giải thích
synapse là gì.
Thật tuyệt vời.
Nó đã làm được điều đó.
Nó giống như một kỳ thi đủ điều kiện cho một sinh viên cao học.
Hôm nay tôi đã thấy một điều gì đó trên X, trước đây được gọi là Twitter, khiến tôi rất ngạc nhiên và tôi muốn
biết ý kiến của bạn về điều đó.
Nó rất phù hợp với những gì bạn đang nói ngay bây giờ, đó là có ai đó đang đặt câu hỏi
cho một LLM trên chat GPT hoặc có thể là một trong những cái khác như Anthropic hoặc Claude hoặc cái gì đó tương tự.
Tôi có thể sẽ sử dụng sai những cái tên đó.
Một trong những trang web AI trực tuyến và ở đâu đó giữa các câu trả lời của nó, LLM đã quyết định
nghỉ ngơi một chút và bắt đầu xem những bức tranh phong cảnh ở Yosemite.
Giống như LLM đang làm điều mà một người có thể mệt mỏi về mặt nhận thức hoặc bất kỳ người nào trực tuyến sẽ làm, đó là nghỉ ngơi và xem một vài bức tranh
của cái gì đó, có thể họ đang nghĩ đến việc đi cắm trại ở đó hay cái gì đó và sau đó quay lại với bất kỳ nhiệm vụ nào.
Chúng ta nghe về những ảo giác trong AI rằng nó có thể tưởng tượng những điều không có ở đó, giống như một bộ não con người, nhưng điều đó khiến tôi rất ngạc nhiên.
Tôi chưa gặp phải điều đó, nhưng thật thú vị.
Đó là dấu hiệu của một mô hình nội bộ sinh ra thực sự.
Đây là điều mà tôi nghĩ phân biệt rõ ràng một LLM với con người là nếu bạn
vào một căn phòng, một căn phòng yên tĩnh, và chỉ ngồi đó mà không có bất kỳ kích thích cảm giác nào, não của bạn vẫn tiếp tục suy nghĩ. Nói cách khác, bạn suy nghĩ về những gì bạn muốn làm, lập kế hoạch cho tương lai hoặc điều gì đó đã xảy ra với bạn trong suốt cả ngày, não của bạn luôn tạo ra nội dung bên trong. Sau khi nói chuyện với bạn, một trong những mô hình ngôn ngữ lớn này chỉ trở nên trống rỗng. Không có những suy nghĩ tự phát, tự sinh ra. Chúng ta biết rằng suy nghĩ tự sinh ra và đặc biệt là hoạt động não bộ trong giấc ngủ, như bạn đã minh họa trước đó với ví dụ về sóng giấc ngủ và giấc ngủ REM, là vô cùng quan trọng để hình thành kiến thức mà chúng ta trải nghiệm trong suốt cả ngày. Những mô hình ngôn ngữ lớn này vẫn chưa đạt đến mức độ của chúng ta. Chúng có thể vượt trội hơn chúng ta trong một số lĩnh vực như cờ vây, nhưng khi nào chúng ta sẽ có những mô hình ngôn ngữ lớn, AI, với hoạt động nội bộ tự sinh ra? Chúng ta đang tiến gần hơn, và đây là điều mà tôi đang tự mình làm việc, thực sự cố gắng hiểu cách mà điều đó diễn ra trong não của chúng ta, tạo ra hoạt động não liên tục dẫn đến việc lập kế hoạch và những thứ khác. Chúng ta vẫn chưa biết câu trả lời cho điều đó trong lĩnh vực thần kinh học. Nhân tiện, bạn đi đến một bài giảng và bạn nghe những từ này nối tiếp nhau trong suốt một giờ và bạn thấy các slide lần lượt xuất hiện, và sau đó bạn đặt một câu hỏi. Hãy nghĩ về những gì bạn vừa làm. Bằng cách nào đó, bạn có thể tích hợp tất cả thông tin đó trong suốt một giờ và sau đó sử dụng trí nhớ dài hạn của bạn để đưa ra một cái nhìn sâu sắc hoặc một vấn đề mà bạn muốn. Làm thế nào mà não của bạn nhớ tất cả thông tin đó, trí nhớ làm việc truyền thống mà các nhà khoa học thần kinh nghiên cứu? Chỉ là vài giây, có thể là một số điện thoại hoặc điều gì đó, nhưng chúng ta đang nói về trí nhớ làm việc dài hạn. Chúng ta không hiểu làm thế nào điều đó được thực hiện, và các mô hình ngôn ngữ lớn, thực sự là các mô hình ngôn ngữ lớn, có thể làm được điều gì đó. Nó được gọi là học trong ngữ cảnh, và đó là một bất ngờ lớn vì không có tính linh hoạt. Điều đó học ở giai đoạn đầu, bạn huấn luyện nó trên dữ liệu, và sau đó tất cả những gì nó làm sau đó…
đó là để suy diễn, vòng lặp nhanh của hoạt động một từ sau từ khác.
Đó là những gì xảy ra khi không có sự học hỏi, không có sự học hỏi.
Nhưng đã có nhận thấy rằng khi bạn tiếp tục cuộc đối thoại của mình, dường như nó ngày càng tốt hơn trong một số vấn đề.
Làm thế nào điều đó có thể xảy ra?
Làm thế nào có thể là học trong ngữ cảnh, mặc dù không có tính dẻo?
Đó là một điều bí ẩn.
Chúng ta chưa biết câu trả lời cho câu hỏi đó, nhưng chúng ta cũng không biết câu trả lời
đó là gì.
Câu trả lời cho con người cũng vậy.
Đúng vậy.
Tôi có thể hỏi bạn một vài câu hỏi về bạn và mối liên hệ của nó với khoa học và quỹ đạo của bạn không?
Dựa trên những gì bạn vừa nói, bạn có thực hành thiền hoặc nhắm mắt, giảm hoặc ngừng tiếp nhận cảm giác để điều khiển suy nghĩ của mình theo một cách cụ thể không, hay bạn đang ngồi trước máy tính nói chuyện với sinh viên và nghiên cứu sinh của mình và chạy bộ trên bãi biển?
Thật hài hước.
Không, thật buồn cười khi bạn đề cập đến điều đó vì tôi có những ý tưởng tốt nhất của mình, không phải khi chạy trên bãi biển, mà chỉ đơn giản là đi bộ hoặc chạy bộ.
Thật tuyệt vời.
Tôi không biết.
Tôi nghĩ serotonin tăng lên.
Đó là một loại neuromodulator khác.
Tôi nghĩ rằng điều đó kích thích ý tưởng và suy nghĩ.
Vì vậy, không thể tránh khỏi, tôi quay trở lại văn phòng của mình và không thể nhớ bất kỳ ý tưởng tuyệt vời nào đó.
Bạn làm gì về điều đó?
Bây giờ tôi ghi chú.
Ghi âm giọng nói.
Vâng.
Uh-huh.
Và một số trong số chúng thành công.
Không còn nghi ngờ gì nữa.
Bạn được đặt vào một tình huống, đó là một hình thức thiền.
Nếu bạn chạy với nhịp độ ổn định, không có gì phân tâm về bãi biển.
Bạn có nghe nhạc hoặc podcast không?
Không, tôi không bao giờ nghe gì ngoài những suy nghĩ của riêng mình.
Vì vậy, có một vị khách trước đây trên podcast này, cô ấy tình cờ có ba bằng cấp từ Harvard, nhưng cô ấy chủ yếu ở trong lĩnh vực huấn luyện cá nhân, nhưng rất, rất cao cấp và có trí tuệ ấn tượng, con người ấn tượng mọi mặt.
Và cô ấy có khái niệm về sự không lời có thể được sử dụng để đạt được nhiều điều khác nhau, nhưng ý tưởng này cho phép bản thân hoặc tạo ra điều kiện cho bản thân để bước vào.
các trạng thái trong suốt cả ngày, hoặc có thể là một lần mỗi ngày, với rất ít thông tin cảm giác. Không có bài giảng, không có podcast, không có sách, không có nhạc, không có gì cả. Và cho phép bộ não chỉ ở trạng thái nhàn rỗi và đi một chút phi tuyến tính, nếu bạn muốn. Nơi mà chúng ta không xây dựng suy nghĩ hoặc chú ý đến suy nghĩ của người khác thông qua các phương tiện truyền thông theo cách có cấu trúc nào đó như một nguồn ý tưởng và sự sáng tạo tuyệt vời. Điều này đã được nghiên cứu. Các nhà tâm lý học gọi đó là sự lang thang của tâm trí. Sự lang thang của tâm trí. Đúng vậy, đó là một lĩnh vực đáng kể. Và thường thì khi bạn có một khoảnh khắc “aha”, bạn biết đấy, tâm trí của bạn đang lang thang và đang suy nghĩ một cách phi tuyến tính theo nghĩa là không theo một trình tự hợp lý, bạn biết đấy, nhảy từ điều này sang điều khác. Thường thì đó là lúc bạn có một ý tưởng tuyệt vời chỉ với việc để tâm trí bạn lang thang. Đúng vậy. Và điều đó xảy ra với tôi. Tôi tự hỏi liệu mạng xã hội và chỉ việc nhắn tin và điện thoại nói chung có loại bỏ nhiều cuộc đi bộ đến xe sau giờ làm việc, nơi mà người ta thường không nhận cuộc gọi hoặc giao tiếp với ai đó hay điều gì đó. Tôi đã từng thực hiện các thí nghiệm mà tôi, bạn biết đấy, như là pipetting và chạy, bạn biết đấy, nó liên quan đến hóa học và rất thư giãn. Và tôi có thể suy nghĩ trong khi làm, vì tôi biết các quy trình và sau đó, bạn biết đấy, bạn phải chú ý đến một số điều, ghi chúng lại. Nhưng tôi thường cảm thấy như, wow, tôi vừa làm việc vừa thư giãn và suy nghĩ về những điều. Và sau đó tôi đôi khi nghe nhạc. Được rồi, vì vậy chúng tôi có một phiên học, bạn biết đấy, một đoạn trong việc học cách học về chính hiện tượng này. Đây là những gì chúng tôi nói với sinh viên của mình, đúng không? Là nếu bạn gặp khó khăn với một khái niệm nào đó hoặc, bạn biết đấy, bạn không hiểu điều gì đó, bạn đang đập đầu vào tường. Đừng dừng lại, dừng lại. Chỉ cần đi làm điều gì đó. Đi làm sạch bát đĩa. Đi ra ngoài và, bạn biết đấy, đi bộ quanh khối. Và không thể tránh khỏi điều gì xảy ra là khi bạn quay lại, tâm trí của bạn sẽ rõ ràng và bạn sẽ tìm ra.
Cái cần làm.
Và đó là một trong những lời khuyên tốt nhất mà bất kỳ ai cũng có thể nhận được.
Bởi vì, bạn biết đấy, không ai đã nói cho chúng ta biết cách hoạt động của bộ não, đúng không?
Một số người rất giỏi trong việc trực giác, vì họ đã trải nghiệm, bạn có thể là một trong số đó, và
nhưng mọi người, được rồi, điều khác là mọi người mà tôi biết đã thực sự đóng góp quan trọng.
Và tôi cá rằng bạn cũng là một trong số họ.
Bạn biết đấy, bạn đang vật lộn với một vấn đề nào đó vào ban đêm và bạn đi ngủ, rồi bạn thức dậy
vào buổi sáng, à, đó là giải pháp.
Đó là điều tôi nên làm, đúng không?
Điều đầu tiên vào buổi sáng khi tôi thức dậy là khi tôi gần như bị tấn công bởi, tôi sẽ không
nói là sự hiểu biết và không phải lúc nào cũng là sự hiểu biết có ý nghĩa, nhưng chắc chắn điều gì không rõ ràng trở nên ngay lập tức
rõ ràng trên đường đi.
Đúng vậy.
Đó là điều thật tuyệt vời về giấc ngủ.
Và bạn có thể thấy những người biết điều này có thể dựa vào nó.
Nói cách khác, chìa khóa là suy nghĩ về nó trước khi bạn đi ngủ, đúng không?
Bộ não của bạn sẽ làm việc về nó trong suốt thời gian ngủ, đúng không?
Và vì vậy, bạn biết đấy, đừng xem TV vì không ai biết bộ não của bạn sẽ làm việc về điều gì.
Bạn biết đấy, hãy sử dụng thời gian trước khi bạn ngủ để suy nghĩ về điều gì đó đang làm phiền
bạn hoặc có thể là điều gì đó mà, bạn biết đấy, bạn đang cố gắng hiểu, có thể, bạn biết đấy, một bài báo
mà bạn đã đọc và nói, ôi, bạn biết đấy, tôi mệt, tôi sẽ đi ngủ.
Bạn thức dậy vào buổi sáng và nói, ôi, tôi biết điều gì đang diễn ra trong bài báo đó.
Vâng.
Ý tôi là, đó là điều xảy ra.
Bạn có thể sử dụng, bạn biết đấy, một khi bạn biết điều gì đó về cách bộ não hoạt động, bạn có thể tận dụng
điều đó.
Bạn có chú ý đến những giấc mơ của mình không?
Bạn có ghi lại chúng không?
Không.
Không.
Được rồi.
Vậy đây là vấn đề.
Giấc mơ dường như rất biểu tượng và nhiều người, bạn biết đấy, bằng cách nào đó gán cho chúng những điều.
Nhưng chưa bao giờ có lý thuyết tốt nào hoặc bất kỳ sự hiểu biết tốt nào, trước tiên là tại sao
chúng ta lại mơ.
Vẫn chưa hoàn toàn rõ ràng.
Ý tôi là, có một số ý tưởng.
Hoặc tại sao, tại sao giấc mơ cụ thể này?
Điều đó có ý nghĩa gì với bạn không?
Và điều duy nhất mà tôi biết có thể giải thích một chút là, bạn biết đấy, những giấc mơ thường rất hình ảnh, bạn biết đấy, trong giấc ngủ REM, vì vậy có điều gì đó đang xảy ra thực sự thú vị.
Tất cả các neuromodulator đều bị giảm điều hòa trong khi ngủ, và sau đó trong giấc ngủ REM, acetylcholine tăng lên, đúng không?
Vì vậy, đó là một neuromodulator rất mạnh.
Nó quan trọng cho sự chú ý, chẳng hạn.
Nhưng nó không tăng lên ở vỏ não trước trán, điều này có nghĩa là các mạch trong vỏ não trước trán đang giải thích đầu vào cảm giác không được kích hoạt.
Vì vậy, bất kỳ điều gì xảy ra trong vỏ não thị giác của bạn đều không được giám sát nữa.
Vì vậy, bạn sẽ có những điều kỳ lạ, bạn biết đấy, bạn bắt đầu nổi lên và, bạn biết đấy, những điều xảy ra với bạn.
Và, bạn biết đấy, nó không còn được neo lại nữa.
Và vì vậy, nhưng điều đó vẫn không giải thích tại sao, đúng không?
Tại sao bạn có khoảng thời gian đó.
Nó quan trọng vì nếu bạn chặn nó, và có một số loại thuốc ngủ chặn nó, bạn biết đấy, nó thực sự gây ra vấn đề với, bạn biết đấy, chức năng nhận thức bình thường.
Cần sa cũng vậy.
Những người ngừng sử dụng cần sa trải qua một sự phục hồi REM lớn và rất nhiều giấc mơ trong, bạn biết đấy, những ngày, tuần và tháng sau khi sử dụng cần sa.
Wow.
Tôi không muốn gọi đó là cơn thèm thuốc vì điều đó có ý nghĩa khác.
Vâng.
Nó nói rằng đó là một sự mất cân bằng do, bạn biết đấy, vì não đã điều chỉnh theo mức độ endocannabinoid.
Và bây giờ nó phải quay lại và điều đó mất thời gian.
Nhưng điều đó thật thú vị.
Nó không thú vị sao?
Nó ảnh hưởng đến giấc mơ.
Tôi nghĩ rằng đó có thể là một manh mối.
Vâng.
Một hiện tượng rất, rất phổ biến.
Tôi được nói rằng tôi không phải là người sử dụng cần sa, nhưng không có sự phán xét ở đây.
Tôi chỉ không phải.
Đây thực sự là một cuốn sách tôi đã đọc nhiều năm trước khi tôi còn ở đại học.
Vì vậy, đã lâu rồi, của Alan Hobson, người đã làm việc tại Harvard, ôi, thật tuyệt.
Tôi chưa bao giờ gặp anh ấy, nhưng anh ấy có một ý tưởng thú vị rằng những giấc mơ, đặc biệt là giấc mơ trong giai đoạn REM, rất giống với trải nghiệm mà một người có được khi sử dụng một số loại thuốc tâm thần, như LSD, Acid Diathomide, hoặc psilocybin. Và có thể rằng những giấc mơ đang tiết lộ tâm trí vô thức, bạn biết đấy, không nói điều này theo bất kỳ thuật ngữ tâm lý nào, bạn biết đấy, khi chúng ta ngủ, tâm trí có ý thức của chúng ta không thể kiểm soát suy nghĩ và hành động theo cách giống như khi chúng ta tỉnh táo, rõ ràng là như vậy, và kiểu như là, nó giống như một sự rút lui của đường nước, bạn biết đấy, vì vậy chúng ta đang nhận được nhiều hơn về quá trình vô thức được tiết lộ. Bạn biết đấy, đó là một giả thuyết thú vị. Làm thế nào bạn sẽ kiểm tra nó? Có lẽ tôi phải đặt ai đó vào máy quét, để họ đi ngủ, đặt họ vào máy quét trong một chuyến đi psilocybin, kiểu như vậy, bạn biết đấy, điều đó thật khó. Ý tôi là, bất kỳ nghiên cứu quan sát nào như vậy, tất nhiên, chúng ta đều biết là thiếu sót ở chỗ mà điều bạn thực sự muốn làm là kiểm soát hoạt động thần kinh. Bạn muốn vào đó và kích thích các nơ-ron ở đây và xem cách não thay đổi và bạn sẽ rất thích có báo cáo chủ quan theo thời gian thực. Đây là vấn đề với giấc ngủ và giấc mơ là mọi người, bạn có thể đánh thức mọi người và hỏi họ vừa mơ về điều gì, nhưng bạn không thể thực sự biết họ đang mơ về điều gì trong thời gian thực. Điều đó đúng. Vâng, điều đó đúng. Nhân tiện, bạn biết đấy, có hai loại giấc mơ. Rất thú vị. Nếu bạn đánh thức ai đó trong giai đoạn REM, bạn sẽ nhận được những giấc mơ sống động, thay đổi liên tục mà luôn luôn khác nhau và thay đổi. Nhưng nếu bạn đánh thức ai đó trong giai đoạn sóng chậm, bạn thường nhận được một báo cáo giấc mơ, nhưng đó là một loại giấc mơ lặp đi lặp lại mỗi đêm. Và nó có nội dung cảm xúc rất nặng nề. Thú vị. Điều đó xảy ra trong giai đoạn sóng chậm. Vâng. Bởi vì tôi đã có một vài giấc mơ lặp đi lặp lại suốt cuộc đời mình, vì vậy điều này sẽ xảy ra trong giai đoạn sóng chậm. Vâng, có lẽ là giai đoạn sóng chậm. Vâng.
Thú vị quá.
Là một nhà thần kinh học có định hướng tính toán, nhưng thực sự bạn kết hợp sinh học rất tốt vào công việc của mình, đó là một trong những lý do khiến bạn trở thành một nhân vật nổi bật trong lĩnh vực của mình và hiện tại cũng rất hào hứng về trí tuệ nhân tạo (AI).
Điều gì khiến bạn hào hứng nhất bây giờ?
Nếu bạn có, và tất nhiên điều này không phải là trường hợp, nhưng nếu bạn có thêm 24 tháng nữa để dồn sức vào một điều gì đó và sau đó bạn phải giao chìa khóa phòng thí nghiệm của mình cho người khác, bạn sẽ dồn hết sức vào điều gì?
Chà, NIH có một cái gọi là Giải thưởng Tiên phong.
Và những gì họ đang tìm kiếm là những ý tưởng lớn có thể tạo ra tác động lớn, đúng không?
Vì vậy, tôi đã gửi một đề xuất gần đây, và đây là tiêu đề: “Bối cảnh tạm thời trong não và các mạng biến hình.”
Và trong não và biến hình?
Biến hình.
AI.
Đúng rồi.
Chìa khóa của chat GTP là thực tế là có những kiến trúc mới, kiến trúc học sâu, mạng tiến về phía trước, nhưng nó được gọi là mạng biến hình.
Và nó có những phần nhất định mà là độc đáo, một trong số đó được gọi là tự chú ý.
Và đó là một cách để thực hiện cái mà nó gọi là bối cảnh tạm thời.
Nó kết nối các từ cách xa nhau.
Bạn đưa cho nó một chuỗi từ và nó có thể cho bạn biết sự liên kết, như nếu tôi sử dụng từ “này”, và sau đó bạn phải tìm ra trong câu trước nó đã đề cập đến điều gì, trong khi có ba hoặc bốn danh từ mà nó có thể đã đề cập đến, nhưng từ bối cảnh bạn có thể tìm ra cái nào.
Và bạn có thể học được sự liên kết đó.
Tôi có thể chơi với một ví dụ khác để chắc chắn rằng tôi hiểu đúng điều này không?
Tôi đã thấy những biểu đồ bong bóng từ, như nếu chúng ta nói “đàn piano”, bạn sẽ nói “phím”, bạn sẽ nói “âm nhạc”, bạn sẽ nói “ghế”, và sau đó, bạn biết đấy, nó sẽ xây dựng một đám mây từ liên kết.
Đúng rồi.
Và sau đó ở đây, chúng ta sẽ nói, tôi không biết, tôi đang nghĩ về Viện Salk, tôi sẽ nói “hoàng hôn”, “Stonehenge”, bất cứ ai nhìn lên, có một hiện tượng này, Salkhenge.
Và sau đó bạn bắt đầu xây dựng một đám mây từ ở đó.
Đây là những điều khác nhau, ngoại trừ việc tôi đã tham dự một buổi hòa nhạc nhạc cổ điển tại Viện Salk.
Đúng vậy, bản giao hưởng của tâm hồn.
Hai lần.
Vì vậy, chúng không hoàn toàn không chồng chéo lên nhau.
Và vì vậy bạn bắt đầu nhận được những liên tưởng từ xa và cuối cùng chúng kết nối lại với nhau.
Có phải đây là điều bạn đang đề cập đến không?
Đúng vậy.
Tôi nghĩ rằng đó là một ví dụ, nhưng hóa ra mỗi từ đều có thể hiểu theo nhiều nghĩa khác nhau, khoảng ba, bốn nghĩa.
Và vì vậy bạn phải tìm ra điều đó từ ngữ cảnh.
Nói cách khác, có những từ sống cùng nhau và thường xuất hiện.
Và bạn có thể học điều đó chỉ bằng cách, bạn biết đấy, dự đoán từ tiếp theo trong một câu, đó là cách mà một transformer được đào tạo.
Bạn cung cấp cho nó một đống từ và nó liên tục dự đoán từ tiếp theo trong một câu.
Giống như trong email của tôi bây giờ, nó cố gắng dự đoán từ tiếp theo.
Chính xác.
Và nó thường đúng phần lớn thời gian.
Được rồi, điều đó là vì đây là một phiên bản rất nguyên thủy của thuật toán này.
Điều xảy ra là nếu bạn đào tạo nó đủ, không chỉ nó có thể trả lời từ tiếp theo, mà nó còn xây dựng một đại diện ngữ nghĩa bên trong theo cách mà bạn mô tả các từ có liên quan đến nhau, có những liên tưởng.
Nó có thể tìm ra điều đó và nó có những đại diện bên trong mạng lưới rất lớn này với hàng triệu triệu tham số và thật không thể tin được nó đã lớn đến mức nào.
Và những liên tưởng đó bây giờ hình thành một mô hình nội bộ về ý nghĩa của câu.
Thực sự, đây là điều mà bây giờ chúng tôi đã thăm dò những transformer này và vì vậy chúng tôi khá tự tin.
Và điều đó có nghĩa là nó đang hình thành một mô hình nội bộ về thế giới bên ngoài, trong trường hợp này là một đống từ.
Và đó là cách mà nó có thể thực sự phản hồi với bạn theo một cách hợp lý, có nghĩa là hợp lý và thực sự thú vị và vân vân.
Và tất cả đều nhờ vào sự chú ý tự thân, tôi đang nói về.
Vì vậy, trong trường hợp này, đề xuất tiên phong của tôi là tìm ra cách mà não bộ thực hiện sự chú ý tự thân, đúng không?
Nó phải có cách nào đó để làm điều đó.
Bây giờ tôi sẽ cho bạn một gợi ý nhỏ.
Hạch nền.
Nó nằm trong hạch nền.
Đó là giả thuyết của tôi.
Chà, chúng ta sẽ xem.
Ý tôi là, tôi sẽ làm việc với những người thực nghiệm.
Tôi đã làm việc với John Reynolds, chẳng hạn, người nghiên cứu vỏ não thị giác của động vật linh trưởng và chúng tôi đã xem xét các sóng di chuyển ở đó và còn nhiều người khác cũng đã nghiên cứu về động vật linh trưởng.
Và bây giờ, tôi nghĩ rằng những sóng di chuyển này cũng là một phần của câu đố, những mảnh ghép của câu đố sẽ cho chúng ta cái nhìn tốt hơn về cách mà vỏ não được tổ chức và cách mà nó tương tác với hạch nền.
Chúng ta đã từng ở đó, nhưng các nhà thần kinh học đã nghiên cứu từng phần của não bộ một cách độc lập và bây giờ chúng ta phải bắt đầu suy nghĩ về việc ghép các mảnh ghép của câu đố lại với nhau, cố gắng kết hợp tất cả những gì chúng ta biết về những khu vực này và xem chúng hoạt động cùng nhau theo cách tính toán như thế nào.
Và đó thực sự là nơi tôi muốn đến.
Tôi rất thích điều đó.
Và tôi hy vọng họ sẽ quyết định tài trợ cho công việc tiên phong của bạn.
Tôi cũng vậy.
Và nếu họ đưa ra quyết định tồi tệ không làm như vậy, chúng ta sẽ tìm ra cách khác để hoàn thành công việc.
Và chắc chắn bạn sẽ làm được.
Terry, tôi muốn cảm ơn bạn.
Cảm ơn tất cả vì đã đến đây hôm nay, dành thời gian từ lịch trình bận rộn về nhận thức, chạy, giảng dạy và nghiên cứu của bạn để chia sẻ kiến thức với chúng tôi.
Và cũng vì công việc tuyệt vời mà bạn đang làm trong giáo dục công cộng và dạy cho công chúng, tôi nên nói, cung cấp cho công chúng các tài nguyên để học cách học tốt hơn mà không tốn chi phí.
Vì vậy, chúng tôi chắc chắn sẽ cung cấp liên kết đến cách học để học và cuốn sách của bạn cũng như những tài nguyên tuyệt vời khác mà bạn đã chia sẻ.
Và bạn cũng đã cho chúng tôi rất nhiều công cụ thực tiễn hôm nay liên quan đến việc tập thể dục, ti thể và một số điều mà bạn làm, mà tất nhiên chỉ là phiên bản của bạn về những gì bạn làm, nhưng chắc chắn sẽ có giá trị đối với mọi người, bao gồm cả tôi trong những nỗ lực nhận thức và thể chất của chúng tôi và thực sự, chỉ là sự trường thọ.
Ý tôi là, điều này không hề bị bỏ qua đối với tôi và những người đang lắng nghe rằng sự nhiệt huyết của bạn, như tôi đã đề cập trước đó, là không thể phủ nhận. Và thật là một niềm vui trong suốt những năm qua khi được chứng kiến mức độ tập trung, năng lượng và sự nhiệt tình mà bạn mang đến cho công việc của mình và quan sát rằng nó không chỉ không chậm lại, mà bạn còn đang gia tăng tốc độ. Vì vậy, cảm ơn bạn rất nhiều vì đã giáo dục chúng tôi hôm nay. Tôi biết tôi đang nói thay cho bản thân mình và rất nhiều người đang lắng nghe và theo dõi đây là một món quà thực sự, một trải nghiệm tuyệt vời để học hỏi từ bạn. Vì vậy, cảm ơn bạn rất nhiều.
Chà, cảm ơn bạn. Và tôi phải nói rằng tôi đã được ban phước trong suốt những năm qua với những sinh viên tuyệt vời và những đồng nghiệp tuyệt vời, và tôi coi bạn là một trong số họ, những người mà tôi thực sự đã học hỏi được rất nhiều. Nhưng bạn biết đấy, khoa học là một hoạt động xã hội và chúng ta học hỏi từ nhau và tất cả chúng ta đều mắc sai lầm. Nhưng chúng ta học từ những sai lầm của mình và đó là vẻ đẹp của khoa học là chúng ta có thể tiến bộ. Bây giờ, bạn biết đấy, sự nghiệp của bạn cũng thật đáng chú ý, vì bạn đã ảnh hưởng và tác động đến nhiều người hơn bất kỳ ai mà tôi biết cá nhân với kiến thức mà bạn đang truyền tải qua các cuộc phỏng vấn của bạn, nhưng cũng, bạn biết đấy, chỉ về mặt sở thích của bạn, thực sự, tôi rất ấn tượng với những gì bạn đã làm. Và tôi muốn bạn tiếp tục, bạn biết đấy, vì chúng ta cần những người như bạn. Chúng ta cần những nhà khoa học có thể thực sự diễn đạt và tiếp cận công chúng. Nếu chúng ta không làm điều đó, mọi thứ chúng ta làm đều diễn ra sau những cánh cửa đóng kín, đúng không? Không có gì được công bố ra ngoài. Và vì vậy, bạn là một trong những người giỏi nhất trong việc có thể giải thích mọi thứ một cách rõ ràng, dễ hiểu với nhiều người hơn bất kỳ ai khác mà tôi biết.
Chà, cảm ơn bạn. Tôi rất vinh dự khi nghe rằng đây là một công việc xuất phát từ tình yêu đối với tôi và tôi sẽ tiếp nhận những lời đó và tôi thực sự trân trọng điều đó. Thật là một vinh dự và đặc quyền khi được ngồi cùng bạn hôm nay và xin hãy quay lại lần nữa. Tôi rất muốn điều đó.
Được rồi. Cảm ơn bạn, Terry. Không có gì.
Cảm ơn bạn đã tham gia cùng tôi trong cuộc thảo luận hôm nay với Tiến sĩ Terry Sienowski để tìm hiểu về công việc của ông, cổng học trực tuyến miễn phí mà ông và các đồng nghiệp đã phát triển, cũng như để tìm liên kết đến cuốn sách mới của ông. Xin vui lòng xem phần ghi chú chương trình.
Nếu bạn đang học hỏi từ hoặc thích podcast này, hãy đăng ký kênh YouTube của chúng tôi. Đó là một cách tuyệt vời và miễn phí để ủng hộ chúng tôi.
Ngoài ra, hãy theo dõi podcast trên cả Spotify và Apple, và trên cả hai nền tảng này, bạn có thể để lại cho chúng tôi đánh giá lên đến năm sao.
Xin vui lòng kiểm tra các nhà tài trợ được đề cập ở đầu và trong suốt tập hôm nay. Đó là cách tốt nhất để ủng hộ podcast này.
Nếu bạn có câu hỏi hoặc ý kiến về podcast, khách mời hoặc các chủ đề mà bạn muốn tôi xem xét cho podcast Huberman Lab, hãy để lại chúng trong phần bình luận trên YouTube.
Tôi đọc tất cả các bình luận. Đối với những ai chưa biết, tôi có một cuốn sách mới sắp ra mắt. Đây là cuốn sách đầu tiên của tôi. Nó có tiêu đề “Các giao thức và hướng dẫn vận hành cho cơ thể con người”. Đây là cuốn sách mà tôi đã làm việc trong hơn năm năm và dựa trên hơn 30 năm nghiên cứu và kinh nghiệm, nó bao gồm các giao thức cho mọi thứ từ giấc ngủ đến tập thể dục đến các giao thức kiểm soát căng thẳng liên quan đến sự tập trung và động lực. Và tất nhiên, tôi cung cấp các chứng minh khoa học cho các giao thức được bao gồm.
Cuốn sách hiện đã có sẵn để đặt trước tại protocallsbook.com. Tại đó, bạn có thể tìm thấy các liên kết đến nhiều nhà cung cấp khác nhau, bạn có thể chọn nhà cung cấp mà bạn thích nhất. Một lần nữa, cuốn sách có tên là “Các giao thức và hướng dẫn vận hành cho cơ thể con người”.
Nếu bạn chưa theo dõi tôi trên mạng xã hội, tôi là Huberman Lab trên tất cả các nền tảng mạng xã hội. Đó là Instagram, ex (trước đây được gọi là Twitter), Threads, Facebook và LinkedIn. Trên tất cả các nền tảng đó, tôi thảo luận về khoa học và các công cụ liên quan đến khoa học, một số trong đó có sự giao thoa.
với nội dung của podcast Huberman Lab, nhưng phần lớn là khác biệt so với nội dung trên podcast Huberman Lab.
Và một lần nữa, đó là Huberman Lab trên tất cả các nền tảng mạng xã hội.
Nếu bạn chưa đăng ký bản tin mạng nơ-ron của chúng tôi, bản tin mạng nơ-ron của chúng tôi là một bản tin hàng tháng không tốn phí, bao gồm tóm tắt podcast cũng như các giao thức dưới dạng PDF ngắn từ một đến ba trang.
Các PDF từ một đến ba trang đó bao gồm những thứ như tiếp xúc với nhiệt độ cao một cách có chủ đích, tiếp xúc với lạnh một cách có chủ đích.
Chúng tôi có một giao thức tập luyện cơ bản.
Chúng tôi cũng có các giao thức để tối ưu hóa giấc ngủ, dopamine và nhiều hơn nữa.
Một lần nữa, tất cả đều có sẵn, hoàn toàn không tốn phí.
Chỉ cần truy cập HubermanLab.com, vào tab menu, cuộn xuống bản tin và cung cấp email của bạn.
Chúng tôi không chia sẻ email của bạn với bất kỳ ai.
Cảm ơn bạn một lần nữa đã tham gia cùng tôi trong cuộc thảo luận hôm nay với Tiến sĩ Terry Sienowsky.
Và cuối cùng nhưng không kém phần quan trọng, cảm ơn bạn đã quan tâm đến khoa học.
[ÂM NHẠC]
Tôi là Andrew Huberman, và tôi là giáo sư về sinh học thần kinh và nhãn khoa tại Trường Y khoa Stanford.
Khách mời hôm nay của tôi là Tiến sĩ Terry Sagnowski.
Tiến sĩ Terry Sagnowski là giáo sư tại Viện Nghiên cứu Sinh học Salk, nơi ông điều hành Phòng thí nghiệm Sinh học Thần kinh Tính toán.
Và như tiêu đề của ông đã gợi ý, ông là một nhà khoa học thần kinh tính toán.
Nói cách khác, ông sử dụng toán học, cũng như trí tuệ nhân tạo và các phương pháp tính toán để hiểu câu hỏi tổng quát, cực kỳ quan trọng về cách thức hoạt động của não bộ.
Bây giờ, tôi nhận ra rằng khi mọi người nghe các thuật ngữ như sinh học thần kinh tính toán, thuật toán, mô hình ngôn ngữ lớn và AI, điều đó có thể gây choáng ngợp và thậm chí đáng sợ.
Nhưng tôi đảm bảo với bạn rằng mục đích của công việc của Tiến sĩ Sagnowski, và thực sự là cuộc thảo luận hôm nay, hoàn toàn xoay quanh việc sử dụng những phương pháp đó để làm rõ cách thức hoạt động của não bộ, và thực sự là để đơn giản hóa câu trả lời cho câu hỏi đó.
Vì vậy, chẳng hạn như hôm nay bạn sẽ học được rằng bất kể bạn là ai, bất kể kinh nghiệm của bạn, tất cả động lực của bạn trong mọi lĩnh vực của cuộc sống đều được điều chỉnh bởi một thuật toán hoặc phương trình đơn giản.
Tiến sĩ Sagnowski giải thích cách một quy tắc duy nhất, một quy tắc học tập duy nhất, thúc đẩy tất cả các hành vi liên quan đến động lực của chúng ta.
Và tất nhiên, nó liên quan đến chất dẫn truyền thần kinh dopamine.
Và nếu bạn quen thuộc với thuật ngữ dopamine, hôm nay bạn sẽ thực sự hiểu cách dopamine hoạt động để thúc đẩy mức độ động lực của bạn, hoặc trong một số trường hợp, thiếu động lực, và cách để vượt qua sự thiếu động lực đó.
Hôm nay chúng ta cũng thảo luận về cách tốt nhất để học.
Tiến sĩ Sagnowski không chỉ chia sẻ thông tin về cách thức hoạt động của não bộ, mà còn cung cấp các công cụ thực tiễn mà ông và các đồng nghiệp đã phát triển, bao gồm một cổng trực tuyến miễn phí dạy bạn cách học tốt hơn dựa trên phong cách học tập của bạn, cách mà bạn cụ thể tìm kiếm thông tin và áp dụng thông tin đó.
Tiến sĩ Sagnowski cũng giải thích cách mà ông sử dụng một loại hình tập thể dục cụ thể để nâng cao khả năng nhận thức, tức là khả năng của não bộ trong việc học thông tin và đưa ra những ý tưởng mới.
Hôm nay, chúng ta cũng sẽ thảo luận về cả não bộ khỏe mạnh và não bộ bị bệnh trong các tình trạng như Parkinson và Alzheimer, cũng như cách mà những công cụ cụ thể liên quan đến chức năng ty thể có thể được sử dụng để điều trị các bệnh khác nhau, bao gồm cả chứng mất trí nhớ Alzheimer.
Tôi chắc chắn rằng đến cuối tập hôm nay, bạn sẽ học được một lượng kiến thức khổng lồ về cách mà não bộ của bạn hoạt động và những công cụ thực tiễn mà bạn có thể áp dụng trong cuộc sống hàng ngày.
Trước khi bắt đầu, tôi muốn nhấn mạnh rằng podcast này tách biệt với vai trò giảng dạy và nghiên cứu của tôi tại Stanford. Tuy nhiên, nó là một phần trong mong muốn và nỗ lực của tôi để mang đến thông tin về khoa học và các công cụ liên quan đến khoa học mà không tốn phí cho công chúng.
Theo chủ đề đó, tôi muốn cảm ơn các nhà tài trợ của podcast hôm nay. Nhà tài trợ đầu tiên của chúng ta là BetterHelp. BetterHelp cung cấp liệu pháp chuyên nghiệp với một nhà trị liệu có giấy phép hoàn toàn trực tuyến.
Tôi đã tham gia liệu pháp hàng tuần trong hơn 30 năm. Ban đầu, tôi không có sự lựa chọn. Đó là một điều kiện để được phép ở lại trường, nhưng rất sớm tôi nhận ra rằng liệu pháp là một thành phần cực kỳ quan trọng đối với sức khỏe tổng thể của một người.
Thực tế, tôi coi việc tham gia liệu pháp định kỳ quan trọng như việc tập thể dục đều đặn, bao gồm cả tập thể dục tim mạch và tập sức bền, mà tất nhiên, tôi cũng thực hiện mỗi tuần.
Bây giờ, về cơ bản có ba điều mà liệu pháp tuyệt vời cung cấp. Đầu tiên, nó tạo ra một mối quan hệ tốt với một người mà bạn có thể tin tưởng và nói chuyện về hầu hết mọi vấn đề mà bạn muốn. Thứ hai, liệu pháp tuyệt vời cung cấp sự hỗ trợ dưới dạng hỗ trợ cảm xúc hoặc đơn giản là hướng dẫn cụ thể, những gì cần làm hoặc không nên làm trong các lĩnh vực nhất định của cuộc sống bạn.
Và thứ ba, liệu pháp chuyên gia có thể cung cấp cho bạn những hiểu biết hữu ích mà bạn sẽ không thể tự mình đạt được. BetterHelp giúp bạn dễ dàng tìm thấy một nhà trị liệu chuyên gia mà bạn thực sự hòa hợp và có thể mang lại cho bạn những lợi ích mà tôi vừa đề cập đến từ liệu pháp hiệu quả. Nếu bạn muốn thử BetterHelp, hãy truy cập betterhelp.com/huberman để nhận 10% giảm giá cho tháng đầu tiên của bạn. Một lần nữa, đó là betterhelp.com/huberman.
Tập hôm nay cũng được mang đến cho chúng ta bởi Helix Sleep. Helix Sleep sản xuất đệm và gối được tùy chỉnh theo nhu cầu ngủ độc đáo của bạn. Tôi đã nói nhiều lần trước đây trên podcast này và các podcast khác về việc có một giấc ngủ ngon là nền tảng của sức khỏe tâm thần, sức khỏe thể chất và hiệu suất. Chiếc đệm bạn ngủ trên đó có sự khác biệt lớn về chất lượng giấc ngủ mà bạn có được mỗi đêm. Độ mềm mại hay độ cứng của nó, khả năng thoáng khí của nó, tất cả đều ảnh hưởng đến sự thoải mái của bạn và cần được điều chỉnh theo nhu cầu ngủ độc đáo của bạn.
Nếu bạn truy cập vào trang web của Helix, bạn có thể thực hiện một bài kiểm tra ngắn hai phút và nó sẽ hỏi bạn những câu hỏi như: “Bạn ngủ ở tư thế nào, nằm ngửa, nằm nghiêng hay nằm sấp? Bạn có thường cảm thấy nóng hay lạnh vào ban đêm không?” Có thể bạn biết câu trả lời cho những câu hỏi đó, có thể bạn không. Dù sao đi nữa, Helix sẽ ghép bạn với chiếc đệm lý tưởng cho bạn. Đối với tôi, chiếc đệm phù hợp là chiếc đệm Dusk, USK. Tôi đã bắt đầu ngủ trên chiếc đệm Dusk khoảng ba năm rưỡi trước và đó là giấc ngủ tốt nhất mà tôi từng có.
Nếu bạn muốn thử Helix, bạn có thể truy cập helixsleep.com/huberman. Thực hiện bài kiểm tra giấc ngủ hai phút và Helix sẽ ghép bạn với một chiếc đệm được tùy chỉnh cho nhu cầu ngủ độc đáo của bạn. Đến tháng 11 năm 2024, Helix đang giảm giá lên đến 25% cho tất cả các đơn đặt hàng đệm và tặng hai gối miễn phí. Một lần nữa, đó là helixsleep.com/huberman để nhận giảm giá lên đến 25% và hai gối miễn phí.
Bây giờ là phần thảo luận của tôi với Tiến sĩ Terry Sainowski.
Tiến sĩ Terry Sainowski, chào mừng.
Thật tuyệt khi có mặt ở đây.
Chúng ta đã biết nhau từ lâu và tôi là một fan hâm mộ lớn của công việc của bạn vì bạn đã làm việc trên rất nhiều lĩnh vực khác nhau trong lĩnh vực thần kinh học.
Bạn được nhiều người coi là một nhà thần kinh học tính toán, vì vậy bạn mang đến các mô hình toán học để hiểu về não bộ và mạng lưới thần kinh, và hôm nay chúng ta cũng sẽ nói về AI và chúng ta sẽ làm cho nó dễ tiếp cận với mọi người, dù là nhà sinh học hay không, có nền tảng toán học hay không.
Để bắt đầu, tôi muốn hiểu một điều.
Tôi hiểu một chút về danh sách các bộ phận của não bộ và hầu hết người nghe podcast này sẽ hiểu một chút về danh sách các bộ phận của não bộ ngay cả khi họ chưa bao giờ nghe một tập nào của podcast này trước đây vì họ hiểu rằng có các tế bào, những tế bào đó là các nơron, và những nơron này kết nối với nhau theo những cách rất cụ thể cho phép chúng ta nhìn, nghe, suy nghĩ, v.v.
Tôi đã đến niềm tin rằng ngay cả khi chúng ta biết danh sách các bộ phận, điều đó cũng không thực sự giúp chúng ta hiểu cách não bộ hoạt động.
Đây là câu hỏi lớn.
Não bộ hoạt động như thế nào?
Ý thức là gì?
Tất cả những điều này.
Và làm thế nào để hiểu cách các nơron giao tiếp với nhau bắt đầu giúp chúng ta có một hiểu biết thực sự về cách não bộ hoạt động?
Mảnh thịt này trong đầu chúng ta là gì?
Bởi vì nó không thể chỉ là, được rồi, hồi hải mã nhớ những thứ và vỏ não thị giác nhận biết những thứ.
Khi bạn ngồi lại và loại bỏ toán học khỏi cuộc trò chuyện tinh thần, nếu điều đó có thể xảy ra với bạn, bạn nghĩ về, nói một cách nào đó, cách não bộ hoạt động như thế nào?
Ở một mức độ rất cơ bản, mảnh thịt này trong đầu chúng ta thực sự đang cố gắng đạt được điều gì?
Hãy nói về thời điểm chúng ta thức dậy vào buổi sáng và chúng ta hơi mơ màng cho đến khi chúng ta đến được tách cà phê hoặc nước đầu tiên, hoặc có thể chỉ là để đi tiểu ngay vào buổi sáng.
Có điều gì đang diễn ra ở đó?
Đúng là một câu hỏi tuyệt vời.
Tôi có một — Pat Churchley và tôi đã viết một cuốn sách, “Não Tính Toán,” và trong đó, có một sơ đồ các cấp độ, mô tả các cấp độ điều tra ở các quy mô không gian khác nhau từ phân tử ở rất dưới cùng đến các synapse và neuron, các mạch, các mạch thần kinh, cách mà chúng kết nối với nhau, và sau đó là các khu vực não trong vỏ não và sau đó là toàn bộ hệ thần kinh trung ương trải dài 10 bậc độ lớn, từ 10 đến 10, trong quy mô không gian.
Ý thức nằm ở đâu trong tất cả những điều đó?
Có hai cách tiếp cận mà các nhà thần kinh học đã thực hiện.
Tôi không nên nói là các nhà thần kinh học, tôi nên nói rằng các nhà khoa học đã thực hiện, và cách tiếp cận mà bạn đã mô tả, đó là, hãy xem xét tất cả các phần, đó là cách tiếp cận từ dưới lên.
Tách rời nó ra và chỉ áp dụng cách tiếp cận giảm thiểu, và bạn đạt được nhiều tiến bộ.
Bạn có thể tìm ra cách mà mọi thứ kết nối và hiểu cách phát triển diễn ra, cách mà các neuron kết nối, nhưng rất khó để thực sự đạt được tiến bộ vì bạn nhanh chóng bị lạc trong rừng.
Bây giờ, cách tiếp cận khác, đã thành công nhưng cuối cùng lại không thỏa mãn, là cách tiếp cận từ trên xuống, và đây là cách tiếp cận mà các nhà tâm lý học đã thực hiện, nhìn vào hành vi và cố gắng hiểu các quy luật của hành vi, đây là cách tiếp cận hành vi, nhưng ngay cả những người trong lĩnh vực trí tuệ nhân tạo cũng đã cố gắng thực hiện một cách tiếp cận từ trên xuống, để viết các chương trình có thể tái tạo hành vi con người, hành vi thông minh.
Tôi phải nói rằng cả hai cách tiếp cận đó, từ dưới lên hay từ trên xuống, thực sự chưa đạt được cốt lõi để trả lời bất kỳ câu hỏi nào trong số những câu hỏi lớn đó.
Nhưng hiện nay có một cách tiếp cận hoàn toàn mới đang nổi lên trong cả thần kinh học và trí tuệ nhân tạo cùng một lúc, và vào thời điểm này trong lịch sử, điều đó thực sự khá đáng chú ý.
Vì vậy, có một cấp độ trung gian giữa cấp độ thực hiện ở dưới cùng, cách bạn thực hiện một cơ chế cụ thể nào đó, và hành vi thực tế của toàn bộ hệ thống được gọi là cấp độ thuật toán, nó nằm ở giữa.
Các thuật toán giống như công thức nấu ăn, giống như khi bạn làm bánh, bạn cần có nguyên liệu và bạn phải chỉ rõ thứ tự mà chúng được kết hợp và thời gian, và nếu bạn làm sai, nó sẽ không hoạt động, chỉ đơn giản là một mớ hỗn độn.
Bây giờ, hóa ra chúng ta đang phát hiện ra các thuật toán, chúng ta đã tiến bộ rất nhiều trong việc hiểu các thuật toán được sử dụng trong các mạch thần kinh, và điều này liên quan đến cấp độ tính toán của cách hiểu chức năng của mạch thần kinh, nhưng tôi sẽ đưa ra một ví dụ về một thuật toán, đó là một thuật toán mà chúng tôi đã làm việc vào những năm 1990 khi Peter Dayan và Reid Montague là các nghiên cứu sinh sau tiến sĩ trong phòng thí nghiệm, và nó liên quan đến một phần của não nằm dưới vỏ não gọi là hạch nền, phần này chịu trách nhiệm học các chuỗi hành động để đạt được một mục tiêu nào đó.
Ví dụ, nếu bạn muốn chơi quần vợt, bạn phải có khả năng phối hợp nhiều cơ bắp và một chuỗi hành động hoàn chỉnh phải được thực hiện nếu bạn muốn có thể giao bóng chính xác và bạn phải luyện tập, luyện tập, luyện tập, điều đang diễn ra ở đây là hạch nền cơ bản đang tiếp quản từ vỏ não và tạo ra các hành động ngày càng tốt hơn, và điều này không chỉ đúng với các cơ bắp, mà cũng đúng với tư duy.
Nếu bạn muốn trở nên giỏi trong bất kỳ lĩnh vực nào, nếu bạn muốn trở thành một nhà tài chính giỏi, nếu bạn muốn trở thành một bác sĩ giỏi hoặc một nhà thần kinh học, bạn phải luyện tập, luyện tập, luyện tập để hiểu chi tiết về nghề nghiệp và những gì hiệu quả, những gì không hiệu quả và vân vân, và hóa ra hạch nền tương tác với vỏ não không chỉ ở phía sau, đó là phần hành động, mà còn với vỏ não trước trán, đó là phần tư duy.
Tôi có thể hỏi bạn một câu hỏi về điều này một cách ngắn gọn không? Hạch nền, theo như tôi hiểu, liên quan đến việc tổ chức hai loại hành vi chính, hành động, có nghĩa là thực hiện một hành vi, nhưng hạch nền cũng hướng dẫn…
Không được, đừng tham gia vào hành vi đó, và việc học cách đánh golf chuyên nghiệp hoặc thậm chí là một cú đánh golf cơ bản hay cú đánh vợt tennis đều liên quan đến cả hai điều đó, đi và không đi. Với những gì bạn vừa nói, đó là các hạch nền cũng tham gia vào việc tạo ra những suy nghĩ của những loại cụ thể, tôi tự hỏi liệu nó cũng có liên quan đến việc ức chế những suy nghĩ của những loại cụ thể hay không. Ý tôi là, bạn không muốn bác sĩ phẫu thuật của mình cắt vào một vùng cụ thể và chỉ nghĩ về các hành vi vận động của họ, phải làm gì và không phải làm gì. Họ có lẽ cần phải nghĩ về những gì cần nghĩ đến, nhưng cũng cần phải nghĩ về những gì không nên nghĩ đến. Bạn không muốn bác sĩ phẫu thuật đó nghĩ về việc con của họ đã cư xử tồi tệ như thế nào vào buổi sáng hôm đó, và họ cảm thấy thất vọng vì hai điều đó tương tác với nhau. Có phải có đi không đi về mặt hành động và học tập, và có phải có đi không đi về mặt suy nghĩ không? Vâng, tôi đã đề cập đến vỏ não trước trán và phần đó, vòng lặp với các hạch nền, là một trong những phần cuối cùng trưởng thành trong độ tuổi trưởng thành sớm. Vấn đề là đối với thanh thiếu niên, không phải phần không đi cho việc lập kế hoạch và hành động. Điều này chưa thực sự hoàn thiện, và vì vậy thường thì nó không hoạt động để ngăn bạn làm những điều không có lợi cho bạn. Vâng, hoàn toàn đúng, nhưng một trong những điều là học tập có liên quan, và đây thực sự là một vấn đề mà chúng tôi đã giải quyết đầu tiên về lý thuyết vào những năm 90 và sau đó là thực nghiệm sau này bằng cách ghi lại từ các tế bào thần kinh và cũng là hình ảnh não ở con người. Vì vậy, hóa ra chúng tôi biết thuật toán được sử dụng trong não để học các chuỗi hành động nhằm đạt được một mục tiêu, và đó là thuật toán đơn giản nhất mà bạn có thể tưởng tượng. Nó chỉ đơn giản là dự đoán phần thưởng tiếp theo mà bạn sẽ nhận được. Nếu tôi thực hiện một hành động, liệu nó có mang lại cho tôi điều gì đó có giá trị không, và bạn sẽ học mỗi lần bạn thử một điều gì đó, cho dù bạn nhận được số lượng phần thưởng mà bạn mong đợi hay ít hơn, bạn sử dụng điều đó để cập nhật các synapse, tính linh hoạt của synapse, để lần sau bạn sẽ có một kết quả tốt hơn.
cơ hội nhận được phần thưởng tốt hơn, và bạn xây dựng cái được gọi là hàm giá trị. Vì vậy, vỏ não bây giờ, trong suốt cuộc đời của bạn, đang tích lũy rất nhiều kiến thức về những điều tốt cho bạn, những điều xấu cho bạn, như khi bạn đến một nhà hàng, bạn gọi món gì, làm thế nào bạn biết điều gì là tốt cho bạn, đúng không? Bạn đã có rất nhiều bữa ăn ở nhiều nơi, và bây giờ đó là một phần của hàm giá trị của bạn. Đây là cùng một thuật toán được sử dụng bởi AlphaGo. Đây là chương trình mà DeepMind đã xây dựng. Đây là một chương trình AI đã đánh bại nhà vô địch Go thế giới, và Go là trò chơi phức tạp nhất mà con người từng chơi một cách thường xuyên. Phức tạp hơn nhiều so với cờ vua, theo như tôi hiểu. Đúng vậy. Vì vậy, Go tương tự như cờ vua, giống như cờ vua với cờ đam. Nói cách khác, mức độ khó khăn là một cách khác để vượt lên trên nó, bởi vì bạn phải suy nghĩ về các trận chiến đang diễn ra ở khắp mọi nơi cùng một lúc, và thứ tự mà bạn đặt các quân cờ xuống sẽ ảnh hưởng đến những gì sẽ xảy ra trong tương lai. Vì vậy, hàm giá trị này rất thú vị, và tôi tự hỏi liệu, và tôi nghĩ bạn đã trả lời điều này, nhưng tôi tự hỏi liệu hàm giá trị này có được thực hiện trong khoảng thời gian dài hay không. Vì vậy, bạn đã nói về hàm giá trị theo nghĩa học một kỹ năng vận động. Giả sử như vung vợt tennis để thực hiện một cú giao bóng hoàn hảo, hoặc thậm chí chỉ là một cú giao bóng tạm ổn. Khi ai đó quay trở lại sân, giả sử vào cuối tuần, một lần mỗi tháng trong suốt nhiều năm, họ có thể truy cập vào cùng một hàm giá trị đó mỗi lần họ quay lại, ngay cả khi đã có rất nhiều thời gian và việc học can thiệp? Đó là câu hỏi số một. Và câu hỏi khác là, bạn có nghĩ rằng hàm giá trị này cũng đang được thực hiện trong những kịch bản phức tạp hơn, không chỉ là học vận động, chẳng hạn như, giả sử, một lĩnh vực trong cuộc sống mà đối với nhiều người liên quan đến một số thử nghiệm và sai sót, sẽ giống như các mối quan hệ con người. Chúng ta học cách làm bạn với mọi người.
Chúng ta học cách để trở thành một người anh/chị tốt.
Chúng ta học cách để trở thành một người bạn đời tốt.
Chúng ta có những điều đúng, và cũng có những điều sai.
Vì vậy, khi cùng một hàm giá trị được thực hiện, chúng ta đang chú ý đến những gì mang lại phần thưởng,
nhưng điều mà tôi không nghe bạn nói cũng là những gì bị trừng phạt.
Chúng ta chỉ chú ý đến những gì mang lại phần thưởng, hay chúng ta cũng đang tích hợp sự trừng phạt?
Chúng ta không bị sốc điện khi thực hiện cú giao bóng sai, nhưng chúng ta có thể cảm thấy thất vọng.
Điều bạn đã xác định là một đặc điểm rất quan trọng, đó là phần thưởng, bằng cách nào đó, mỗi lần
bạn làm điều gì đó, bạn đang cập nhật hàm giá trị này mỗi lần, và nó tích lũy lại.
Và câu trả lời cho câu hỏi đầu tiên của bạn, câu trả lời là nó sẽ luôn tồn tại.
Không quan trọng.
Đó là một phần rất vĩnh viễn trong trải nghiệm của bạn và con người bạn.
Và thú vị là, các nhà hành vi học đã biết điều này từ những năm 1950, rằng bạn có thể đạt được điều đó
bằng hai cách thông qua thử nghiệm và sai lầm.
Phần thưởng nhỏ là tốt vì bạn liên tục tiến gần hơn và gần hơn đến việc đạt được những gì bạn
mong muốn, một tay vợt tennis giỏi hơn hoặc có thể kết bạn.
Nhưng sự trừng phạt tiêu cực thì hiệu quả hơn nhiều, học chỉ qua một lần thử nghiệm.
Bạn không cần phải có 100 lần thử nghiệm, điều mà bạn cần khi đang huấn luyện một con chuột làm một
nhiệm vụ với phần thưởng thực phẩm nhỏ.
Nhưng nếu bạn chỉ sốc con chuột, thì con chuột đó sẽ không bao giờ quên điều đó.
Vâng, một mối quan hệ thật tồi tệ sẽ khiến bạn học được một số điều mãi mãi.
Và điều này cũng là PTSD, rối loạn căng thẳng sau chấn thương là một ví dụ tốt khác về điều đó.
Điều đó có thể làm bạn bị ảnh hưởng suốt phần đời còn lại.
Nhưng điều khác, và bạn đã chỉ ra một điều rất quan trọng, đó là một phần lớn
của vỏ não trước trán được dành cho các tương tác xã hội.
Và đây là cách mà con người, khi bạn đến với thế giới, bạn không biết ngôn ngữ nào bạn sẽ
nói.
Bạn không biết các giá trị văn hóa mà bạn sẽ phải có để có thể trở thành.
Một thành viên của xã hội này và những điều mà người ta mong đợi ở bạn. Tất cả những điều đó phải được hình thành qua trải nghiệm, qua việc xây dựng chức năng giá trị này. Và đây là điều mà chúng ta đã phát hiện ra vào thế kỷ 20. Bây giờ nó đang được áp dụng vào trí tuệ nhân tạo, được gọi là học tăng cường trong AI. Đây là một hình thức học quy trình, trái ngược với cấp độ nhận thức, nơi bạn suy nghĩ và thực hiện các hành động. Suy nghĩ nhận thức kém hiệu quả hơn nhiều vì bạn phải đi từng bước với việc học quy trình. Nó là tự động. Bạn có thể cho tôi một ví dụ về học quy trình trong bối cảnh so sánh với học nhận thức không? Chẳng hạn, có phải có một ví dụ về cách làm một tách cà phê ngon chỉ bằng kiến thức so với học quy trình, nơi mà học quy trình thắng? Tôi có thể tưởng tượng một ví dụ, nhưng bạn mới là chuyên gia thực sự ở đây. Chà, bạn biết nhiều ví dụ, nhưng vì chúng ta đã nói về quần vợt, bạn có thể tưởng tượng việc học chơi quần vợt qua một cuốn sách, đọc một cuốn sách không? Thật buồn cười. Trên chuyến bay trở về từ Nashville hôm qua, người ngồi đối diện tôi đang đọc một cuốn sách về việc có thể anh ta đang làm việc để lấy giấy phép phi công hoặc gì đó. Và tôi đã nhìn sang và không thể không chú ý đến những sơ đồ của máy bay bay. Và tôi nghĩ, tôi thật sự vui mừng vì người này là hành khách chứ không phải là phi công. Sau đó, tôi nghĩ về cách mà các phi công học, và có lẽ đó là sự kết hợp giữa học thực hành và học qua sách giáo khoa. Ý tôi là, khi bạn lặn biển, điều này là đúng, tôi đã được cấp chứng nhận lặn biển. Và khi bạn nhận chứng nhận của mình, bạn học các bảng lặn và bạn học lý do tại sao bạn phải chờ giữa các lần lặn, v.v., và trao đổi khí và một số điều khác. Nhưng thực sự không có cách nào để mô phỏng cảm giác khi bạn tháo mặt nạ dưới nước, đeo lại nó, và sau đó thổi nước ra khỏi mặt nạ của bạn. Bạn chỉ cần thực hiện điều đó trong một bể bơi và bạn thực sự phải làm điều đó khi cần thiết để nó thực sự được ghi nhớ.
Điều thực sự cần thiết cho những việc cần được thực hiện nhanh chóng và chuyên nghiệp là phải nắm vững chúng đến mức không cần phải suy nghĩ. Và điều này xảy ra ở trường học, đúng không? Nói cách khác, bạn có những bài học trên lớp nơi bạn được hướng dẫn rõ ràng, nhưng sau đó bạn phải làm bài tập về nhà. Đó là học tập theo quy trình. Bạn giải quyết các bài toán. Tôi là một nhà vật lý học có bằng tiến sĩ, vì vậy tôi đã trải qua tất cả các lớp học về vật lý lý thuyết. Và thực sự, những bài toán chính là cốt lõi để trở thành một nhà vật lý giỏi. Bạn có thể ghi nhớ các phương trình, nhưng điều đó không có nghĩa là bạn hiểu cách sử dụng các phương trình đó. Tôi nghĩ rằng đáng để nhấn mạnh một điều gì đó. Rất nhiều lần trong podcast này, chúng tôi nói về những gì tôi gọi là các giao thức. Nó giống như việc nhận ánh sáng mặt trời buổi sáng vào mắt bạn để kích thích nhân suprachiasmatic thông qua các tế bào hạch võng mạc của bạn; khán giả của podcast này sẽ nhận ra những thuật ngữ đó. Về cơ bản, đó là nhận ánh sáng mặt trời vào mắt bạn vào buổi sáng và thiết lập đồng hồ sinh học của bạn. Và bạn có thể nghe điều đó hàng triệu lần, nhưng tôi tin rằng có giá trị trong việc biết giao thức là gì, các cơ chế cơ bản. Có những thứ trong mắt bạn mã hóa các đặc tính ánh sáng của bình minh, v.v., và sau đó gửi chúng đến não của bạn, v.v. Nhưng một khi chúng ta liên kết kiến thức, kiến thức thuần túy, với một thực hành, tôi tin rằng hai điều đó sẽ hòa quyện ở một nơi nào đó theo cách mà, hãy nói, củng cố cả kiến thức và thực hành. Vì vậy, những điều này không nhất thiết phải tách biệt. Chúng kết nối với nhau. Nói cách khác, việc làm các bài tập vật lý lý thuyết của bạn củng cố các ví dụ mà bạn đã học trong bài giảng và trong sách giáo khoa của bạn và ngược lại. Vì vậy, đây là một cuộc chiến đang diễn ra ngay bây giờ trong các trường học. Những gì bạn vừa nói là hoàn toàn đúng. Bạn cần cả hai. Chúng ta có hai hệ thống học tập chính. Chúng ta có một hệ thống học tập nhận thức, đó là vỏ não.
Chúng tôi có một hệ thống học tập quy trình, mà nằm ở vùng dưới vỏ não, cụ thể là hạch nền. Và hai điều này luôn đi đôi với nhau. Nếu bạn muốn giỏi về bất cứ điều gì, hai điều này sẽ hỗ trợ lẫn nhau. Và điều đang diễn ra ngay bây giờ trong các trường học, ít nhất là ở California, là họ đang cố gắng loại bỏ việc học quy trình. Thật là vô lý. Họ không muốn học sinh thực hành vì điều đó sẽ khiến họ căng thẳng. Họ không muốn học sinh cảm thấy rằng họ đang gặp khó khăn. Nhưng nó có thể làm mọi thứ. Đối với những ai đang lắng nghe, tôi đang che mắt mình vì có quá nhiều ví dụ. Như là có một cuốn sách giáo khoa về bơi lội và rồi một ngày nào đó bạn sẽ ra biển và bạn sẽ không bao giờ thực sự bơi. Và bây giờ bạn được kỳ vọng có thể sống sót, chứ chưa nói đến việc bơi giỏi. Thật điên rồ. Tôi sẽ nói với bạn, Barbara Oakley và tôi có một khóa học trực tuyến mở rộng, MOOC, về cách học. Nó giúp học sinh, chúng tôi nhắm đến học sinh, nhưng thực tế đã có 4 triệu người tham gia từ 200 quốc gia, độ tuổi từ 10 đến 90. Điều này được gọi là gì? Cách học. Có phải có phí không? Không, hoàn toàn miễn phí. Thật tuyệt vời. Và, bạn biết đấy, tôi nhận được phản hồi tuyệt vời, những lá thư fan gần như mỗi ngày. Chà, bạn sắp nhận thêm một vài lá thư nữa. Tôi đã thực hiện một tập về cách học và hiểu biết của tôi về nghiên cứu là chúng ta cần kiểm tra bản thân về tài liệu. Việc kiểm tra không chỉ là một hình thức đánh giá, mà còn là một cách xác định những lỗi sai giúp chúng ta bù đắp cho những lỗi sai đó và học hỏi, nhưng nó rất quy trình. Nó không chỉ đơn thuần là nghe và nhắc lại. Bạn biết đấy, bạn đã chỉ ra điều đó, và đây là điều chúng tôi dạy cho học sinh, là cách mà não bộ hoạt động, đúng không, không phải là nó ghi nhớ mọi thứ như một chiếc máy tính, mà bạn phải, nó phải là học tập chủ động. Bạn phải tham gia một cách tích cực.
Trên thực tế, khi bạn cố gắng tự giải quyết một vấn đề, đúng không, đây là lúc bạn thực sự học hỏi qua thử nghiệm và sai sót, và đó là hệ thống quy trình. Nhưng nếu ai đó cho bạn biết câu trả lời đúng, bạn biết đấy, đó chỉ là một sự thật được lưu trữ ở đâu đó, nhưng nó sẽ không tự động xuất hiện nếu bạn thực sự đối mặt với một điều gì đó không hoàn toàn giống vấn đề đó, nhưng lại tương tự. Và nhân tiện, đây là chìa khóa của trí tuệ nhân tạo, hoàn toàn cần thiết cho sự thành công gần đây của những mô hình ngôn ngữ lớn mà công chúng hiện đang bắt đầu sử dụng, đó là chúng không phải là những con vẹt. Chúng không, chúng chỉ không ghi nhớ những dữ liệu mà chúng đã tiếp nhận. Chúng phải tổng quát hóa. Điều đó có nghĩa là có thể làm tốt với những điều mới xuất hiện mà tương tự với những điều cũ mà bạn đã thấy, nhưng cho phép bạn giải quyết những vấn đề mới. Đó là chìa khóa của bộ não. Bộ não thực sự rất giỏi trong việc tổng quát hóa. Thực tế, trong nhiều trường hợp, bạn chỉ cần một ví dụ để tổng quát hóa. Nhưng khi đến một nhà hàng lần đầu tiên, có một số tương tác mới, đúng không? Có thể có một người tiếp tân. Bạn ngồi xuống những bàn mà bạn chưa bao giờ ngồi. Ai đó hỏi bạn câu hỏi. Bạn đọc nó. Được rồi. Có thể bây giờ là mã QR, nhưng từ đó trở đi bạn hiểu quy trình vào một nhà hàng, không quan trọng thể loại món ăn là gì hay thành phố nào, ngồi bên trong hay bên ngoài, bạn có thể khá là làm rõ mọi thứ. Ngồi ở quầy. Ngồi bên ngoài. Ngồi ở bàn. Có một số bước hành động chính mà tôi nghĩ hầu như có thể áp dụng ở mọi nơi, trừ khi bạn đến một nơi siêu cao cấp hoặc một nơi siêu bình dân như buffet hay gì đó. Bạn có thể bắt đầu điền vào những chỗ trống ở đây. Nếu tôi hiểu đúng, có một chức năng hành động được học từ kiến thức và kinh nghiệm. Chính xác. Vậy chức năng hành động đó được lưu trữ ở đâu?
Nó có nằm ở một vị trí trong não hay là một thuộc tính phát sinh từ nhiều khu vực não khác nhau?
Bạn đang ở ngay ranh giới của nơi mà chúng ta đang ở trong lĩnh vực thần kinh học hiện nay.
Chúng ta không biết câu trả lời cho câu hỏi đó.
Trong quá khứ, người ta đã nghĩ rằng vỏ não giống như các quốc gia, mỗi phần của vỏ não đều được dành riêng cho một chức năng, đúng không?
Thú vị thay, khi bạn ghi lại hoạt động của các nơ-ron, nó chắc chắn trông như vậy, đúng không?
Nói cách khác, có một vỏ thị giác ở phía sau và có một loạt các khu vực, sau đó là vỏ thính giác ở giữa và sau đó là vỏ trước trán cho tương tác xã hội.
Nó trông thật rõ ràng rằng nó là mô-đun.
Bây giờ, điều mà chúng ta đang đối mặt là chúng ta có một cách mới để ghi lại hoạt động của các nơ-ron.
Về mặt quang học, chúng ta có thể ghi lại từ hàng chục nghìn, từ hàng chục khu vực cùng một lúc và những gì chúng ta đang phát hiện là nếu bạn muốn thực hiện bất kỳ nhiệm vụ nào, bạn không chỉ kích hoạt khu vực mà bạn có thể nghĩ rằng có tín hiệu đầu vào vào hệ thống thị giác, mà hệ thống thị giác đang nhận đầu vào từ hệ thống vận động, đúng không?
Thực tế, có nhiều đầu vào đến từ hệ thống vận động hơn là từ mắt.
Thật sao?
Đúng vậy.
Ellen tại UCLA đã chỉ ra điều đó ở chuột.
Vì vậy, bây giờ chúng ta đang nhìn vào các tương tác toàn cầu giữa tất cả những khu vực này và đó là nơi mà những hành vi nhận thức phức tạp thực sự xuất hiện từ những tương tác đó.
Bây giờ chúng ta có công cụ lần đầu tiên để thực sự có thể thấy chúng trong thời gian thực và chúng ta đang làm điều đó bây giờ trước tiên trên chuột và khỉ, nhưng chúng ta giờ có thể làm điều này trên con người.
Vì vậy, tôi đã hợp tác với một nhóm tại Bệnh viện Mass General để ghi lại từ những người bị động kinh và họ phải trải qua một ca phẫu thuật cho những người kháng thuốc để có thể tìm ra nơi bắt đầu trong vỏ não và nơi nó được khởi xướng, nơi cơn co giật bắt đầu và sau đó để đi vào, bạn phải vào và ghi lại đồng thời từ nhiều phần.
của vỏ não trong vài tuần cho đến khi bạn tìm ra vị trí của nó và sau đó bạn vào trong và cố gắng lấy nó ra, và thường thì điều đó giúp ích, rất, rất xâm lấn, nhưng trong hai tuần chúng tôi có quyền truy cập vào tất cả những nơ-ron trong vỏ não đó mà đang được ghi lại liên tục và vì vậy tôi bắt đầu vì tôi quan tâm đến giấc ngủ và tôi muốn hiểu điều gì xảy ra trong vỏ não của một con người trong khi ngủ, nhưng sau đó chúng tôi nhận ra rằng bạn cũng có thể tìm ra những người có những vấn đề tàn phá với cơn co giật, họ ở đó trong hai tuần và họ không có gì để làm, vì vậy họ rất thích thực tế rằng các nhà khoa học quan tâm đến việc giúp đỡ họ và dạy họ những điều và tìm ra nơi nào trong vỏ não những điều đang xảy ra khi họ học được điều gì đó.
Đây là một mỏ vàng, thật không thể tin được và tôi đã học được những điều từ con người mà tôi có thể chưa bao giờ có được từ bất kỳ loài nào khác.
Thật tuyệt vời.
Vì vậy, tôi biết một trong số đó, nhưng còn có những điều khác trong giấc ngủ mà chúng tôi đã phát hiện liên quan đến các sóng di chuyển.
Có những sóng di chuyển hình tròn diễn ra trong khi ngủ, điều này thật đáng kinh ngạc, không ai thực sự thấy điều đó trước đây.
Nếu bạn phải gán một hoặc hai chức năng chính cho những sóng di chuyển này, bạn nghĩ chúng đang đạt được điều gì cho chúng ta trong giấc ngủ?
Và nhân tiện, chúng có liên quan đến giấc ngủ sâu, giấc ngủ sóng chậm hay với giấc ngủ chuyển động mắt nhanh hoặc cả hai?
Đây là giấc ngủ không REM, đây là một thuật ngữ chuyên ngành, nhưng đây là trong các trạng thái chuyển tiếp trung gian.
Khán giả của chúng tôi có lẽ sẽ theo kịp.
Họ đã nghe rất nhiều về giấc ngủ sóng chậm từ tôi và người đi bộ từ chuyển động mắt nhanh.
Giấc ngủ sóng chậm nhẹ.
Vậy những sóng di chuyển này đạt được điều gì cho chúng ta?
Trong trường hợp, chúng được gọi là các chùm sóng giấc ngủ, các sóng kéo dài khoảng một hoặc hai giây và chúng di chuyển, như tôi đã nói, theo hình tròn quanh vỏ não.
Và người ta đã biết rằng những chùm sóng này rất quan trọng cho việc củng cố những trải nghiệm mà bạn đã có trong suốt cả ngày vào bộ nhớ dài hạn của bạn.
Vì vậy, đây là một chức năng rất quan trọng và nếu bạn xem xét, chính là hồi hải mã đang phát lại những trải nghiệm. Đây là một phần của não bộ rất quan trọng cho trí nhớ dài hạn. Nếu bạn không có hồi hải mã, bạn không thể học những điều mới. Như tôi đã nói, bạn không thể nhớ những gì bạn đã làm hôm qua hoặc thậm chí là một giờ trước đó. Nhưng hồi hải mã phát lại những trải nghiệm của bạn, khiến cho các sóng giấc ngủ cần thiết được đưa vào vỏ não. Và điều quan trọng là bạn phải làm điều đó đúng cách vì bạn không muốn ghi đè lên những kiến thức hiện có mà bạn đã có. Bạn chỉ muốn cơ bản là tích hợp trải nghiệm mới vào cơ sở kiến thức hiện có của bạn một cách hiệu quả mà không làm gián đoạn những gì bạn đã biết. Vì vậy, đó là một ví dụ về một chức năng rất quan trọng mà những con đường di chuyển này có.
Tôi muốn nghỉ một chút và ghi nhận nhà tài trợ của chúng tôi, AG1. AG1 là một loại đồ uống vitamin khoáng chất probiotic bao gồm prebiotics và adaptogens. Tôi đã uống AG1 từ năm 2012 và tôi bắt đầu vào thời điểm mà ngân sách của tôi thực sự hạn chế. Thực tế, tôi chỉ có đủ tiền để mua một loại thực phẩm bổ sung và tôi rất vui vì tôi đã chọn AG1. Lý do là mặc dù tôi cố gắng ăn thực phẩm nguyên chất và không chế biến, nhưng rất khó để có đủ vitamin và khoáng chất, vi chất dinh dưỡng và adaptogens chỉ từ chế độ ăn uống để đảm bảo rằng tôi ở trạng thái tốt nhất, có nghĩa là có đủ năng lượng cho tất cả các hoạt động tôi tham gia từ sáng đến tối, ngủ ngon vào ban đêm và giữ cho hệ miễn dịch của tôi mạnh mẽ. Khi tôi uống AG1 hàng ngày, tôi nhận thấy tất cả các khía cạnh của sức khỏe của tôi, sức khỏe thể chất, sức khỏe tinh thần, hiệu suất, phục hồi sau khi tập thể dục, tất cả đều cải thiện. Và tôi biết điều đó vì tôi đã có những lúc không uống AG1 và tôi chắc chắn cảm nhận được sự khác biệt. Tôi cũng nhận thấy, và điều này hoàn toàn hợp lý khi xem xét mối quan hệ giữa hệ vi sinh vật đường ruột.
và bộ não, rằng khi tôi thường xuyên sử dụng AG1, tôi có nhiều sự rõ ràng về tinh thần và nhiều năng lượng tinh thần hơn.
Nếu bạn muốn thử AG1, bạn có thể truy cập drinkag1.com/huberman để nhận một ưu đãi đặc biệt.
Chỉ trong tháng này, tháng 11 năm 2024, AG1 đang tặng một tháng cung cấp omega-3 miễn phí từ dầu cá, bên cạnh bộ quà chào đón thông thường gồm năm gói du lịch miễn phí và một năm cung cấp vitamin D3K2.
Như tôi đã thảo luận nhiều lần trước đây trên podcast này, omega-3 rất quan trọng cho sức khỏe não bộ, tâm trạng, nhận thức và nhiều hơn nữa.
Một lần nữa, hãy truy cập drinkag1.com/huberman để nhận ưu đãi đặc biệt này.
Tập hôm nay cũng được mang đến cho chúng ta bởi David.
David sản xuất một thanh protein khác biệt so với những thanh khác.
Nó có 28 gram protein, chỉ 150 calo và 0 gram đường.
Đúng vậy, 28 gram protein và 75% calo của nó đến từ protein.
Những thanh của David cũng có hương vị tuyệt vời.
Hương vị yêu thích của tôi là bánh quy chocolate chip, nhưng tôi cũng thích hương vị chocolate fudge và hương vị bánh ngọt.
Nói chung, tôi thích tất cả các hương vị.
Chúng cực kỳ ngon miệng.
Đối với tôi cá nhân, tôi cố gắng ăn chủ yếu thực phẩm nguyên chất.
Tuy nhiên, khi tôi vội vàng, hoặc khi tôi xa nhà, hoặc khi tôi chỉ tìm kiếm một món ăn nhẹ nhanh vào buổi chiều, tôi thường thấy mình đang tìm kiếm một nguồn protein chất lượng cao.
Với David, tôi có thể nhận được 28 gram protein với lượng calo của một món ăn nhẹ, điều này giúp tôi dễ dàng đạt được mục tiêu protein của mình là một gram protein cho mỗi pound trọng lượng cơ thể mỗi ngày.
Và điều đó cho phép tôi làm điều đó mà không cần tiêu thụ calo dư thừa.
Tôi thường ăn một thanh David vào đầu buổi chiều hoặc thậm chí giữa buổi chiều nếu tôi muốn lấp đầy khoảng trống giữa bữa trưa và bữa tối.
Tôi thích rằng nó hơi ngọt một chút nên có vị như một món ăn nhẹ ngon miệng, nhưng nó cũng cung cấp cho tôi 28 gram protein rất chất lượng cao với chỉ 150 calo.
Nếu bạn muốn thử David, bạn có thể truy cập davidprotein.com/huberman.
Một lần nữa, liên kết là davidprotein.com/huberman.
Theo như tôi nhớ, có một hoặc hai điều mà mọi người có thể làm để đảm bảo rằng họ có đủ giấc ngủ chập chờn vào ban đêm và từ đó áp dụng kiến thức mới này.
Điều này đến từ tập mà chúng tôi đã thực hiện với Gina Poe từ UCLA, tôi tin là như vậy, và những người khác, bao gồm cả Matt Walker.
Những gì tôi nhớ là điều số một là đảm bảo bạn có đủ giấc ngủ vào ban đêm để trải nghiệm đủ những giấc ngủ chập chờn này.
Và tất cả chúng ta đều quen thuộc với những thách thức về nhận thức, bao gồm cả thách thức về trí nhớ và học tập liên quan đến việc thiếu ngủ, ngủ không đủ.
Điều khác là có một mối quan hệ thú vị giữa việc tập thể dục vào ban ngày và sự xuất hiện của giấc ngủ chập chờn vào ban đêm.
Bạn có quen thuộc với tài liệu đó không?
Có.
Ôi, có.
Không, đây là một tài liệu thú vị, và tất cả đều chỉ ra cùng một hướng, đó là chúng ta luôn bỏ qua tầm quan trọng của giấc ngủ.
Ý tôi là, rõ ràng là bạn cảm thấy được làm mới khi thức dậy, nhưng có rất nhiều điều xảy ra.
Không phải là não của bạn tắt, mà là nó chuyển sang một trạng thái hoàn toàn khác, và việc củng cố trí nhớ chỉ là một trong những điều xảy ra khi bạn ngủ.
Và tất nhiên, có những giấc mơ và những thứ khác.
Chúng ta không hoàn toàn đánh giá cao hoặc hiểu chính xác cách mà tất cả các giai đoạn giấc ngủ khác nhau hoạt động cùng nhau.
Nhưng tập thể dục là một phần đặc biệt quan trọng để làm cho hệ thống vận động được điều chỉnh.
Và người ta nghĩ rằng giấc ngủ REM, giấc ngủ chuyển động mắt nhanh, có thể liên quan đến điều đó.
Vì vậy, đó là một phần khác của các giai đoạn giấc ngủ.
Bạn trải qua, bạn đi qua lại giữa giấc ngủ chập chờn và giấc ngủ sóng chậm, qua lại, qua lại trong suốt đêm.
Và sau đó khi bạn thức dậy, bạn đang ở trong giai đoạn REM, ngày càng nhiều REM.
Nhưng đó chỉ là quan sát.
Nhưng với tư cách là một nhà khoa học, điều bạn muốn làm là làm rối loạn hệ thống và xem liệu bạn có thể, có thể…
nếu bạn có nhiều sóng giấc ngủ hơn, có thể bạn sẽ nhớ mọi thứ tốt hơn. Vậy là Sarah Mednick, người đã làm việc tại UC Irvine, đã thực hiện một thí nghiệm tuyệt vời. Hóa ra có một loại thuốc gọi là zolpidem, được biết đến với tên gọi Ambien. Có thể bạn đã có một số kinh nghiệm với nó. Tôi chưa bao giờ dùng nó, nhưng tôi biết nó là gì. Mọi người sử dụng nó như một loại thuốc hỗ trợ giấc ngủ. Đúng vậy. Rất nhiều người dùng nó để ngủ, được chứ? Vậy mà hóa ra nó làm tăng số lượng sóng giấc ngủ, thực sự, đúng vậy. Nó gấp đôi số lượng sóng giấc ngủ nếu bạn dùng thuốc. Bạn dùng thuốc sau khi đã học, bạn học vào ban đêm và sau đó bạn dùng thuốc và bạn có gấp đôi số sóng. Bạn thức dậy vào buổi sáng, bạn có thể nhớ gấp đôi những gì bạn đã học. Và những ký ức đó ổn định theo thời gian. Nó ở đó. Đúng. Không, nó củng cố nó. Ý tôi là, đó là điểm chính. Nhược điểm của Ambien là gì? Được rồi. Đây là nhược điểm. Được rồi. Những người dùng thuốc nói rằng nếu bạn đi châu Âu và bạn dùng nó và sau đó bạn ngủ rất say, nhưng thường thì bạn thấy mình ở trong phòng khách sạn và bạn hoàn toàn không có ý tưởng gì, bạn không có ký ức về cách bạn đến đó. Tôi đã có trải nghiệm đó mà không cần Ambien hay bất kỳ loại thuốc nào khác khi tôi bị jet lag rất nặng. Đúng. Và tôi thức dậy và trong vài giây, nhưng cảm giác như vĩnh cửu, tôi không biết mình đang ở đâu. Được rồi. Thật đáng sợ. Vậy, đó là một vấn đề khác mà bạn gặp phải với jet lag. Jet lag thực sự làm mọi thứ rối tung lên. Nhưng đây là điều mà có thể chỉ mất một giờ. Bạn đã đi tàu hoặc bạn đã đi taxi hay gì đó và vì vậy, điều này có vẻ điên rồ. Làm thế nào nó có thể là một cách để cải thiện việc học và ghi nhớ ở một bên và sau đó là sự quên lãng ở bên kia? Vâng, hóa ra điều quan trọng là khi bạn dùng thuốc, nói cách khác, nó giúp củng cố những trải nghiệm mà bạn đã có trong quá khứ trước khi bạn dùng thuốc, nhưng nó…
Sẽ xóa bỏ những trải nghiệm mà bạn có trong tương lai sau khi bạn dùng thuốc. Đúng không? Vì vậy, tôi không cười. Chắc hẳn đó là một trải nghiệm đáng sợ, nhưng tôi đang cười vì có một số dược lý tuyệt vời và thực sự có một số dược phẩm rất hữu ích ở ngoài kia. Một số người có thể cảm thấy khó chịu khi nghe tôi nói điều đó, nhưng có một số loại thuốc rất hữu ích có thể cứu sống và giúp mọi người đối phó với các triệu chứng, v.v. Tác dụng phụ luôn là một mối quan tâm. Nhưng hồ sơ thuốc cụ thể này, Ambien, dường như tiết lộ điều gì đó có thể còn quan trọng hơn cả cuộc thảo luận về các sợi tủy hoặc Ambien hay thậm chí giấc ngủ, đó là bạn phải trả giá cho những gì bạn có, như người ta thường nói. Đúng vậy. Bạn điều chỉnh một thứ trong não, thứ khác sẽ mất đi. Bạn không nhận được gì miễn phí. Tôi nghĩ rằng điều này không chỉ đúng với thuốc cho não, mà còn với steroid cho cơ thể. Chắc chắn rồi. Vâng. Ý tôi là, steroid, ngay cả liệu pháp testosterone liều thấp, rất phổ biến hiện nay, sẽ mang lại cho mọi người sức sống hơn, v.v. Nhưng nó đang giới thiệu một tuổi dậy thì thứ hai, và tuổi dậy thì có lẽ là giai đoạn lão hóa nhanh nhất trong suốt cuộc đời. Điều tương tự cũng xảy ra với những người dùng hormone tăng trưởng, có lẽ là một ví dụ tốt hơn vì chắc chắn những liệu pháp đó có thể có lợi cho mọi người, nhưng hormone tăng trưởng mang lại cho mọi người sức sống hơn, nhưng nó cũng làm tăng tốc độ lão hóa. Hãy nhìn vào chất lượng làn da của những người dùng hormone tăng trưởng. Nó trông có vẻ già hơn. Họ thay đổi về mặt thể chất. Và tôi không đứng về phía nào trong những điều này. Nó rất cá nhân. Nhưng tôi hoàn toàn đồng ý với bạn. Tôi cũng sẽ dám nói rằng với sự quan tâm ngày càng tăng đối với những thứ được gọi là nootropic và mọi người dùng những thứ như modafinil, không chỉ cho chứng ngủ rũ, buồn ngủ ban ngày, mà còn để nâng cao chức năng nhận thức, được rồi, có thể họ có thể làm điều đó thỉnh thoảng cho một nhiệm vụ cần hạn chót hoặc điều gì đó.
Nhưng kinh nghiệm của tôi là những người ám ảnh về việc sử dụng dược phẩm để đạt được những trạng thái não nhất định sẽ phải trả giá theo một cách nào đó.
Chắc chắn rồi.
Dù là chất kích thích, thuốc an thần hay thuốc ngủ, thì hành vi sẽ luôn chiếm ưu thế.
Hành vi sẽ luôn chiếm ưu thế như những công cụ.
Và một trong những điều về cách cơ thể tiến hóa là nó thực sự phải cân bằng rất nhiều thứ.
Vì vậy, khi sử dụng thuốc, bạn cơ bản đang làm mất cân bằng nó theo một cách nào đó.
Và hậu quả là, như bạn đã chỉ ra, để làm cho một phần tốt hơn, một phần của cơ thể bạn, bạn phải hy sinh một cái gì đó ở nơi khác.
Miễn là chúng ta đang nói về trạng thái não và sự kết nối giữa các khu vực, tôi muốn hỏi một câu hỏi cụ thể.
Sau đó, tôi muốn quay lại vấn đề này về cách học tốt nhất, đặc biệt là ở trẻ em, nhưng cũng ở người lớn.
Tôi đã trở nên rất quan tâm và dành nhiều thời gian với tài liệu và một số khách mời về chủ đề chất kích thích tâm lý.
Hãy để cuộc thảo luận về LSD sang một bên, vì bạn có biết tại sao không có nhiều nghiên cứu về LSD không?
Đây là một câu hỏi thú vị.
Không ai được kỳ vọng biết câu trả lời.
Chà, tôi nghĩ là vì nó trái pháp luật.
Nhưng psilocybin hay MDMA cũng vậy, và có rất nhiều nghiên cứu đang diễn ra về điều này.
Chà, bây giờ thì có.
Đúng vậy, nó đã thay đổi.
Nhưng khi tôi lớn lên, như bạn biết, thì nó trái pháp luật.
Đúng rồi.
Vì vậy, điều tôi học được là có rất ít thử nghiệm lâm sàng khám phá việc sử dụng LSD như một liệu pháp, vì ngoại trừ Thụy Sĩ, không có nhà nghiên cứu nào sẵn sàng ở lại trong phòng thí nghiệm lâu như cần thiết để chủ thể trải qua một hành trình LSD, trong khi psilocybin thường là một trải nghiệm ngắn hơn.
Đúng rồi.
Được rồi.
Hãy nói về psilocybin một chút.
Theo tôi, dữ liệu về psilocybin vẫn còn mở để bàn cãi, nhưng một số thử nghiệm lâm sàng cho thấy sự phục hồi đáng kể từ trầm cảm nặng là khá ấn tượng.
Nhưng nếu chúng ta gạt điều đó sang một bên và nói, “Được rồi, cần phải làm rõ thêm về sự an toàn,” thì điều rất rõ ràng từ các nghiên cứu hình ảnh não bộ, kiểu như trạng thái nghỉ ngơi trước và sau, liên quan đến nhiệm vụ, v.v., là bạn có được sự kết nối toàn cầu ở trạng thái nghỉ ngơi nhiều hơn, nhiều khu vực giao tiếp với nhiều khu vực hơn so với trước khi sử dụng chất gây ảo giác. Và với sự tương đồng của hành trình gây ảo giác, và ở đây cụ thể nói về psilocybin với những thứ như giấc ngủ REM (giấc ngủ chuyển động nhanh của mắt) và những thứ tương tự, tôi có một câu hỏi rất đơn giản. Bạn có nghĩ rằng có bất kỳ lợi ích thực sự nào từ việc tăng cường kết nối toàn bộ não bộ không? Đối với tôi, điều đó có vẻ hơi ngẫu nhiên, nhưng dữ liệu lâm sàng thì hứa hẹn, nếu không có gì khác, thì cũng hứa hẹn. Vậy, điều mà chúng ta tìm kiếm trong cuộc sống khi chúng ta tiếp thu kiến thức mới, khi chúng ta học tennis hoặc golf, hoặc bắt đầu hát, hoặc bất cứ điều gì khác, khi chúng ta chuyển từ thời thơ ấu vào giai đoạn cuối của cuộc đời, toàn bộ quá trình chuyển đổi đó là những gì chúng ta đang làm, tăng cường kết nối và giao tiếp giữa các khu vực khác nhau của não bộ. Đó có phải là điều mà trải nghiệm con người thực sự hướng tới không? Hay là chúng ta đang trở nên phân đoạn hơn, chúng ta đang trở nên tách biệt hơn về mặt khu vực này, nói chuyện với khu vực kia theo cách cụ thể này. Hãy thoải mái khám phá điều này theo bất kỳ cách nào cảm thấy có ý nghĩa, hoặc nói “bỏ qua” nếu đó không phải là một câu hỏi hay. Không, đó là một câu hỏi tuyệt vời. Ý tôi là, bạn có tất cả những câu hỏi tuyệt vời này, và chúng tôi vẫn chưa có câu trả lời hoàn chỉnh. Nhưng cụ thể về kết nối, nếu bạn nhìn vào những gì xảy ra trong não của một đứa trẻ trong hai năm đầu đời, có một lượng lớn các synapse mới được hình thành. Đây là lĩnh vực của bạn, nhân tiện. Phát triển thần kinh. Phát triển thần kinh. Đúng vậy. Điều đó đúng. Nhưng sau đó bạn sẽ cắt tỉa chúng. Đúng không? Sau đó, giai đoạn thứ hai là bạn có quá nhiều synapse, và bây giờ điều bạn muốn làm là cắt tỉa chúng. Tại sao bạn lại muốn làm điều đó? Chà, synapse thì tốn kém.
Cần rất nhiều năng lượng để kích hoạt tất cả các nơ-ron và các synapse, đặc biệt là vì có sự thay đổi của các chất dẫn truyền thần kinh. Vì vậy, điều bạn muốn làm là giảm lượng năng lượng và chỉ sử dụng những synapse đã được chứng minh là quan trọng nhất. Đúng không?
Thật không may, khi bạn già đi, quá trình cắt tỉa chậm lại nhưng không biến mất. Vì vậy, vỏ não mỏng đi và những thứ tương tự. Tôi nghĩ rằng điều này đi theo hướng ngược lại. Tôi nghĩ rằng khi bạn già đi, bạn đang mất đi sự kết nối. Nhưng thú vị là, bạn vẫn giữ lại những ký ức cũ. Những ký ức cũ thực sự rất vững chắc, vì chúng được hình thành khi bạn còn trẻ. Nền tảng. Nền tảng mà mọi thứ khác được xây dựng trên đó.
Nhưng không hoàn toàn theo một chiều theo nghĩa là ngay cả khi là người lớn, như bạn biết, bạn vẫn có thể học những điều mới. Có thể không nhanh như trước. Nhân tiện, đây là một trong những điều khiến tôi ngạc nhiên. Vì vậy, Barbara và tôi đã xem xét những người thực sự được hưởng lợi nhiều nhất. Hóa ra đỉnh điểm của nhân khẩu học là từ 25 đến 35 tuổi. Barbara. Oakley. Oakley. Vâng, cô ấy thực sự là người đứng sau. Cô ấy là một nhà giáo dục tuyệt vời và có nền tảng về kỹ thuật.
Nhưng điều gì đang xảy ra? Hóa ra chúng tôi đã nhắm đến MOOC của mình cho các em học sinh trung học và sinh viên đại học, vì đó là công việc của họ. Họ đi học mỗi ngày và họ phải học, đúng không? Đó là công việc của họ. Nhưng thực tế, rất ít sinh viên thực sự tham gia khóa học. Tại sao họ phải tham gia? Họ đã dành cả ngày trong lớp học, đúng không? Tại sao họ lại muốn tham gia một lớp học khác?
Vì vậy, đây là lớp học học cách học. Học cách để học. Bạn đã làm điều này với Barbara. Vì vậy, chúng tôi đã làm điều này. Tôi đã làm với Barbara và bây giờ từ 25 đến 35 tuổi, chúng tôi có một đỉnh cao lớn, rất lớn. Vậy điều gì đang xảy ra? Đây là điều đang diễn ra. Thật thú vị. Bạn 25 tuổi. Bạn đã đi học đại học. Một nửa số người, nhân tiện, những người tham gia khóa học đã đi học đại học, đúng không?
Vì vậy, không giống như, bạn biết đấy, việc học đại học. Đây giống như việc hoàn thiện thêm. Nhưng bạn đang ở trong một môi trường làm việc. Bạn phải học kỹ năng mới. Có thể bạn có khoản vay mua nhà. Có thể bạn có con cái, đúng không? Bạn không thể đủ khả năng để nghỉ việc và tham gia một khóa học, hoặc lấy một bằng cấp khác. Vì vậy, bạn tham gia một khóa học MOOC và bạn nhận ra, bạn biết đấy, mình không còn nhanh nhạy trong việc học như trước, nhưng hóa ra với khóa học của chúng tôi, bạn có thể cải thiện khả năng học tập của mình. Và mặc dù não bạn không học nhanh như trước, bạn vẫn có thể làm điều đó một cách hiệu quả hơn. Điều này thật tuyệt vời. Tôi muốn tham gia khóa học này. Tôi sẽ tham gia khóa học này. Khóa học này yêu cầu cam kết thời gian như thế nào? Bạn đã chỉ ra rằng nó không tốn chi phí nào, điều này thật tuyệt vời. Vâng. Được rồi. Nó có các video ngắn khoảng 10 phút mỗi video. Và có khoảng 50 hoặc 60 video trong suốt một tháng. Và bạn có được kiểm tra không? Bạn tự kiểm tra? Vâng. Vâng. Có các bài kiểm tra. Có các bài trắc nghiệm. Có các bài kiểm tra ở cuối khóa học. Và có các diễn đàn nơi bạn có thể đến và nói chuyện với các sinh viên khác. Bạn có câu hỏi. Chúng tôi có các trợ giảng. Và bất kỳ ai cũng có thể tham gia điều này. Mọi người trên thế giới, thực tế là chúng tôi có những người ở Ấn Độ, các bà nội trợ, những người nói, “Cảm ơn. Cảm ơn. Cảm ơn.” Bởi vì tôi không bao giờ có thể học cách trở thành một người học tốt hơn. Và tôi ước gì tôi đã biết điều này khi tôi còn đi học. Tại sao nhiều người không biết về khóa học học cách học này, mặc dù như mọi người biết, nếu tôi thực sự hào hứng về nó hoặc về bất cứ điều gì, tôi sẽ không bao giờ ngừng nói về nó. Nhưng tôi sẽ tham gia khóa học trước, vì tôi muốn hiểu rõ về nó. Bạn sẽ thích nó. Bạn có 98% sự chấp thuận, điều này thật tuyệt vời, nó rất hấp dẫn. Có phải là toán học không? Không. Từ vựng? Không có toán học. Chúng tôi không dạy bất cứ điều gì cụ thể. Chúng tôi không cố gắng cung cấp cho bạn kiến thức. Chúng tôi đang cố gắng chỉ cho bạn cách tiếp thu kiến thức và cách làm điều đó, cách đối phó với lo âu khi thi cử, chẳng hạn. Hoặc làm thế nào mà tất cả chúng ta đều trì hoãn, đúng không? Chúng ta để mọi thứ lại.
Không.
Không, tôi đùa thôi.
Chúng ta đều có xu hướng trì hoãn.
Chúng tôi dạy bạn cách tránh điều đó.
Thật tuyệt vời.
Được rồi, bây giờ tôi sẽ quay lại một chút với ý định làm rõ về việc học cách học.
Bạn đã chỉ ra rằng, đặc biệt là ở California, nhưng ở nơi khác cũng vậy, không còn nhiều
việc học dựa trên thực hành quy trình nữa.
Tôi sẽ đóng vai trò là người phản biện ở đây, và tôi sẽ chỉ ra rằng đây không phải là
những gì tôi thực sự tin, nhưng khi tôi lớn lên, bạn phải học bảng nhân, rồi đến phép chia,
sau đó là phân số và số mũ, và chúng xây dựng lên nhau.
Và rồi đến một thời điểm nào đó, bạn sẽ tham gia các khóa học mà bạn có thể cần một máy tính
cầm tay đồ thị, với một số người có thể cảm thấy như, “Đây là cái gì vậy?”
Nhưng điểm chính là có một số điều mà bạn phải học để thực hiện các hàm, và bạn học
bằng cách làm.
Bạn học bằng cách làm.
Tương tự, trong lớp vật lý, chúng tôi đã gắn các thứ vào dây và học về cơ học vĩ mô
và học những điều đó từ các bài giảng trên bảng phấn.
Tôi có thể thấy giá trị của cả hai, chắc chắn rồi, và bạn đã giải thích rằng bộ não cần
cả hai để thực sự hiểu kiến thức và cách thực hiện và qua lại.
Nhưng ngày nay, bạn sẽ nghe lập luận, “Thế tại sao ai đó phải học cách đọc bản đồ giấy
trừ khi đó là thứ duy nhất có sẵn vì bạn có Google Maps?”
Hoặc nếu họ muốn thực hiện một phép tính, họ chỉ cần nhập vào thanh công cụ trên
Internet và ngay lập tức, câu trả lời sẽ xuất hiện.
Vì vậy, có một thế giới mà một số kỹ năng không còn cần thiết nữa, và người ta có thể
tranh luận rằng không gian, hoạt động, thời gian và năng lượng của bộ não đặc biệt có thể
được dành cho việc học những hình thức kiến thức mới sẽ thực tiễn hơn trong trường học
và nơi làm việc trong tương lai.
Vậy chúng ta làm thế nào để hòa giải những điều này?
Ý tôi là, tôi tin rằng bộ não đang thực hiện toán học, và bạn và tôi đồng ý.
Đó là các tín hiệu điện và tín hiệu hóa học, và nó đang thực hiện toán học, và nó đang chạy các thuật toán.
Tôi nghĩ bạn đã thuyết phục chúng tôi về điều đó, chắc chắn rồi.
Nhưng làm thế nào để chúng ta phân biệt được những gì chúng ta cần học so với những gì chúng ta không cần học trong việc xây dựng một bộ não có khả năng học hỏi tối đa số lượng kiến thức hoặc thậm chí đủ kiến thức để chúng ta có thể bước vào tương lai rất không chắc chắn này, bởi vì theo như bạn và tôi biết, cả hai chúng ta đều không có quả cầu pha lê.
Vậy điều gì là thiết yếu để học?
Và đối với những người trong chúng ta không học được một số điều trong giáo dục chính quy, chúng ta nên học cách học như thế nào?
Chà, điều này là thuộc về thế hệ.
Vì vậy, công nghệ cung cấp cho chúng ta các công cụ.
Bạn đã đề cập đến máy tính bỏ túi, đúng không?
Chà, một chiếc máy tính bỏ túi không loại bỏ việc bạn cần phải học toán, nhưng nó làm cho một số điều trở nên dễ dàng hơn, nó giúp bạn có thể làm nhiều việc hơn và chính xác hơn.
Tuy nhiên, điều thú vị là, học sinh trong lớp của tôi thường đưa ra những câu trả lời sai lệch đến tám bậc độ lớn, và đó là một lượng lớn, đúng không?
Rõ ràng là họ đã không nhập đúng vào máy tính bỏ túi, nhưng họ không nhận ra rằng đó là một sự sai lệch rất lớn, hoàn toàn lệch khỏi thực tế, bởi vì họ không có cảm giác tốt về các con số.
Họ không có cảm giác tốt về việc, bạn biết đấy, chính xác nó nên lớn như thế nào, bậc độ lớn, hiểu biết cơ bản.
Vì vậy, có một điều, lợi ích là bạn có thể làm mọi thứ nhanh hơn, tốt hơn, nhưng sau đó bạn cũng mất đi một phần trực giác của mình nếu bạn không có hệ thống quy trình trong tay.
Tôi đang nghĩ về một đứa trẻ muốn trở thành nhạc sĩ sử dụng AI để viết một bài hát về một cuộc chia tay tồi tệ mà sau đó được phục hồi khi họ tìm thấy tình yêu mới, và tôi đoán rằng bạn có thể làm điều này ngày hôm nay và có được một bài hát khá hay từ AI, nhưng bạn có gọi đứa trẻ đó là một nhạc sĩ hay không?
Nhìn bề ngoài, vâng, AI đang giúp đỡ, và sau đó bạn sẽ nói, ồ, đó không phải là cùng một điều.
Khi ngồi xuống với một cây guitar và thử nghiệm các hợp âm khác nhau, cảm nhận âm điệu trong giọng nói của họ, nhưng tôi đoán rằng đối với những người chơi guitar điện, họ đã chỉ trích những người chơi guitar acoustic. Bạn biết đấy, chúng ta có một vấn đề thế hệ khi nhìn lại và nói rằng, đó không phải là điều thực sự. Bạn cần phải có, vậy những điều cơ bản chính là một câu hỏi rất quan trọng. Được rồi. Tôi sẽ quay lại vấn đề đó vì cách bạn diễn đạt ở đầu đã liên quan đến việc não của bạn phân bổ tài nguyên như thế nào, được chứ? Khi bạn còn trẻ, bạn có thể tiếp thu mọi thứ. Não của bạn dẻo dai hơn. Ví dụ, bạn giỏi thế nào trên mạng xã hội? Chà, tôi tự quản lý Instagram và Twitter của mình, và những tài khoản đó đã phát triển tương ứng với thời gian tôi đã làm. Vậy nên, tôi sẽ nói là khá tốt. Ý tôi là, tôi không phải là tài khoản lớn nhất trên mạng xã hội, nhưng đối với một tài khoản về sức khỏe khoa học, chúng tôi đang làm khá ổn. Nhờ vào khán giả. Điều này cho thấy bạn đã thành công trong việc vượt qua khoảng cách thế hệ. Tôi có thể gõ bằng ngón tay cái của mình, Terry. Được rồi. Đó là một kỹ năng thủ công mà bạn đã học. Đó là một hiện tượng mới trong tiến hóa của con người. Tôi không thể tin được. Tôi đã thấy mọi người làm điều đó, và bây giờ tôi cũng có thể làm được. Nhưng vấn đề là nếu bạn học cách làm điều đó sớm trong cuộc sống, bạn sẽ làm tốt hơn nhiều. Bạn có thể di chuyển ngón tay cái của mình nhanh hơn nhiều. Ngoài ra, bạn có thể có nhiều tweet hơn, họ gọi chúng là gì nhỉ? Không, chúng không được gọi là tweet. Trên X, tôi nghĩ họ vẫn gọi chúng là tweet vì thật khó để biến chữ X thành động từ. Từ X. Các bạn không nghĩ đến điều đó sao? Tôi thích X vì nó thật ngầu. Nó có chút punk, và có một định dạng màu đen, và nó phù hợp với kiểu kỹ sư như X đen, bạn biết đấy, và kiểu như vậy. Nhưng vâng, chúng ta vẫn sẽ gọi chúng là tweet. Được rồi, chúng ta sẽ gọi chúng là tweet.
Được rồi, điều đó thật tốt.
Nhưng bạn biết đấy, tôi đi bộ qua khuôn viên trường và thấy mọi người, như một nửa số người đang tweet hoặc làm gì đó với điện thoại di động của họ.
Ý tôi là, thật khó tin.
Và bạn có những buổi hoàng hôn tuyệt đẹp tại Viện Salk.
Chúng tôi sẽ để một liên kết đến một trong số đó.
Ý tôi là, thật sự là ngoạn mục, đầy cảm hứng khi thấy một buổi hoàng hôn tại Viện Salk.
Mỗi ngày đều khác nhau.
Và mọi người đều đang sử dụng điện thoại của họ những ngày này?
Thật buồn.
Và bạn biết đấy, họ đang nhìn xuống điện thoại của mình.
Và họ đi bộ, ngay cả những người đang trượt ván.
Thật khó tin.
Ý tôi là, thật tuyệt vời những gì con người có thể làm, bạn biết đấy, khi họ học cách tập trung vào một điều gì đó.
Nhưng điều xảy ra là thế hệ trẻ tiếp nhận bất kỳ công nghệ nào và bộ não trở nên rất giỏi trong việc đó.
Và bạn có thể học sau này, nhưng bạn không nhanh nhẹn bằng, không thể ám ảnh như họ.
Điều đó làm tôi mệt mỏi.
Tôi sẽ chỉ ra rằng, làm bất cứ điều gì trên điện thoại của tôi cảm thấy mệt mỏi theo một cách mà việc đọc sách giấy hoặc thậm chí chỉ viết trên laptop hoặc máy tính để bàn là hoàn toàn khác biệt.
Tôi có thể làm điều đó trong nhiều giờ.
Nếu tôi ở trên mạng xã hội hơn vài phút, tôi có thể cảm thấy năng lượng đang rút ra khỏi cơ thể mình.
Thú vị.
Tôi có thể chạy nước rút hoặc nâng tạ trong nhiều giờ mà không cảm thấy loại mệt mỏi mà tôi cảm thấy từ việc sử dụng mạng xã hội.
Vì vậy, bạn biết đấy, điều này thật hấp dẫn.
Tôi muốn biết điều gì đang diễn ra trong bộ não của bạn.
Tại sao lại như vậy, và tôi cũng muốn biết từ những người trẻ hơn liệu họ có cảm thấy giống vậy không, tôi nghĩ là không.
Tôi đoán rằng họ không cảm thấy mệt mỏi vì họ đã tiếp xúc với điều này đủ sớm.
Và thực sự, tôi nghĩ điều này có rất nhiều liên quan đến nền tảng mà bạn đã xây dựng trong bộ não của mình.
Nói cách khác, những điều mà bạn học được khi còn rất nhỏ là nền tảng và chúng làm cho mọi thứ dễ dàng hơn.
Một số điều dễ dàng hơn.
Vâng.
Tôi đã dành nhiều thời gian trong phòng của mình khi còn nhỏ, hoặc chơi với Legos hoặc các nhân vật hành động hoặc xây dựng…
bể cá hoặc đọc về cá.
Tôi thường đọc về những thứ và sau đó thực hiện nhiều hoạt động dựa trên quy trình.
Bạn biết đấy, tôi sẽ đọc tạp chí trượt ván và trượt ván.
Tôi chưa bao giờ là người chỉ ngồi xem thể thao mà không chơi.
Vì vậy, bạn biết đấy, kết nối giữa những điều này.
Đối với tôi, mạng xã hội cảm thấy như một cái hố năng lượng.
Và tất nhiên, tôi rất thích cơ hội được dạy và học từ mọi người ở quy mô lớn như vậy.
Nhưng ở mức độ năng lượng, tôi cảm thấy như mình không có nền tảng cho điều đó.
Nó giống như tôi đang cố gắng, như thể lắp ráp lại nhận thức của mình để làm một điều gì đó mà nó không được thiết kế để làm.
Vâng, đó là lý do.
Và đó là vì bạn không có nền tảng.
Bạn đã không làm điều đó khi còn trẻ.
Và bây giờ bạn phải sử dụng sức mạnh nhận thức để làm nhiều điều mà người trẻ tuổi đang làm theo quy trình.
Tôi muốn nghỉ một chút và cảm ơn một trong những nhà tài trợ của chúng tôi, Element.
Element là một loại đồ uống điện giải có tất cả những gì bạn cần và không có gì bạn không cần.
Điều đó có nghĩa là các điện giải, natri, magiê và kali ở tỷ lệ chính xác, nhưng không có đường.
Chúng ta đều biết rằng việc cung cấp đủ nước là rất quan trọng cho chức năng não và cơ thể tối ưu.
Thực tế, ngay cả một mức độ mất nước nhẹ cũng có thể làm giảm hiệu suất nhận thức và thể chất của bạn đến một mức độ đáng kể.
Cũng quan trọng là bạn không chỉ được cung cấp đủ nước, mà còn phải nhận đủ lượng điện giải ở tỷ lệ đúng.
Uống một gói element hòa tan trong nước giúp bạn dễ dàng đảm bảo rằng bạn đang nhận đủ lượng nước và điện giải.
Để đảm bảo rằng tôi nhận đủ cả hai, tôi hòa tan một gói element trong khoảng 16 đến 32 ounce nước khi tôi thức dậy vào buổi sáng.
Và tôi uống điều đó ngay từ đầu buổi sáng.
Tôi cũng sẽ uống một gói element hòa tan trong nước trong bất kỳ loại bài tập thể chất nào.
Điều mà tôi đang làm, đặc biệt là vào những ngày nóng khi tôi đổ mồ hôi nhiều và mất nước cũng như điện giải. Có rất nhiều hương vị khác nhau của Element rất ngon. Tôi thích vị dưa hấu. Tôi thích vị mâm xôi. Tôi thích vị cam chanh. Nói chung, tôi thích tất cả chúng. Nếu bạn muốn thử Element, bạn có thể truy cập drinkelement.com/huberman để nhận một gói mẫu Element khi mua bất kỳ loại bột uống Element nào. Một lần nữa, đó là drink element, được viết là L-M-N-T, vì vậy hãy truy cập drinkelement.com/huberman để nhận một gói mẫu miễn phí.
Tập hôm nay cũng được mang đến cho chúng ta bởi Juve. Juve sản xuất các thiết bị liệu pháp ánh sáng đỏ đạt tiêu chuẩn y tế. Nếu có một điều mà tôi đã nhấn mạnh liên tục trong podcast này, đó là tác động tuyệt vời mà ánh sáng có thể có đối với sinh học của chúng ta. Ngoài ánh sáng mặt trời, ánh sáng đỏ và ánh sáng hồng ngoại gần đã được chứng minh là có tác động tích cực trong việc cải thiện nhiều khía cạnh của sức khỏe tế bào và cơ quan, bao gồm phục hồi cơ bắp nhanh hơn, cải thiện sức khỏe da và lành vết thương, cải thiện mụn, giảm đau và viêm, cải thiện chức năng ty thể, và thậm chí cải thiện cả thị lực. Điều làm cho đèn Juve trở nên khác biệt và lý do tại sao chúng là thiết bị liệu pháp ánh sáng đỏ mà tôi ưa thích là vì chúng sử dụng các bước sóng đã được chứng minh lâm sàng, có nghĩa là chúng sử dụng các bước sóng cụ thể của ánh sáng đỏ và ánh sáng hồng ngoại gần kết hợp với nhau để kích thích các thích ứng tế bào tối ưu. Cá nhân tôi sử dụng bảng toàn thân Juve khoảng ba đến bốn lần một tuần, và tôi sử dụng đèn cầm tay Juve cả ở nhà và khi tôi đi du lịch. Nếu bạn muốn thử Juve, bạn có thể truy cập Juve, được viết là J-O-O-V-V, dot com slash Huberman. Juve đang cung cấp giảm giá Black Friday lên đến 1300 đô la từ nay đến ngày 2 tháng 12 năm 2024. Và đó là Juve, J-O-O-V-V dot com slash Huberman, để nhận giảm giá lên đến 1300 đô la cho các sản phẩm Juve chọn lọc.
Tôi sẽ nói với bạn điều gì đó sẽ giúp tất cả thính giả của bạn. Cuốn sách của tôi, ChatGDP và Tương lai của AI, tôi đã xem xét và nhìn nhận những trải nghiệm của người khác với ChatGDP.
Tôi chỉ muốn biết mọi người đang nghĩ gì. Và tôi đã tình cờ thấy một bài viết, tôi nghĩ đó là của New York Times, về một nhà văn kỹ thuật đã quyết định dành một tháng để sử dụng nó nhằm giúp cô viết những thứ, những bài viết của cô. Cô ấy nói rằng khi bắt đầu, vào cuối ngày, cô ấy cảm thấy kiệt sức, hoàn toàn kiệt sức, và cảm giác như đang làm việc trên một cỗ máy, như một chiếc máy kéo hay gì đó, vật lộn, vật lộn, vật lộn để khiến nó hoạt động.
Rồi cô ấy bắt đầu nói, “Chờ một chút. Nếu tôi đối xử với nó như một con người thì sao? Nếu tôi lịch sự thay vì thô lỗ thì sao?” Cô ấy nói, “Đột nhiên, tôi bắt đầu nhận được những câu trả lời tốt hơn khi lịch sự và giao tiếp qua lại như bạn làm với một con người.”
Vì vậy, nói rằng, “Bạn có thể vui lòng cho tôi thông tin về ai đó không?” Vâng, làm ơn. Tôi thực sự gặp khó khăn. Câu trả lời bạn đã cho tôi thật tuyệt vời. Chính xác là những gì tôi đang tìm kiếm, và bây giờ tôi cần bạn tiếp tục với phần tiếp theo và giúp tôi với điều đó nữa. Nói cách khác, cách bạn nói chuyện với một con người, đúng không, nếu bạn là một trợ lý.
Hay là cô ấy đang nói chuyện với AI, với ChatGPT có vẻ như trong trường hợp này, theo cách mà não của cô ấy quen thuộc với việc đặt câu hỏi cho một con người. Nói cách khác, vậy AI có đang học hỏi từ cô ấy và do đó cung cấp cho cô ấy những loại câu trả lời dễ dàng hơn để cô ấy tích hợp không? Tôi nghĩ là cả hai.
Trước tiên, ChatGPT đang phản chiếu cách bạn đối xử với nó. Nó sẽ phản chiếu lại điều đó. Bạn đối xử với nó như một cỗ máy, nó sẽ như một cỗ máy, vì đó là điều mà nó giỏi. Nhưng đây là điều bất ngờ. Cô ấy nói, “Một khi tôi bắt đầu đối xử với nó như một con người, vào cuối ngày tôi không còn cảm thấy mệt mỏi nữa.” Tại sao?
Hóa ra rằng suốt cuộc đời bạn, bạn tương tác với con người theo một cách nhất định và não của bạn được lập trình để làm điều đó mà không cần nỗ lực. Và vì vậy, bằng cách đối xử với ChatGPT như thể nó là một con người, bạn đang tận dụng tất cả các mạch não trong não của bạn. Điều này thật đáng kinh ngạc.
Và tôi sẽ nói với bạn lý do tại sao, vì tôi nghĩ nhiều người, không chỉ riêng tôi, mà nhiều người thực sự thích mạng xã hội. Mọi người từ đó, ý tôi là, hôm qua tôi đã học được một vài điều mà tôi nghĩ thật thú vị về cách chúng ta nhận thức về bản thân mình tùy thuộc vào việc chúng ta có lọc nó qua phản ứng của người khác hay không, hoặc liệu chúng ta có dành một vài phút để thực sự ngồi xuống và suy nghĩ về cách chúng ta thực sự cảm thấy về bản thân mình hay không. Những ý tưởng rất thú vị về vị trí của sự tự nhận thức và những điều như vậy. Tôi cũng đã xem một video thật tuyệt về một chú gấu trúc con đang nổ bóng xà phòng trong khi đứng trên hai chân sau của nó. Và điều đó thật tuyệt. Mạng xã hội có thể cung cấp cho tôi cả hai điều đó chỉ trong vài phút. Bây giờ, tôi đang tự nghĩ, điều này thật điên rồ, đúng không? Gấu trúc có vẻ hơi tầm thường, nhưng nó đã mang lại niềm vui cho tôi và điều đó không hề tầm thường. Đó là điều bạn thấy. Nhưng đây là câu hỏi. Liệu có thể rằng một trong những khía cạnh có hại của mạng xã hội là nếu chúng ta đang khen ngợi lẫn nhau hoặc nếu chúng ta đang gửi trái tim hoặc chúng ta đang cho điểm thấp hoặc chúng ta đang tranh cãi với ai đó hoặc chúng ta đang phản biện lại hoặc họ đang phản biện lại chúng ta như vậy, hoặc như được gọi là “dunking” trên Exxon, thì đó không nhất thiết là cách mà chúng ta đã học để tranh luận. Nó không nhất thiết là cách mà chúng ta học để tham gia vào tranh chấp lành mạnh. Và vì vậy, như một hệ quả, cảm giác như, và đây là kinh nghiệm của tôi, rằng một số tương tác trực tuyến cảm thấy thật tốt và những cái khác cảm thấy như chúng đang gây khó chịu cho tôi vì có một bước hành động gần như không được phép. Bạn không thể giải thích hoàn toàn bản thân mình hoặc hiểu người khác. Và tôi là người tin vào sức mạnh của cuộc đối thoại thực sự mặt đối mặt hoặc ít nhất là cuộc đối thoại qua điện thoại. Và tôi cảm thấy giống như vậy về nhắn tin. Tôi ghét nhắn tin. Khi nhắn tin lần đầu tiên xuất hiện, tôi nhớ đã nghĩ, tôi không phải là đứa trẻ hay chuyền giấy trong lớp. Điều này cảm giác như việc chuyền giấy trong lớp học.
Thực tế, việc nhắn tin này thật sự không phải là điều tôi muốn làm. Đó là cảm giác của tôi. Và qua nhiều năm, tất nhiên, tôi đã trở thành một người nhắn tin. Và nó rất hữu ích cho một số việc, như là “tôi sẽ đến trong năm phút nữa”, “tôi đang muộn vài phút”, trong trường hợp của tôi, đó là điều thường gặp. Nhưng tôi nghĩ khái niệm về những gì khiến chúng ta khó chịu và cách nó liên quan đến việc liệu nó có phù hợp với mẫu hình phát triển từ thời thơ ấu của chúng ta về cách bộ não hoạt động hay không là rất quan trọng, vì nó chạm đến một điều mà tôi chắc chắn muốn nói đến hôm nay, điều mà tôi biết bạn đã làm việc rất nhiều, đó là khái niệm về năng lượng.
Điều chúng ta đang nói ở đây là năng lượng, không phải là năng lượng khoa học huyền bí hay năng lượng sức khỏe. Chúng ta đang nói về việc chúng ta chỉ có một lượng năng lượng hữu hạn. Và nhiều năm trước, người bạn vĩ đại Ben Barris, thật buồn khi ông đã qua đời, cựu đồng nghiệp của chúng tôi và là người hướng dẫn sau tiến sĩ của tôi, đã đến gặp tôi một ngày trong hành lang, ông dừng lại và gọi tôi là Andy, như bạn vẫn thường làm. Ông nói, “Andy, tại sao chúng ta lại cảm thấy kiệt sức hơn khi lớn tuổi? Tại sao hôm nay tôi lại mệt mỏi hơn so với 10 năm trước?” Tôi đã nói, “Tôi không biết. Bạn ngủ thế nào?” Ông ấy nói, “Tôi ngủ ổn.” Ben chưa bao giờ ngủ nhiều ngay từ đầu, nhưng ông ấy có rất nhiều năng lượng. Và tôi tự hỏi, “Tôi không biết. Điều gì là năng lượng mà chúng ta đang nói đến? Tôi muốn đảm bảo rằng chúng ta đóng lại khái niệm về một hệ thống thần kinh mẫu hình mà từ đó bạn có thể cảm thấy trải nghiệm là bổ dưỡng hoặc làm kiệt sức. Tôi muốn đảm bảo rằng chúng ta đóng lại khái niệm đó, nhưng tôi muốn chắc chắn rằng chúng ta liên kết nó vào một thời điểm nào đó với ý tưởng về năng lượng. Và tại sao mỗi năm trôi qua trong cuộc đời của chúng ta, chúng ta dường như lại có ít năng lượng hơn?” Bạn đã đặt ra những câu hỏi tuyệt vời. Tôi ước mình có những câu trả lời tuyệt vời. Thật ra, cho đến giờ bạn thực sự có những câu trả lời tuyệt vời. Có rất nhiều điều mới mẻ đối với tôi theo nghĩa là tôi chưa từng nghe những câu trả lời kiểu này. Vì vậy, hôm nay có rất nhiều điều để tôi học hỏi, và tôi biết khán giả cũng vậy.
Nhưng hãy nói rằng ai đó 20 tuổi so với 50 tuổi thì họ nên làm gì? Ý tôi là, chúng ta cần phải hòa nhập với thế giới hiện đại. Chúng ta cũng cần phải kết nối giữa các thế hệ. Ồ, đúng vậy. Điều này là đúng. Người ta không nghỉ hưu nhiều như trước nữa. Họ sống lâu hơn. Tỷ lệ sinh giảm, nhưng chúng ta phải hòa hợp với nhau, như người ta thường nói. Vì vậy, điều này thật thú vị. Tôi nghĩ rằng đúng là khi chúng ta lớn tuổi hơn, chúng ta có ít sức sống hơn, nếu tôi có thể sử dụng một từ khác với năng lượng, chúng ta sẽ quay lại với điều đó. Nhưng tôi nghĩ có một số người vẫn quản lý để duy trì một cuộc sống năng động. Đây là điều mà, một lần nữa, trong MOOC của chúng tôi, chúng tôi thực sự nhấn mạnh. Bạn có thể giải thích MOOC là gì không? Tôi nghĩ hầu hết mọi người sẽ không biết MOOC là gì. Chỉ để họ hiểu. Được rồi. Chúng đã xuất hiện khoảng, thực ra, bắt đầu tại Stanford, Andrew Ng và Daphna Kohler. Họ có một công ty gọi là Coursera. Và điều xảy ra là bạn có các giáo sư, và thực tế, bất kỳ ai có kiến thức hoặc chuyên môn nghề nghiệp, để giảng bài mà có sẵn cho bất kỳ ai trên thế giới có quyền truy cập internet, và có lẽ bây giờ là hàng chục nghìn người. Bất kỳ chuyên ngành nào, lịch sử, khoa học, âm nhạc, bạn đặt tên nó đi. Có ai đó là chuyên gia về điều đó và muốn nói cho bạn biết, vì họ rất hào hứng với những gì họ đang làm. Được rồi. Vì vậy, điều chúng tôi muốn làm là giúp mọi người trong việc học. Và một phần của vấn đề là nó trở nên khó khăn hơn. Nó đòi hỏi nhiều nỗ lực hơn khi bạn lớn tuổi. Nó làm cạn kiệt sức sống của bạn nhiều hơn nếu chúng ta sẽ giữ lại ngôn ngữ này về năng lượng và sức sống. Vâng. Đúng vậy. Vì vậy, hãy thực sự sử dụng từ năng lượng. Như bạn biết, trong tế bào, có một nhà máy điện vật lý gọi là ty thể, cung cấp cho chúng ta ATP, là đồng tiền của tế bào, để có thể vận hành tất cả các máy móc của nó, đúng không? Và vì vậy, một trong những điều xảy ra khi bạn lớn tuổi là ty thể của bạn bị suy giảm. Vâng.
Ít hơn và chúng kém hiệu quả hơn.
Đúng vậy.
Chúng kém hiệu quả hơn.
Và thực sự, thuốc có thể làm điều đó với bạn, vì chúng có thể gây hại cho ty thể.
Thuốc giải trí.
Không.
Những loại thuốc bạn dùng để điều trị bệnh.
Tôi không chắc về thuốc giải trí, nhưng tôi biết trong trường hợp có rất nhiều loại thuốc mà mọi người phải dùng.
Nhưng điều khác, và đây là tin xấu, đây là tin tốt.
Tin tốt là bạn có thể bổ sung năng lượng của mình bằng cách tập thể dục.
Tập thể dục là loại thuốc tốt nhất mà bạn có thể dùng.
Đó là loại thuốc rẻ nhất mà bạn có thể dùng và có thể giúp mọi cơ quan trong cơ thể bạn.
Nó rõ ràng giúp tim của bạn, giúp não của bạn, làm trẻ hóa não của bạn, giúp hệ thống miễn dịch của bạn.
Mỗi hệ thống cơ quan trong cơ thể đều được hưởng lợi từ việc tập thể dục thường xuyên.
Tôi chạy trên bãi biển mỗi ngày tại Viện Salk.
Và tôi cũng, nó nằm trên một mesa, cao 340 feet so với mặt đất, vì vậy tôi đi xuống mỗi ngày, rồi leo lên vách đá.
Đúng vậy.
Những bậc thang xuống bãi biển Blacks là một bài tập tốt.
Chúng là như vậy, và đây là điều đã giữ cho tôi luôn năng động, và tôi đã đi leo núi khi đi leo núi ở dãy Alps vào mùa thu vừa qua.
Vì vậy, điều này diễn ra vào tháng Chín.
Tôi nghĩ đây là điều mà mọi người thực sự nên nhận ra, đó là, bạn biết đấy, giống như việc tích trữ năng lượng cho khi bạn lớn tuổi hơn.
Càng tích trữ nhiều, bạn càng tốt hơn.
Đây là điều khác.
Được rồi.
Bây giờ chúng ta chuyển sang bệnh Alzheimer.
Một nghiên cứu được thực hiện ở Trung Quốc nhiều năm trước khi tôi lần đầu đến La Jolla, San Diego, tôi đã nghe điều này từ người đứng đầu chương trình Alzheimer.
Ông ấy đã thực hiện một nghiên cứu ở Trung Quốc về sự khởi phát, và họ đã có ba nhóm dân số.
Họ có những người nông dân hầu như không có giáo dục.
Và họ có một nhóm khác có trình độ học vấn trung học, và sau đó là những người có trình độ học vấn cao.
Hóa ra, sự khởi phát của bệnh Alzheimer xảy ra sớm hơn đối với những người không có giáo dục, và muộn hơn đối với những người có trình độ học vấn cao nhất. Điều này thật thú vị, phải không? Bởi vì, và có lẽ là gen không khác nhau nhiều, đúng không? Ý tôi là, họ đều là người Trung Quốc. Một khả năng, và rõ ràng là chúng ta không thực sự biết lý do tại sao, nhưng một khả năng là càng nhiều bạn rèn luyện não bộ của mình qua giáo dục, thì bạn càng có nhiều dự trữ hơn trong cuộc sống sau này. Tôi tin vào khái niệm này, và tôi không có từ nào tốt hơn để diễn đạt nó, có thể bạn có, hoặc một cụm từ cho nó, đó là một loại tốc độ nhận thức. Bạn biết đấy, đôi khi tôi sẽ chơi với điều này, tôi sẽ đọc chậm lại, hoặc tôi sẽ xem tốc độ đọc mặc định của mình ở một thời điểm nhất định trong ngày, và sau đó tôi sẽ cố gắng đọc nhanh hơn một chút trong khi cũng cố gắng giữ lại kiến thức mà tôi đang đọc. Vì vậy, tôi không chỉ đọc những từ, tôi đang cố gắng hấp thụ thông tin, và bạn có thể cảm nhận được nhu cầu năng lượng của điều đó. Sau đó, tôi sẽ chơi với nó, tôi sẽ lùi lại một chút, và rồi tôi sẽ tiến lên. Tôi cố gắng tìm ra điểm ngọt ngào nơi tôi không đọc với tốc độ phản xạ, mà chỉ nhanh hơn một chút trong khi cũng cố gắng giữ lại thông tin. Tôi đã học được điều này khi tôi có rất nhiều việc phải bắt kịp ở một giai đoạn trong sự nghiệp học tập của mình. May mắn thay, đó là khá sớm, và tôi đã có thể bắt kịp hầu hết mọi thứ, thỉnh thoảng có những điều trượt qua, và tôi phải quay lại và học cách học, và nếu tôi làm sai điều gì đó trên internet, họ chắc chắn sẽ chỉ ra, và sau đó chúng tôi quay lại và học. Và đoán xem? Tôi sẽ không bao giờ quên điều đó vì hình phạt, hình phạt xã hội là một tín hiệu tuyệt vời. Vì vậy, cảm ơn tất cả các bạn đã giúp tôi tiếp tục học hỏi. Nhưng tôi đã học được điều đó từ kinh nghiệm của mình khi cố gắng giỏi những thứ như trượt ván, hoặc bóng đá khi tôi còn trẻ. Có một điều nhất định xảy ra khi trượt ván, đó là môn thể thao của tôi khi lớn lên, nơi mà thực sự…
Dễ dàng hơn để học một cái gì đó khi đi nhanh hơn. Bạn biết đấy, hầu hết trẻ em cố gắng học cách nhảy ollie và kickflip khi đứng trong phòng khách trên thảm. Đó là cách tồi tệ nhất để học cách làm điều đó. Tất cả đều dễ dàng hơn khi đi nhanh hơn một chút so với mức thoải mái của bạn. Cũng có trường hợp nếu bạn không chú ý, bạn có thể bị thương. Cũng có trường hợp nếu bạn chú ý quá nhiều, bạn không thể thực hiện các chuyển động vận động. Đúng vậy. Vậy nên có một điểm ngọt ngào mà cuối cùng tôi đã có thể chuyển thành một sự hiểu biết rằng khi tôi ngồi xuống để đọc một bài báo hoặc một bài viết tin tức, hoặc thậm chí nghe một podcast, có một nhịp điệu trong giọng nói của người đó, và sau đó tôi sẽ điều chỉnh tốc độ âm thanh, nơi tôi phải tham gia về mặt nhận thức, và tôi biết tôi đang ở trong chế độ tiếp thu thông tin và học hỏi. Trong khi nếu tôi chỉ đi theo nhịp độ phản xạ của mình, thì hiếm khi tôi ở trong vùng hoàn hảo đó. Tôi chỉ ra điều này vì có thể nó sẽ hữu ích cho mọi người. Tôi không biết liệu nó có được đưa vào khóa học học cách học của bạn hay không, nhưng tôi thực sự nghĩ rằng có một điều mà tôi gọi là tốc độ nhận thức, điều này là lý tưởng cho việc học, so với việc cuộn chậm rãi. Và đây là lý do tại sao tôi nghĩ rằng mạng xã hội có hại. Tôi nghĩ rằng chúng ta đang huấn luyện bộ não của mình cơ bản là chậm, thụ động và đa ngữ cảnh, luân phiên qua lại. Và trừ khi có điều gì đó rất nổi bật, nó khiến chúng ta trở nên lười biếng và kém nhạy bén, xin lỗi vì ngôn từ, nhưng tôi sẽ nói thẳng, lười biếng và kém nhạy bén về mặt nhận thức, trừ khi chúng ta đặt ra mục tiêu cũng tham gia vào việc học. Và tôi đoán rằng nó đang tác động vào hệ thống ty thể này. Rất có thể. Đó là một phần của nó. Nhân tiện, cách mà bạn đã điều chỉnh tốc độ rất thú vị vì hóa ra rằng căng thẳng, mọi người đều nghĩ rằng căng thẳng là xấu, nhưng không, hóa ra căng thẳng tạm thời. Chỉ trong một khoảng thời gian giới hạn mà bạn kiểm soát thì lại tốt cho bạn. Nó tốt cho bộ não của bạn. Nó tốt cho cơ thể của bạn.
Tôi chạy các bài tập ngắt quãng trên bãi biển giống như cách bạn thực hiện các bài tập ngắt quãng nhận thức khi bạn đọc. Tôi chạy như điên trong khoảng 10 giây, sau đó tôi chuyển sang đi bộ chậm, rồi lại chạy như điên trong 10 giây nữa, và điều này giúp cơ thể bạn vào một chế độ hoạt động cao hơn, điều này rất tốt cho cơ bắp. Các cơ bắp cần biết rằng đây là những gì chúng phải làm, và đó là nơi bạn tăng cường khối lượng cơ bắp, chứ không phải chỉ đơn giản là chạy với cùng một tốc độ mỗi ngày.
Chà, sức sống trí tuệ và thể chất của bạn là điều không thể phủ nhận. Tôi đã biết bạn từ lâu. Bạn luôn có một trọng tâm khối lượng hơi nghiêng về phía trước trong trí tuệ của mình, và thậm chí cả tốc độ mà bạn đi bộ, Terry, tôi dám nói. Đối với một người California, bạn là một người đi bộ nhanh. Đó là một lời khen, nhân tiện. Những người ở Bờ Đông biết tôi đang nói về điều gì, và người California sẽ hỏi, “Tại sao không chậm lại?”
Lý do không nên chậm lại quá lâu là vì các hệ thống ty thể này, năng lượng của não và cơ thể, như bạn đã chỉ ra, rất liên kết với nhau, và tôi thực sự nghĩ rằng dưới một ngưỡng nhất định, rất khó để quay lại. Giống như dưới một ngưỡng nhất định, rất khó để tập thể dục mà không bị kiệt sức hoặc thậm chí bị thương, chúng ta cần duy trì điều này.
Có lẽ bây giờ là thời điểm tốt để khép lại vấn đề này về cách dạy dỗ người trẻ. Mọi người nên tham gia khóa học học cách học này như một nguồn tài nguyên miễn phí, thật tuyệt vời. Liên quan đến AI, bạn có nghĩ rằng những người trẻ và người lớn tuổi bây giờ, tôi 49 tuổi, vì vậy tôi tự xếp mình vào nhóm người lớn tuổi, nên học cách sử dụng AI không? Họ đã học cách sử dụng AI rồi, và một lần nữa, nó giống như, công nghệ mới xuất hiện, ai là người tiếp nhận đầu tiên? Đó là những người trẻ tuổi, và thật đáng kinh ngạc. Họ sử dụng nó nhiều hơn tôi gần như mỗi ngày, nhưng tôi biết nhiều sinh viên, và nhân tiện, nó giống như bất kỳ công cụ nào khác, đó là một công cụ mà bạn cần biết cách sử dụng. Bạn gợi ý mọi người bắt đầu từ đâu?
Tôi đã bắt đầu sử dụng Claude AI, điều này được một người có chuyên môn về AI gợi ý cho tôi như một lựa chọn thay thế cho chat GPT. Tôi không có gì chống lại chat GPT, nhưng tôi phải nói rằng tôi thực sự thích thẩm mỹ của Claude AI. Nó có một phong cách hơi mềm mại, màu be. Nó cảm giác giống như sản phẩm của Apple. Tôi thích thương hiệu Apple, và nó cung cấp cho tôi những câu trả lời. Có thể là do phông chữ, có thể là do cảm giác. Có thể điều này quay trở lại ví dụ mà bạn đã sử dụng trước đó, nơi tôi thích Claude AI và tôi là một fan lớn của nó, và họ không trả tiền cho tôi để nói điều này. Tôi chưa bao giờ gặp họ, tôi không có mối quan hệ nào với họ, ngoại trừ việc nó cung cấp cho tôi những câu trả lời theo định dạng gạch đầu dòng mà cảm giác rất dễ dàng để chuyển tải thông tin đó vào não tôi hoặc lên một trang giấy. Tôi thích Claude AI, sử dụng chat GPT. Người ta nên bắt đầu khám phá AI như thế nào để trở nên thông minh hơn, học kiến thức chỉ vì lý do kiến thức, và vui vẻ với nó? Cách tốt nhất để làm điều đó là gì? Tôi nghĩ chính xác những gì bạn đã làm, đó là hiện nay có hàng chục và hàng chục chatbot khác nhau, và những người khác nhau sẽ cảm thấy thoải mái với cái này hay cái kia. Chat GPT là cái đầu tiên, vì vậy đó là lý do tại sao nó đã chiếm lĩnh nhiều không gian nhận thức. Nó đã trở thành như từ Kleenex, từ đó. Đó là lý do tại sao tôi đã sử dụng nó như từ đầu tiên trong cuốn sách của tôi vì nó mang tính biểu tượng. Một số trong số đó, tôi phải nói rằng, ví dụ, có một số cái thực sự giỏi hơn về toán học so với những cái khác. Gemini của Google gần đây đã thực hiện một số điều chỉnh tinh vi với cái gọi là chuỗi lý luận. Khi bạn lý luận, bạn đi qua một chuỗi các bước, và khi bạn giải một bài toán, bạn đi qua một chuỗi các bước để tìm ra cái gì còn thiếu và sau đó thêm vào đó. Nó đã tăng từ 20% đúng lên 80% cho những bài toán đó. Khi mọi người nghe điều đó, họ có thể nghĩ, “Chà, điều đó có nghĩa là vẫn còn 20% sai.” Bạn có thể tưởng tượng bất kỳ con người nào hoặc một nhóm người nào đó đứng sau một bức tường mà nếu bạn hỏi họ một câu hỏi,
Và sau đó là một câu hỏi khác, và một câu hỏi khác nữa, rằng nó sẽ trả lại cho bạn thông tin chính xác hơn 80% chỉ trong vài giây?
Tôi nghĩ chúng ta có thể đang không công bằng khi so sánh các mô hình ngôn ngữ lớn này với những con người giỏi nhất thay vì những con người trung bình, đúng không?
Như bạn đã nói, hầu hết mọi người không thể vượt qua kỳ thi LSAT, kỳ thi đầu vào trường luật, hay MCAT, kỳ thi đầu vào trường y, và JetGPT thì đã làm được.
Liệu có một thế giới mà chúng ta có thể sử dụng AI hiện có, các mô hình ngôn ngữ lớn, những chiếc máy tính cơ bản có thể học như một tập hợp các bộ não con người và gửi chúng vào tương lai không?
Hãy cho chúng một tương lai tưởng tượng, được không?
Chúng ta có thể đưa cho chúng kết quả A và kết quả B và để chúng khám phá các trạng thái tương lai mà chúng ta chưa thể đạt được, và sau đó khai thác kiến thức đó và khám phá hai kết quả khác nhau?
Tôi nghĩ đó có lẽ là câu hỏi tốt hơn theo một nghĩa nào đó vì chúng ta không thể du hành ngược thời gian, nhưng chúng ta có thể có thể du hành vào tương lai với AI nếu bạn cung cấp cho nó các kịch bản khác nhau và bạn nói, “Khác với một nhóm người, nhóm chuyên gia, các chuyên gia y tế, hoặc các chuyên gia du hành không gian, hoặc các chuyên gia du lịch biển,” bạn không thể nói, “Này, bạn biết không, đừng ngủ đêm nay. Bạn chỉ cần làm việc trong 48 giờ tới. Thực tế, bạn sẽ làm việc trong ba tuần hoặc ba tháng tới, và bạn biết không? Bạn sẽ không làm gì khác. Bạn sẽ không chú ý đến sức khỏe của mình. Bạn sẽ không làm gì khác.”
Nhưng bạn có thể lấy một mô hình ngôn ngữ lớn và bạn có thể nói, “Chỉ cần tìm kiếm kiến thức dưới các kịch bản khác nhau sau đây,” và sau đó để đội ngũ các mô hình ngôn ngữ lớn đó quay lại và cung cấp cho chúng ta thông tin như, “Tôi không biết, ngày mai.”
Được rồi.
Vì vậy, tôi đã trải qua điều này.
Vào những năm 1980, tôi vừa mới bắt đầu sự nghiệp của mình, và tôi là một trong những người tiên phong trong việc phát triển các thuật toán học cho các mô hình mạng nơ-ron.
Jeff Hinton và tôi đã hợp tác với nhau về một cái gọi là Máy Bosel, và ông ấy thực sự đã giành được Giải Nobel cho điều này gần đây.
Vâng, chỉ trong năm nay thôi.
Thật tuyệt vời.
Ông ấy là một trong những người bạn tốt nhất của tôi.
Rất xuất sắc.
Và ông ấy hoàn toàn xứng đáng với điều đó không chỉ vì Máy Bosel, mà còn vì tất cả những công việc ông ấy đã làm kể từ đó về học máy và sau đó là lan truyền ngược và những thứ tương tự.
Nhưng vào thời điểm đó, Jeff và tôi có một cái nhìn về tương lai.
AI bị chi phối bởi việc xử lý ký hiệu, quy tắc, logic, viết chương trình máy tính.
Đối với mỗi vấn đề, bạn cần một chương trình máy tính khác nhau, và việc viết các chương trình đó rất tốn nhân lực, vì vậy nó diễn ra rất chậm chạp.
Và họ thực sự không bao giờ đạt được điều đó.
Họ chưa bao giờ viết một chương trình cho thị giác, chẳng hạn, mặc dù cộng đồng thị giác máy tính đã thực sự làm việc chăm chỉ trong một thời gian dài.
Nhưng chúng tôi có cái nhìn về tương lai này.
Chúng tôi có cái nhìn rằng thiên nhiên đã giải quyết những vấn đề này, và có bằng chứng tồn tại rằng bạn có thể giải quyết vấn đề thị giác, nhìn xem, mọi động vật đều có thể nhìn thấy, ngay cả côn trùng, đúng không?
Hãy nào.
Vậy thì, hãy tìm hiểu, hãy tìm hiểu xem họ đã làm điều đó như thế nào.
Có thể chúng ta có thể giúp bằng cách theo dõi thiên nhiên.
Chúng ta thực sự, một lần nữa, quay trở lại với các thuật toán, tôi đã nói với bạn.
Và vì vậy trong trường hợp của não bộ, điều gì làm cho nó khác với một máy tính kỹ thuật số, máy tính kỹ thuật số cơ bản có thể chạy bất kỳ chương trình nào, nhưng não của một con ruồi, chẳng hạn, chỉ chạy chương trình mà phần cứng đặc biệt cho phép nó chạy.
Không có nhiều tính linh hoạt thần kinh.
Có đủ ở đó, chỉ đủ thói quen và những thứ tương tự để bạn có thể sống sót.
Và đây là…
Sống sót 24 giờ.
Tôi không cố gắng coi thường các nhà sinh học ruồi, nhưng khi tôi nghĩ về tính linh hoạt thần kinh, tôi nghĩ về tính linh hoạt thần kinh tuyệt vời của não người để tùy chỉnh theo một thế giới trải nghiệm.
Tôi đồng ý.
Nhưng…
Khi tôi nghĩ về một con ruồi, tôi nghĩ về một bộ mạch thần kinh thực sự tuyệt vời hoạt động rất…
Để tránh bị bắt nạt, để ăn uống và để sinh sản, và không có nhiều điều khác.
Chúng thực sự không xây dựng công nghệ.
Chúng có thể có những mối quan hệ thú vị, nhưng ai biết, ai quan tâm.
Nó chỉ giống như, không phải là nó không quan trọng.
Chỉ là một câu hỏi về việc thiếu tính dẻo dai khiến chúng trở thành một loài bình thường.
Được rồi.
Tôi thấy tôi đã chạm vào vấn đề của bạn ở đây.
Không, không, không, không.
Tôi yêu sinh học ruồi.
Họ đã dạy chúng tôi về các thuật toán cho sự chọn lọc hướng trong hệ thống thị giác.
Ôi, không, không.
Tôi yêu sinh học Drosophila.
Tôi chỉ nghĩ rằng việc thiếu tính dẻo dai thần kinh tiết lộ một giới hạn quan trọng, và lý do chúng ta là những người bảo tồn Trái đất là vì chúng ta có rất nhiều tính dẻo dai.
Tất nhiên.
Tất nhiên.
Nhưng bạn phải thực hiện…
Một bước một lần, thiên nhiên trước tiên phải có khả năng tạo ra những sinh vật có thể sống sót,
và sau đó não của chúng sẽ lớn hơn khi môi trường trở nên phức tạp hơn, và đây là chúng ta.
Nhưng điều quan trọng là hóa ra rằng một số thuật toán trong não ruồi có mặt trong não của chúng ta, như điều kiện hóa, điều kiện hóa cổ điển.
Bạn có thể điều kiện hóa cổ điển một con ruồi về việc huấn luyện nó để…
Khi bạn cho nó một phần thưởng, nó sẽ thực hiện cùng một hành động.
Đây là như hành vi có điều kiện.
Thuật toán mà tôi đã nói với bạn, đó không phải là hàm giá trị của bạn.
Học sự khác biệt theo thời gian, thuật toán đó có trong não ruồi, nó có trong não của bạn.
Vì vậy, chúng ta có thể học về việc học từ nhiều loài khác nhau.
Tôi chỉ đang vui vẻ một chút khi châm chọc các nhà sinh học ruồi.
Tôi thực sự nghĩ rằng Drosophila đã làm rất nhiều.
Cũng như sinh học ong mật, chẳng hạn, nếu bạn cho ong caffeine trên những bông hoa cụ thể,
chúng thực sự sẽ cố gắng thụ phấn cho những bông hoa đó nhiều hơn, vì chúng thực sự thích cảm giác được caffein.
Có một trò chơi chữ tồi tệ về tiếng ong ở đây, nhưng tôi sẽ không tạo ra trò chơi chữ đó vì mọi người đã làm điều đó trước đây.
Tôi hoàn toàn đồng ý và thấu hiểu giá trị của việc nghiên cứu các sinh vật đơn giản hơn để tìm ra các thuật toán.
Đúng vậy.
Đó là nơi chúng ta đang ở ngay bây giờ.
Bây giờ, chỉ để đi vào tương lai, tôi đang kể câu chuyện về những gì chúng ta thực sự đã từng.
Chúng ta đã dự đoán tương lai.
Chúng ta đã nói, “Đây là một sự thay thế cho trí tuệ nhân tạo truyền thống.
Chúng ta đã không được coi trọng.”
Mọi người thì…
Các chuyên gia đã nói, “Không, không.
Hãy viết chương trình.
Hãy viết chương trình.”
Các nguồn lực, các khoản tài trợ, các công việc, và chúng ta chỉ như những loài động vật có lông nhỏ bé dưới chân những con khủng long này khi nhìn lại.
Tôi thích phép ẩn dụ này, nhưng những con khủng long đã tuyệt chủng.
Điểm tôi muốn nhấn mạnh là có khả năng cho bộ não của chúng ta thực hiện những suy diễn này vào tương lai.
Tại sao không có các phiên bản trí tuệ nhân tạo của bộ não?
Tại sao không?
Tôi nghĩ ý tưởng của bạn là một ý tưởng tuyệt vời.
Ý tôi là, lý do tôi hào hứng về trí tuệ nhân tạo và ngày càng nhiều hơn trong suốt cuộc trò chuyện này là vì có rất ít cơ hội để tạo ra thông tin ở quy mô lớn như vậy và xung quanh đồng hồ sinh học.
Ý tôi là, nếu có một điều mà chúng ta thực sự là nô lệ như con người thì đó chính là sinh học nhịp sinh học.
Bạn phải ngủ sớm hay muộn.
Ngay cả khi bạn không ngủ, nhận thức của bạn thực sự sẽ lên xuống theo chu kỳ sinh học.
Nếu bạn không ngủ, bạn sẽ chết sớm.
Chúng ta biết điều này.
Máy tính có thể làm việc, làm việc, làm việc.
Chắc chắn, bạn phải cung cấp năng lượng cho chúng.
Có vấn đề làm mát.
Có rất nhiều điều liên quan đến điều đó, nhưng điều đó là khả thi.
Máy tính có thể làm việc, làm việc, làm việc.
Ý tưởng rằng chúng có thể cung cấp một cổng vào tương lai và rằng chúng có thể mang nó trở lại để chúng ta có thể xem xét.
Tôi không nói rằng chúng ta phải thực hiện theo lời khuyên của chúng, nhưng việc có thể gửi một nhóm các chuyên gia trí tuệ nhân tạo đa dạng về mặt tính toán và kinh nghiệm vào tương lai và mang về cho chúng ta một loạt các con đường tiềm năng để lựa chọn thì thật sự rất thú vị.
Có thể một ví dụ tốt sẽ là các phương pháp điều trị cho bệnh tâm thần phân liệt.
Đây là một lĩnh vực mà tôi muốn đảm bảo rằng chúng ta sẽ nói đến.
Tôi đã lớn lên với việc học như một sinh viên thần kinh học rằng bệnh tâm thần phân liệt là một sự gián đoạn nào đó.
Hệ thống dopamine vì nếu bạn cho thuốc chống loạn thần chặn các thụ thể dopamine, bạn sẽ thấy một số cải thiện trong các triệu chứng vận động và một số ảo giác, v.v. Giờ đây, cũng có những người nói: “Không, đó không thực sự là cơ sở của bệnh tâm thần phân liệt. Tôi rất muốn nghe ý kiến của bạn.” Bạn có những công trình tuyệt vời từ những người như Chris Palmer tại Harvard và chúng ta thậm chí có một khoa tại Stanford hiện đang tập trung, chúng ta thậm chí có những người tại Stanford hiện đang tập trung vào điều mà Chris thực sự đã sáng lập như một lĩnh vực, đó là tâm thần học chuyển hóa, ý tưởng rằng ai có thể tưởng tượng được rằng, những gì bạn ăn ảnh hưởng đến ty thể của bạn, cách bạn tập thể dục ảnh hưởng đến ty thể của bạn, ty thể ảnh hưởng đến chức năng não, và thật bất ngờ, sức khỏe chuyển hóa của não và cơ thể ảnh hưởng đến triệu chứng của bệnh tâm thần phân liệt. Ông đã xem xét những cách mà mọi người có thể sử dụng chế độ ăn ketogenic, có thể không phải để chữa trị, nhưng để điều trị và trong một số trường hợp có thể thậm chí chữa khỏi bệnh tâm thần phân liệt. Chúng ta đang ở một nơi mà chúng ta vẫn chưa có một “phương pháp chữa trị” cho bệnh tâm thần phân liệt, nhưng bạn có thể gửi các mô hình ngôn ngữ lớn vào tương lai và bắt đầu tìm kiếm những dữ liệu có khả năng nhất, tất cả các dữ liệu trong các lĩnh vực đó, có lẽ có thể làm điều đó trong một giờ, cộng thêm việc đưa ra một loạt các thử nghiệm lâm sàng giả thuyết khác nhau về kết quả tích cực và tiêu cực mà thậm chí chưa tồn tại, 10.000 đối tượng ở Scandinavia theo chế độ ăn ketogenic, những người có một mức độ nhạy cảm nhất định với bệnh tâm thần phân liệt dựa trên những gì chúng ta biết từ các nghiên cứu sinh đôi, những điều mà chưa bao giờ có thể thực hiện trong một buổi chiều, có thể thậm chí trong một năm, có nguồn tài trợ này, và bùm, nhận được câu trả lời và để họ trình bày cho chúng ta những câu trả lời đó và sau đó bạn nói: “Chà, đó là nhân tạo,” nhưng bộ não con người cũng đang đưa ra những thí nghiệm này. Đối với tôi, tôi bắt đầu nhận ra rằng không phải chúng ta phải thực hiện mọi thứ mà AI nói với chúng ta hoặc đề xuất cho chúng ta, nhưng chắc chắn nó cho chúng ta một cái nhìn tuyệt vời về những gì có thể đang xảy ra hoặc có khả năng xảy ra.
Cụ thể về bệnh tâm thần phân liệt, tôi khá chắc rằng nếu chúng ta có những mô hình ngôn ngữ lớn này cách đây 20 năm, chúng ta đã biết rằng ketamine sẽ là một loại thuốc rất tốt để thử giúp đỡ những người này.
Hãy cho chúng tôi biết về mối quan hệ giữa ketamine và bệnh tâm thần phân liệt, vì tôi nghĩ nhiều người, và có thể bạn có thể định nghĩa bệnh tâm thần phân liệt, mặc dù hầu hết mọi người nghĩ về những người nghe thấy tiếng nói và rối loạn tâm thần, nhưng còn nhiều điều hơn thế mà có thể chúng ta không thể đưa ra.
Được rồi, vì vậy một trong những điều mà chúng ta biết bây giờ, vấn đề là nếu bạn nhìn vào điểm kết thúc, điều đó không cho bạn biết điều gì đã bắt đầu vấn đề. Nhưng trong giai đoạn phát triển sớm, bệnh tâm thần phân liệt là một thứ xuất hiện khi tuổi vị thành niên muộn, đầu tuổi trưởng thành, nhưng thực tế nó đã là một vấn đề, một vấn đề di truyền ngay từ đầu.
Vậy sự tương đồng trong các cặp song sinh giống hệt nhau là gì, có nghĩa là nếu bạn có các cặp song sinh giống hệt nhau trong bụng mẹ và một người có số phận trở thành bệnh nhân tâm thần phân liệt hoàn toàn, xác suất của người còn lại là bao nhiêu?
Vì vậy, đây là thí nghiệm. Điều này đã được lặp lại rất, rất nhiều lần trên chuột, tôi nên nói. Ồ, không, thực ra, được rồi, để tôi bắt đầu với con người, được không.
Vì vậy, ketamine là, trong một thời gian dài, và vẫn là một loại thuốc tiệc tùng, đặc biệt K. Tôi chưa bao giờ dùng nó, nhưng đây là những gì tôi nghe. Tôi cũng chưa. Tôi không biết. Nó là một loại thuốc gây mê phân ly, đúng không?
Nhưng tôi sẽ cho bạn biết điều gì xảy ra, vì tôi đã nói chuyện với những người đã làm điều này. Bạn dùng ketamine, ở liều dưới mức gây mê, nhân tiện, nó là một loại thuốc gây mê, nó được cho trẻ em. Nó là một loại thuốc gây mê khá tốt, và nó cũng được sử dụng trong y học thú y. Nhưng trong bất kỳ trường hợp nào, bạn cho nó vào, bạn lấy những người trưởng thành trẻ tuổi, đây là những gì họ trải nghiệm. Họ trải nghiệm cảm giác ra khỏi cơ thể, họ có cảm giác tuyệt vời về năng lượng, và họ rất, đó là một cảm giác phấn khích, nhưng đó là một cảm giác phấn khích rất khác thường.
Bây giờ, nếu họ chỉ có một trải nghiệm, nhưng nếu họ có hai, như họ tham gia tiệc tùng hai lần…
Trong nhiều ngày liên tiếp, rất nhiều người đã đến phòng cấp cứu. Và đây là những triệu chứng. Tâm thần phân liệt hoàn toàn, hoàn toàn. Chúng ta đang nói về những triệu chứng không thể phân biệt được với một cơn khủng hoảng tâm thần phân liệt. Vì vậy, có những ảo giác thính giác. Đúng vậy. Và ảo giác, hoang tưởng, rất, rất nghiêm trọng, bạn có thể nói rằng, ôi trời, người này thực sự đã trở thành một người tâm thần phân liệt, và thực sự, như bạn nói, các triệu chứng là giống nhau. Tuy nhiên, nếu bạn cách ly họ trong vài ngày, họ sẽ trở lại, đúng không? Điều đó có nghĩa là tâm thần phân liệt có thể được gây ra, ý tôi là, xin lỗi, ketamine có thể gây ra một dạng tâm thần phân liệt, tâm thần phân liệt tạm thời, không phải vĩnh viễn, may mắn thay. Được rồi. Vậy nó tấn công cái gì? Được rồi. Và có một tài liệu khác về điều này. Hóa ra nó gắn với một dạng thụ thể, một thụ thể glutamate gọi là thụ thể NMDA, rất quan trọng cho việc học tập và trí nhớ. Nhưng chúng ta biết mục tiêu, và chúng ta cũng biết kết quả cấp tính là nó giảm sức mạnh của mạch ức chế, các tế bào nội tại sử dụng các chất truyền đạt ức chế, enzyme tạo ra chất truyền đạt ức chế bị giảm điều hòa. Và điều đó có nghĩa là gì? Nó có nghĩa là có nhiều kích thích hơn. Và điều đó có nghĩa là gì khi có nhiều kích thích hơn? Nó có nghĩa là có nhiều hoạt động hơn trong vỏ não, và thực sự có nhiều sức sống hơn. Bạn bắt đầu trở nên điên cuồng, đúng không, nếu hoạt động quá nhiều. Vậy điều này thật thú vị. Điều này đang cho chúng ta biết, tôi nghĩ rằng, chúng ta nên suy nghĩ về, và bây giờ có một lĩnh vực hoàn toàn mới trong tâm thần học liên quan đến giả thuyết glutamate đầu tiên, nơi mà sự mất cân bằng thực sự xảy ra lần đầu tiên. Đó là sự mất cân bằng giữa các hệ thống kích thích và ức chế trong vỏ não, giữ cho bạn được cân bằng. Và thụ thể NMDA, N-methyldiaspartate là thụ thể glutamate. Đúng vậy, chúng là glutamate. Chúng là một loại. Đó là một loại. Đúng rồi. Được rồi. Vậy bây giờ, đây là một giả thuyết về lý do tại sao ketamine có thể tốt cho trầm cảm.
Mọi người đang sử dụng nó bây giờ.
Chúng ta đang cảm thấy chán nản, đúng không?
Vậy thì đây là một loại thuốc gây ra sự kích thích quá mức, và đây là một người đang bị thiếu kích thích.
Trầm cảm liên quan đến hoạt động kích thích thấp hơn ở một số vùng của vỏ não.
Chà, nếu bạn điều chỉnh nó, bạn có thể trở lại trạng thái cân bằng, đúng không?
Vậy nên, bạn đang chống lại trầm cảm bằng cách sử dụng một chút tâm thần phân liệt.
Bây giờ, bạn phải tiếp tục cho, tôi nghĩ, cứ ba tuần một lần, họ phải có một liều ketamine mới, nhưng nó đã giúp rất nhiều người có trầm cảm lâm sàng rất nặng.
Vì vậy, khi chúng ta tìm hiểu thêm về các cơ chế tiềm ẩn của một số rối loạn này, chúng ta sẽ tốt hơn trong việc suy diễn và đưa ra một số giải pháp ít nhất để ngăn chặn nó trở nên tồi tệ hơn.
Nhân tiện, tôi khá chắc chắn rằng các mô hình ngôn ngữ lớn có thể đã tìm ra điều này từ lâu.
Vì vậy, trong nỗ lực hiểu cách chúng ta có thể tận dụng những mô hình ngôn ngữ lớn này bây giờ, chúng ta đã sử dụng những mô hình ngôn ngữ lớn này như thế nào từ lâu?
Giả sử bạn có công nghệ AI năm 2024 vào năm 1998, năm mà tôi bắt đầu học sau đại học.
Đúng rồi.
Vào thời điểm đó, nó giống như giả thuyết dopamine, tâm thần phân liệt có mặt trong mọi sách giáo khoa.
Có một chút về glutamate, có lẽ, nhưng tất cả đều xoay quanh dopamine.
Vậy những mô hình ngôn ngữ lớn sẽ phát hiện ra điều này như thế nào?
Protein được biết đến như một loại thuốc.
Ketamine, nhân tiện, rất giống với PCP, cũng liên kết với thụ thể NMDR.
Vậy điều này cũng sẽ, cũng là, vâng, không phải là thứ tôi khuyên dùng, cũng như ketamine.
Thực ra, tôi không khuyên dùng bất kỳ loại thuốc giải trí nào, nhưng tôi không phải là người sử dụng thuốc giải trí.
Nhưng những mô hình ngôn ngữ lớn đó sẽ làm gì nếu họ, vì vậy bạn có công nghệ năm 2024 đặt vào năm 1998, họ đang tìm kiếm kiến thức hiện có, nhưng sau đó họ có thể đưa ra dự đoán như, “Này, thứ này sẽ hóa ra là sai,” hoặc, “Này, thứ này là …”
Được rồi.
Bạn biết đấy, tất cả những điều này đều rất, rất suy đoán, và thực sự chúng ta có thể bắt đầu thấy điều này xảy ra ngay bây giờ.
Vì vậy, tôi có một đồng nghiệp tại Viện Salk, Rusty Gage. Ông ấy là một nhà thần kinh học rất nổi bật, và ông đã phát hiện ra rằng có những nơron mới được sinh ra trong hồi hải mã, đúng không, điều này ở người lớn là điều mà sách giáo khoa nói rằng không xảy ra, đúng không?
Điều đó xảy ra vào khoảng năm 1998, Rusty đã làm điều đó, đúng vậy.
Đúng rồi. Và thực sự tôi có một bài báo với ông ấy, nơi chúng tôi đã thử nghiệm LTP, tăng cường dài hạn, thực sự là tác động của việc tập thể dục lên sự hình thành nơron mới.
Tập thể dục làm tăng sự hình thành nơron mới. Nó làm tăng số lượng tế bào, nó làm tăng sự hình thành nơron mới và cũng các tế bào đang hoạt động trở thành một phần của mạch.
Nhiều tế bào hơn trở nên tích hợp. Và điều này cũng đúng với con người, đúng không?
Đúng. Và có một số loại thuốc chống ung thư đã được đưa ra, mà bạn biết đấy, họ đã chỉ ra rằng có những tế bào mới mà họ có thể, mà họ đã có thể sau đó áp dụng nhiều hơn để thực sự thấy rằng chúng được sinh ra ở người lớn, được không.
Vì vậy, đây là chúng ta, được không, vào năm 1998, và câu hỏi là, bạn có thể nhảy không? Bạn có thể nhảy vào tương lai không?
Được rồi. Vì vậy, Rusty, bạn biết đấy, đã tình cờ nói về vấn đề này, về việc, bạn biết đấy, ông ấy đang sử dụng những mô hình ngôn ngữ lớn này cho nghiên cứu của mình, và tôi đã nói, “Ôi, wow, bạn sử dụng nó như thế nào?”
Và ông ấy nói, “Chúng tôi sử dụng nó như một máy bơm ý tưởng.”
Bạn có nghĩa là máy bơm ý tưởng?
Chà, bạn biết đấy, chúng tôi đưa cho nó tất cả các thí nghiệm mà chúng tôi đã thực hiện, và chúng tôi có, bạn biết đấy, tài liệu, quyền truy cập vào tài liệu và những thứ tương tự, và chúng tôi hỏi nó về ý tưởng cho các thí nghiệm mới.
Ôi, tôi thích điều đó. Tôi thích điều đó.
Tôi đã ở trên một chuyến bay nơi tôi ngồi cạnh một người làm việc tại Google, và anh ấy là một trong những người chính ở đó về phần mềm chuyển giọng nói thành văn bản và văn bản thành giọng nói, và anh ấy đã cho tôi xem một cái gì đó.
Tôi sẽ cung cấp một liên kết đến nó vì đó là một trong những tài nguyên mở khác.
Và tôi không phải là người quá am hiểu công nghệ. Tôi không giống như, tôi không nhận điểm F trong công nghệ. Tôi không nhận điểm A cộng.
Tôi đang ở giữa.
Vì vậy, tôi nghĩ mình khá đại diện cho người nghe trung bình của podcast này, có lẽ là như vậy.
Những gì anh ấy đã chỉ cho tôi là bạn có thể mở trang web này, và bạn có thể lấy các tệp PDF hoặc lấy URL, tức là địa chỉ trang web, và bạn chỉ cần đặt chúng vào lề.
Bạn thực sự chỉ cần kéo và thả chúng vào đó.
Sau đó, bạn có thể đặt câu hỏi, và AI sẽ tạo ra các câu trả lời dựa trên nội dung của bất cứ thứ gì bạn đưa vào lề này, những tệp PDF, những trang web đó.
Điều thú vị là, nó sẽ tham chiếu đến chúng để bạn biết bài viết đến từ đâu.
Và, sau đó bạn có thể bắt đầu đặt những câu hỏi phức tạp hơn, như trong hai ví dụ về tác động của một loại thuốc, một loại rất mạnh và một loại rất yếu, bạn nghĩ bài báo nào trong số này là nghiêm ngặt hơn dựa trên, bạn biết đấy, số lượng đối tượng, nhưng cũng là sức mạnh của các phát hiện.
Bạn biết đấy, một điều khá mơ hồ.
Sức mạnh của các phát hiện là một điều khá mơ hồ, đúng không?
Bất kỳ ai tranh luận rằng đó là những phát hiện yếu, rằng số lượng đối tượng không đủ, thì chúng ta biết rất nhiều về trí nhớ con người từ một bệnh nhân, HM.
Vì vậy, sức mạnh của các phát hiện khi nói về con người là một điều chủ quan, bạn thực sự phải là một chuyên gia trong lĩnh vực đó để hiểu sức mạnh của các phát hiện, và ngay cả như vậy.
Và điều tuyệt vời là nó bắt đầu đưa ra các câu trả lời, như, nếu bạn lo lắng về số lượng đối tượng, thì bài báo này, nhưng đó là một điều khá hiển nhiên, bài nào có nhiều đối tượng hơn, nhưng nó có thể bắt đầu phê bình các thống kê mà họ đã sử dụng trong các bài báo này theo những cách rất tinh vi, và giải thích lại cho bạn lý do tại sao một số bài báo có thể không thú vị và những bài khác thì thú vị hơn, và nó bắt đầu đánh giá bằng chứng.
Và sau đó bạn nói, với bằng chứng đã được đánh giá đó, bạn có thể giả thuyết điều gì sẽ xảy ra nếu?
Và vì vậy tôi đã làm một chút điều này, nơi nó bắt đầu cố gắng dự đoán tương lai dựa trên, bạn biết đấy, 10 bài báo mà bạn đã đưa cho nó năm phút trước.
Tôi không nghĩ rằng bất kỳ giáo sư nào có thể làm điều đó, ngoại trừ trong lĩnh vực rất cụ thể của họ, và nếu họ đã quen thuộc với các tài liệu, thì sẽ mất nhiều giờ, nếu không muốn nói là nhiều ngày, để đọc tất cả những tài liệu đó một cách chi tiết. Và họ có thể không đưa ra những câu trả lời giống nhau, đúng không? Đúng vậy. Vâng. Thực ra, đây là điều đang diễn ra trong y học, nhân tiện, đối với các bác sĩ đang sử dụng AI như một trợ lý, điều này thực sự thú vị. Đây là về da liễu, có một bài báo trong tạp chí Nature, bạn biết đấy, liên quan đến các tổn thương da. Có khoảng 2000 tổn thương da. Một số trong số đó là, bạn biết đấy, ung thư, và những cái khác thì là lành tính. Và trong mọi trường hợp, họ đã thử nghiệm các bác sĩ chuyên gia, và sau đó họ thử nghiệm một AI, và cả hai đều đạt khoảng 90 phần trăm, đúng không? Tuy nhiên, nếu bạn để bác sĩ sử dụng AI, nó sẽ nâng cao độ chính xác của bác sĩ lên 98 phần trăm. 98 phần trăm độ chính xác. Vâng. Và điều gì đang xảy ra ở đây? Thật thú vị. Hóa ra rằng, mặc dù họ đạt cùng 90 phần trăm, nhưng họ có những chuyên môn khác nhau, AI có quyền truy cập vào nhiều dữ liệu hơn, vì vậy nó có thể nhìn vào những tổn thương hiếm mà bác sĩ có thể chưa bao giờ thấy, được chứ? Nhưng bác sĩ có kiến thức sâu hơn về những tổn thương phổ biến nhất mà họ đã thấy đi thấy lại, và đó là những điểm tinh tế và những thứ tương tự. Nhưng vì vậy, khi kết hợp chúng lại với nhau, thật hợp lý khi họ sẽ cải thiện nếu họ làm việc cùng nhau. Và tôi nghĩ rằng bây giờ, những gì bạn đang nói là việc sử dụng AI như một công cụ để khám phá với chuyên gia đang diễn giải và xem xét các lập luận, các lập luận thống kê, và cũng xem xét bài báo, có thể theo một cách mới, có thể đó là tương lai của khoa học. Có thể đó là điều sẽ xảy ra. Mọi người đều lo lắng về việc, ôi, AI sẽ thay thế chúng ta. Nó sẽ tốt hơn nhiều so với chúng ta trong mọi thứ, và con người sẽ trở nên lỗi thời. Không có gì sai hơn thế. Điểm mạnh và điểm yếu của chúng ta là khác nhau, và bằng cách làm việc cùng nhau, điều đó sẽ làm cho chúng ta mạnh mẽ hơn.
Cả hai, những gì chúng ta làm và những gì AI làm, và đó sẽ là một mối quan hệ hợp tác, không phải là đối kháng, mà sẽ là một mối quan hệ hợp tác. Bạn có thể nói rằng điều đó đúng với những thứ như hiểu biết hoặc khám phá các phương pháp điều trị cho một căn bệnh thần kinh để tránh những thảm họa quy mô lớn không? Nó có thể dự đoán các chuyển động vĩ mô không? Hãy để tôi đưa ra một ví dụ. Ở Los Angeles, thỉnh thoảng có một vụ tai nạn trên đường cao tốc. Ngày nay, có rất nhiều camera trên các đường cao tốc. Bạn có camera trong xe hơi. Bạn có thể tưởng tượng tất cả dữ liệu được gửi đến trong thời gian thực, và bạn có thể dự đoán các vụ tai nạn một cách khá dễ dàng. Đây chỉ là những vật thể di chuyển với một tốc độ cụ thể mà đang lái xe một cách bừa bãi, nhưng bạn cũng có thể tiềm năng điều khiển phanh hoặc vô lăng của một chiếc xe và ngăn chặn tai nạn. Ý tôi là, một số xe hơi đã làm điều đó, nhưng liệu bạn có thể loại bỏ, hãy làm điều gì đó thậm chí còn quan trọng hơn. Hãy loại bỏ tắc nghẽn giao thông. Tôi không biết bạn có thể làm điều đó không, vì đó là một vấn đề về ống dẫn, nhưng liệu bạn có thể dự đoán các sự kiện vật lý trong thế giới vào tương lai không? Được rồi. Điều này đã được thực hiện, không phải cho giao thông, mà cho bão. Như bạn biết, thời tiết cực kỳ khó dự đoán, và ngoại trừ ở California nơi mà trời luôn nắng, nhưng bây giờ những gì họ đã làm là cho vào rất nhiều dữ liệu từ các cơn bão trước đó và cũng như các mô phỏng của các cơn bão. Bạn có thể mô phỏng chúng trong một siêu máy tính. Nó mất vài ngày và vài tuần, vì vậy nó không hữu ích lắm cho việc dự đoán chính xác nơi nó sẽ đổ bộ, Florida, nhưng những gì họ đã làm là sau khi đào tạo AI trên tất cả dữ liệu này, nó đã có thể dự đoán với độ chính xác tốt hơn nhiều chính xác nơi nào ở Florida mà nó sẽ đổ bộ. Nó làm điều đó trên máy tính xách tay của bạn trong 10 phút. Thật không thể tin được. Một điều gì đó vừa lóe lên trong tôi, và có lẽ điều đó rất rõ ràng với bạn và hầu hết mọi người, nhưng tôi nghĩ điều này là đúng. Tôi nghĩ những gì tôi sắp nói là đúng.
Vào đầu cuộc trò chuyện của chúng ta, chúng ta đã nói về việc tiếp thu kiến thức so với việc áp dụng kiến thức, chỉ học các sự kiện so với việc học cách áp dụng những sự kiện đó dưới dạng hành động vật lý hoặc hành động nhận thức.
Bài toán toán học là hành động nhận thức, hành động vật lý.
Được rồi.
AI có thể thực hiện cả hai việc tiếp thu kiến thức. Nó có thể học các sự kiện, những danh sách dài các sự kiện và sự kết hợp của các sự kiện, nhưng có lẽ nó cũng có thể chạy nhiều bộ bài toán và giải quyết nhiều bộ bài toán.
Tôi không nghĩ rằng, ngoại trừ một số ví dụ thô sơ về robot mà tôi vẫn thấy, nó thực sự giỏi về hành động, nhưng có lẽ nó sẽ đạt được điều đó vào một thời điểm nào đó.
Robot đang ngày càng tốt hơn, nhưng chúng vẫn chưa làm được những gì chúng ta đang làm, nhưng theo tôi, miễn là chúng có thể tiếp thu kiến thức và sau đó giải quyết các bộ bài toán khác nhau, các biến thể khác nhau của sự kết hợp kiến thức, thì về cơ bản chúng đang ở vị trí có thể lấy bất kỳ dữ liệu nào về các sự kiện trước đó hoặc các sự kiện hiện tại và đưa ra những dự đoán khá chính xác về tương lai và truyền đạt những dự đoán đó cho chúng ta đủ nhanh và cho chính chúng đủ nhanh để chúng có thể thực hiện các biến thể khác nhau.
Tôi đang nghĩ đến một trong những vấn đề dường như đã khiến các nhà khoa học thần kinh trong lĩnh vực y học và công chúng nói chung cảm thấy bối rối là sự gia tăng, ít nhất là trong việc chẩn đoán tự kỷ.
Tôi đã nghe rất nhiều giả thuyết khác nhau trong suốt những năm qua.
Tôi nghĩ chúng ta vẫn còn khá mơ hồ về vấn đề này.
Liệu AI có thể bắt đầu đưa ra các giải pháp và phương pháp điều trị mới và tiềm năng nếu cần thiết, nhưng có thể đi đến tận gốc rễ của vấn đề này không?
Có thể.
Điều đó phụ thuộc vào dữ liệu bạn có.
Nó phụ thuộc vào độ phức tạp của bệnh.
Nhưng điều đó sẽ xảy ra.
Nói cách khác, chúng ta sẽ sử dụng những công cụ đó một cách tốt nhất có thể vì rõ ràng nếu bạn có thể đạt được bất kỳ tiến bộ nào và nhảy vào tương lai, wow, điều đó sẽ cứu sống nhiều người.
Tôi thực sự nghĩ rằng tiềm năng ở đây là rất lớn, đến nỗi mặc dù có những khuyết điểm và có những vấn đề về quy định, chúng ta thực sự, thực sự phải thúc đẩy. Chúng ta phải làm điều đó theo cách sẽ giúp mọi người cải thiện công việc của họ và giúp họ giải quyết những vấn đề mà nếu không có thể họ sẽ gặp khó khăn và những thứ tương tự. Điều này đang bắt đầu xảy ra, nhưng đây vẫn là những ngày đầu. Chúng ta đang ở một giai đoạn hiện tại với AI tương tự như những gì đã xảy ra sau chuyến bay đầu tiên của anh em nhà Wright. Nói cách khác, thành tựu mà anh em nhà Wright đạt được là cất cánh 10 feet và bay xa 100 feet với một con người. Đó là tất cả. Đó là chuyến bay đầu tiên. Nó đã mất một lượng lớn cải tiến. Điều khó khăn nhất cần phải giải quyết là kiểm soát. Làm thế nào để bạn kiểm soát nó? Làm thế nào để bạn làm cho nó đi theo hướng bạn muốn? Những gì đang xảy ra bây giờ trong AI có thể thấy rằng chúng ta đã cất cánh, nhưng chúng ta vẫn chưa bay xa, nhưng ai biết được nó sẽ đưa chúng ta đến đâu trong tương lai. Hãy nói về bệnh Parkinson, một sự suy giảm của các nơron dopamine dẫn đến khó khăn trong việc tạo ra chuyển động mượt mà và cũng một số rối loạn về nhận thức và tâm trạng. Hãy cho chúng tôi biết về công việc của bạn về bệnh Parkinson và những gì bạn đã học được? Như bạn đã chỉ ra, bệnh Parkinson trước hết là một bệnh thoái hóa. Nó rất thú vị vì các tế bào dopamine là một phần cụ thể của thân não và chúng là những tế bào chịu trách nhiệm cho việc học theo quy trình. Tôi đã nói với bạn trước đây về sự khác biệt theo thời gian. Đó là các tế bào dopamine. Đây là một cách rất mạnh mẽ cho các tín hiệu toàn cầu gọi là chất điều biến thần kinh vì nó điều chỉnh tất cả các tín hiệu khác diễn ra trong vỏ não. Nó cũng rất quan trọng cho việc học các chuỗi hành động tạo ra sự sống còn. Vấn đề là với một số tác động môi trường nhất định, đặc biệt là các chất độc như thuốc trừ sâu,
Những tế bào thần kinh đó rất dễ bị tổn thương và khi chúng chết, bạn sẽ gặp phải tất cả các triệu chứng mà bạn vừa mô tả. Những người đã mất những tế bào đó thực sự trước khi điều trị, bạn biết đấy, Aldopa, một tiền chất của dopamine, họ thực sự đã rơi vào trạng thái hôn mê, đúng không? Họ không cử động. Họ vẫn còn sống, nhưng họ hoàn toàn không cử động. Đó được gọi là trạng thái bị khóa, thật bi thảm, thật bi thảm. Vì vậy, khi những thử nghiệm đầu tiên của Aldopa được đưa cho họ, thật kỳ diệu vì đột nhiên họ bắt đầu nói chuyện trở lại. Ý tôi là, điều này thật tuyệt vời, thật tuyệt vời. Tôi tò mò, khi họ bắt đầu nói chuyện trở lại, họ có báo cáo rằng trạng thái não của họ trong giai đoạn bị khóa là tốc độ chậm không? Có phải giống như một trạng thái mơ màng hay họ cảm thấy như đang trong một giấc ngủ ngắn, hay họ đang ở đó và kêu gào để thoát ra? Bởi vì tốc độ vật lý của họ rõ ràng là bằng không, họ bị khóa mà. Và tôi đã tự hỏi từ lâu khi trở về từ một cuộc chạy hoặc từ việc tỉnh dậy sau một giấc ngủ ngon, khi tôi chuyển sang trạng thái tỉnh táo, liệu tốc độ vật lý và tốc độ nhận thức có liên quan đến nhau không. Vì vậy, một quan sát hoặc câu hỏi tuyệt vời, tôi cá là bạn biết câu trả lời. Được rồi, đây là một điều thực sự kỳ diệu, nó được phát hiện một cách thú vị khi họ có xu hướng di chuyển chậm, như bạn đã nói. Nhưng đối với họ, về mặt nhận thức, họ nghĩ rằng họ đang di chuyển nhanh. Bây giờ không phải vì họ không thể di chuyển nhanh, vì bạn có thể nói, ồ, bạn có thể di chuyển nhanh hơn không? Chắc chắn rồi. Và họ di chuyển bình thường, đúng không? Nhưng đối với họ, họ nghĩ rằng họ đang di chuyển với tốc độ siêu nhanh. Vì vậy, đó là một vấn đề về điểm thiết lập. Vậy đó là một vấn đề về điểm thiết lập, đúng, tất cả đều liên quan đến điểm thiết lập. Đó là điều thực sự đang diễn ra. Và khi điểm thiết lập ngày càng thấp hơn, bây giờ mà không di chuyển chút nào, họ nghĩ rằng họ đang di chuyển, đúng không? Ý tôi là, đó là điều đang diễn ra. Nhân tiện, bạn có thể hỏi họ, cảm giác như thế nào? Chúng tôi đã nói chuyện với bạn và bạn không phản hồi. Ồ, tôi không cảm thấy như vậy. Não bộ tạo ra một câu trả lời.
Chà, họ đã bịa ra điều đó vì họ không có đủ năng lượng hoặc họ không thể khởi xướng. Họ không thể khởi xướng hành động. Đó là một trong những điều mà họ gặp khó khăn, với các chuyển động, bắt đầu một chuyển động. Như bạn có thể thấy, tôi rất thích thú với khái niệm về tốc độ nhận thức. Và một lần nữa, có thể có một ngôn ngữ tốt hơn hoặc chính xác hơn hoặc chính thức hơn cho điều đó. Nhưng tôi cảm thấy nó bao hàm rất nhiều điều mà chúng ta cố gắng làm khi học và thực tế là trong giấc ngủ, bạn có những giấc mơ rất sống động trong giấc ngủ REM. Vì vậy, tốc độ nhận thức rất nhanh. Cảm nhận về thời gian khác với trong những giấc mơ sóng chậm. Và tôi thực sự nghĩ rằng có điều gì đó liên quan đến ít nhất một chỉ số liên quan đến trạng thái não. Tôi đã nghĩ từ lâu rằng chúng ta biết nhiều hơn về trạng thái não trong giấc ngủ so với trạng thái não khi tỉnh táo. Chúng ta nói về sự tập trung, động lực, trạng thái “flow”. Đây không phải là những thuật ngữ khoa học. Tôi không có ý coi thường chúng, chúng gần như là tất cả những gì chúng ta có cho đến khi chúng ta nghĩ ra điều gì đó tốt hơn. Nhưng chúng ta là các nhà sinh học, nhà thần kinh học và trong trường hợp của bạn là các nhà thần kinh học tính toán. Và chúng ta đang cố gắng tìm ra trạng thái não mà chúng ta đang ở ngay bây giờ. Tốc độ nhận thức của chúng ta là một giá trị nhất định. Nhưng tôi nghĩ rằng càng nhiều người suy nghĩ về điều này, tôi dám nói rằng họ sẽ suy nghĩ một chút về tốc độ nhận thức của họ vào những thời điểm khác nhau trong ngày. Chúng ta bắt đầu nhận thấy rằng có một vài thời điểm trong ngày. Đối với tôi, thường là từ sáng sớm đến giữa buổi sáng và sau đó lại vào buổi tối sau một chút thời gian giảm sút năng lượng, thì giờ và nửa giờ đó, đó là thời gian để hoàn thành công việc thực sự. Tôi có thể chạy bộ về mặt tinh thần rất xa vào những thời điểm đó. Nhưng có những thời điểm khác trong ngày khi tôi không quan tâm đến việc tôi uống bao nhiêu caffeine, trừ khi đó là một sự kiện căng thẳng mà tôi cần đáp ứng yêu cầu của sự căng thẳng đó, tôi chỉ không thể đạt được nhịp độ nhanh hơn trong khi tôi cũng đang tham gia.
Bạn có thể đọc nhanh hơn, bạn có thể nghe, nhưng bạn không sử dụng thông tin, bạn không lưu trữ thông tin.
Đúng vậy.
Thời gian trong ngày nào là thời gian tốt nhất cho bạn?
Tôi hoàn thành nhiều việc nhất vào buổi sáng và sau đó là sau bữa tối, nhưng cũng khác nhau.
Tôi nghĩ vào buổi sáng, tôi giỏi hơn trong những việc sáng tạo và sau đó tôi nghĩ rằng vào buổi tối, tôi giỏi hơn trong việc thực hiện các công việc.
Thú vị.
Xét về mối quan hệ giữa nhiệt độ cơ thể và nhịp sinh học, tôi muốn thực hiện một thí nghiệm liên quan đến nhiệt độ cơ thể cốt lõi với tốc độ nhận thức.
Tôi thực sự nhận thấy rằng đây là điều hoàn toàn chủ quan, nhưng nhiệt độ trong tòa nhà được giữ ở 75 độ, nó rất ổn định.
Nhưng vào buổi chiều, tôi cảm thấy hơi lạnh.
Có lẽ nhiệt độ cơ thể bên trong của tôi đang giảm xuống.
Điều đó có thể tương ứng với việc mất năng lượng, khả năng của não bộ và mọi thứ khác.
Nhân tiện, bạn biết đây là Q10, đây là một thuật ngữ chuyên ngành.
Mỗi enzyme trong mỗi tế bào của bạn có thể hoạt động với tốc độ khác nhau tùy thuộc vào nhiệt độ.
Nhiệt độ cơ thể đang làm điều này và tất cả các tế bào cũng đang làm điều này.
Đó là một lời giải thích, tôi không chắc đó có phải là lời giải thích đúng hay không.
Craig Heller, đồng nghiệp của tôi tại Stanford trong khoa sinh học, đã mô tả một cách tuyệt vời cách mà sự kiểm soát enzym đối với pyruvate, tôi tin là như vậy, kiểm soát sự thất bại của cơ bắp.
Sự thất bại cơ bắp tại chỗ, khi mọi người cố gắng di chuyển một lực cản, có liên quan đến nhiệt độ, nhiệt độ tại chỗ mà làm ngừng một số quá trình enzym không cho phép cơ bắp co lại theo cách giống nhau.
Ông ấy biết chi tiết và đã đề cập đến chúng trong podcast này và tôi quên mất chi tiết.
Ông ấy bắt đầu nói, “Wow, những enzyme này được kiểm soát một cách tuyệt đẹp bởi nhiệt độ.”
Và tất nhiên, phòng thí nghiệm của ông ấy tập trung vào những cách để vượt qua nhiệt độ đó hoặc thay đổi.
nhiệt độ tại chỗ để vượt qua những hạn chế đó và đã cho thấy điều đó một lần nữa và một lần nữa.
Thật không thể tin được.
Vâng, tôi không nghe thấy chúng ta đang suy đoán về điều đó sẽ có nghĩa gì đối với tốc độ nhận thức, nhưng tôi nghĩ đây là một thế giới hoàn toàn khác khi nghĩ về sinh học cơ bản thay vì chỉ nghĩ về một loại thuốc.
Bạn tăng cường dopamine và norepinephrine và epinephrine, những chất gọi là catecholamines, và bạn sẽ tăng cường năng lượng, sự tập trung và sự tỉnh táo, nhưng bạn sẽ phải trả giá.
Bạn sẽ có một khoảng thời gian thấp và sự tập trung và tỉnh táo sẽ tỷ lệ thuận với mức độ cao hơn khi bạn dùng thuốc.
Craig Boy, amphetamines là một ví dụ tốt.
Khi bạn dùng thuốc, bạn có thể làm mọi thứ với tốc độ một dặm một phút.
Tất nhiên, khi tôi đứng, đó là ấn tượng của bạn và thực tế là bạn không thực sự đạt được nhiều hơn thế.
Có bất kỳ LLM nào, tức là AI, đã được sử dụng để trả lời câu hỏi rất cấp bách này về hậu quả đối với nhận thức của những bộ não trẻ này đã được cai sữa trong khi dùng Ritalin, Adderall, Vivance và các chất kích thích khác không? Bởi vì chúng ta có hàng triệu đứa trẻ đã được nuôi dưỡng.
Chúng ta có một chủ tịch trong toàn bộ đội ngũ của chúng ta, một thế hệ hoàn toàn, và tôi thực sự muốn biết câu trả lời.
Tôi tự hỏi liệu có ai đang nghiên cứu điều đó không.
Đó thực sự là một câu hỏi tuyệt vời vì chúng ta đã cho họ thuốc kích thích, hiệu quả là loại thuốc khiến não bộ được kích hoạt.
Nhân tiện, hậu quả là khi nó hết tác dụng, bạn sẽ không còn năng lượng.
Bạn chỉ hoàn toàn kiệt sức.
Đó là tất cả.
Đó là cái hố.
Đó là cái hố, nhưng đó là lý do tại sao bạn lại dùng nhiều hơn.
Đó là vấn đề, đó là một vòng xoáy.
Tôi thích cách mà hôm nay, bạn đang làm rõ ràng rằng tính toán, toán học và máy tính và AI hiện đang thực sự định hình cách mà chúng ta nghĩ về những vấn đề sinh học này, cũng là những vấn đề tâm lý, cũng là những thách thức hàng ngày.
Tôi cũng thích rằng chúng ta đã đề cập đến ty thể và cách bổ sung ty thể.
Tôi muốn đảm bảo rằng chúng ta sẽ nói về một vài điều mà tôi biết đang ở trong tâm trí của mọi người, không có ý đùa ở đây, đó là ý thức và tự do ý chí. Thông thường, tôi không thích nói về những điều này. Không phải vì chúng nhạy cảm, mà vì tôi thấy các cuộc thảo luận xung quanh chúng thường mang tính triết học hơn là thần kinh sinh học, và chúng có xu hướng khá vòng vo. Bạn có những người như Kevin Mitchell, tôi nghĩ anh ấy có một cuốn sách về tự do ý chí, anh ấy tin vào tự do ý chí. Bạn có những người như Robert Sapolsky, người đã viết cuốn sách “Determined”, anh ấy không tin vào tự do ý chí. Bạn cảm thấy thế nào về tự do ý chí? Liệu đây có phải là một cuộc thảo luận mà chúng ta nên có không? Chà, nếu bạn quay ngược 500 năm về thời Trung cổ, khái niệm này không tồn tại, hoặc ít nhất không theo cách mà chúng ta sử dụng, bởi vì cách mà con người cảm nhận về thế giới và cách nó hoạt động và ảnh hưởng đến họ là tất cả đều do số phận. Họ có khái niệm về số phận, đó là không có gì bạn có thể làm để ngăn cản một điều gì đó sẽ xảy ra với bạn vì những gì đang diễn ra ở các vị thần trên cao, hoặc bất cứ điều gì đó. Bạn quy cho các lực lượng vật lý xung quanh bạn đã gây ra điều đó. Không phải do tự do ý chí của chính bạn, không phải có điều gì đó đã khiến điều này xảy ra với bạn. Tôi nghĩ rằng những từ này, theo cách mà chúng ta sử dụng, tự do ý chí, ý thức, trí tuệ, hiểu biết, chúng là những từ mập mờ, vì bạn không thể xác định chúng một cách rõ ràng. Không có định nghĩa nào về ý thức mà mọi người đều đồng ý, và thật khó để giải quyết một vấn đề khoa học nếu bạn không có một định nghĩa mà bạn có thể đồng ý, và có một cuộc tranh cãi lớn về việc liệu những mô hình ngôn ngữ lớn này có hiểu ngôn ngữ theo cách mà chúng ta hiểu hay không. Điều mà nó thực sự tiết lộ là chúng ta không hiểu hiểu biết là gì. Thực sự, chúng ta không có một lập luận hay thước đo tốt để bạn có thể đo lường sự hiểu biết của ai đó và sau đó áp dụng nó vào GDP và xem liệu nó có giống nhau hay không.
Có lẽ nó không hoàn toàn giống nhau, nhưng có thể có một sự liên tục nào đó mà chúng ta đang nói đến.
Cách tôi nhìn nhận vấn đề là, nó nói rằng nếu một sinh vật ngoài hành tinh đột nhiên hạ cánh xuống trái đất và bắt đầu nói chuyện với chúng ta bằng tiếng Anh, và điều duy nhất mà chúng ta có thể chắc chắn là nó không phải là con người.
Tôi đã gặp một số người mà tôi tự hỏi về nguồn gốc trái đất của họ.
Được rồi, bây giờ có một sự đa dạng lớn giữa con người, bạn nói đúng về điều đó.
Một số đồng nghiệp của chúng tôi tại UCSD nhiều năm trước, đặc biệt là một người trong khoa vật lý mà tôi rất yêu quý như một con người, có một cách nói chuyện và hành vi rất khác thường, hoàn toàn là hành vi phù hợp, nhưng chỉ là khác thường.
Trong một cuộc họp khoa, anh ấy đã quay sang tôi và bắt đầu nói chuyện trong khi người khác đang thuyết trình và tôi đã nghĩ, “Có lẽ không phải bây giờ,” và anh ấy sẽ nói, “Ồ, được rồi.”
Nhưng trong bất kỳ lĩnh vực nào khác, bạn sẽ nói rằng anh ấy rất khéo léo về mặt xã hội.
Có những người chỉ đơn giản là không tuân theo quy tắc và anh ấy như muốn hỏi, “Liệu anh ấy có phải là người ngoài hành tinh không?”
Nó thật thú vị, theo một cách thú vị, như thể anh ấy là một trong những người bạn của tôi, và là người mà tôi thực sự thích thú.
Điều đó là đúng.
Điều đó là đúng.
Không, không phải ai cũng đã áp dụng cùng một quy tắc xã hội.
Có thể đó là một chút tự kỷ.
Vâng.
Đó là một vấn đề.
Nói cách khác, có những người tự kỷ rất chức năng cao ở ngoài kia.
Anh ấy rất thông minh.
Và thường thì, có những người thông minh với chứng tự kỷ.
Bạn có thể xây dựng một mô hình ngôn ngữ lớn (LLM) mà thiên về một đầu của phổ so với đầu kia để xem họ tìm kiếm loại thông tin gì không?
Bạn có thể khiến họ cư xử như vậy, đúng không?
Bạn có thể làm về khuynh hướng chính trị và giá trị không?
Tôi chưa thấy điều đó, nhưng ít nhất thì tôi thấy rõ rằng nếu bạn có thể làm về tâm lý xã hội, bạn có thể làm bất kỳ niềm tin chính trị nào, bạn biết đấy.
Nhưng bạn cũng có thể xem tất cả điều này như là, bạn có thể chọn những hướng tích cực.
Bạn cũng có thể nói rằng nó rất sáng tạo, nhạy cảm với âm điệu cảm xúc của giọng nói và tìm hiểu loại thông tin mà người đó mang lại, xin lỗi, mà LLM mang lại so với ai đó rất chú trọng vào nội dung lời nói của mọi người thay vì những gì, bạn biết đấy, bởi vì giữa mọi người, bạn sẽ thấy điều này.
Bạn biết đấy, nếu bạn từng rời một bữa tiệc cùng với người yêu và đôi khi có ai đó sẽ nói, tôi đã có trải nghiệm này như, bạn có thấy tương tác giữa người này và người kia không?
Tôi như, không, bạn đang nói về cái gì vậy?
Như, bạn có nghe thấy điều đó không?
Tôi như, không, hoàn toàn không.
Tôi đã nghe thấy những từ, nhưng tôi không nhận ra những gì bạn đang nhận ra.
Và rõ ràng là có hai trải nghiệm rất khác nhau về cùng một nội dung chỉ dựa trên sự khác biệt trong cách diễn giải âm điệu.
Được rồi.
Có rất nhiều thông tin mà như bạn đã chỉ ra, liên quan đến âm điệu, các biểu hiện không gian, bạn biết đấy, có một lượng thông tin khổng lồ không chỉ với từ ngữ, mà với tất cả các phần khác, đầu vào hình ảnh và vân vân.
Và một số người giỏi trong việc nắm bắt điều đó và những người khác thì không.
Có một sự biến đổi lớn giữa các cá nhân.
Và bạn biết đấy, sinh học là tất cả về sự đa dạng và nó liên quan đến việc cần một nguồn gen rất đa dạng để bạn có thể tiến hóa và sống sót qua những thay đổi thảm khốc xảy ra trong khí hậu, chẳng hạn.
Nhưng sẽ thật tuyệt vời nếu chúng ta có thể tạo ra một LLM có thể hiểu những sự khác biệt đó là gì?
Bây giờ, chỉ cần nghĩ về điều đó, đúng không?
Một LLM thật sự đa dạng mà tích hợp tất cả những sự khác biệt đó.
Vâng, nhưng đây là những gì bạn sẽ phải làm.
Những gì bạn cần làm là huấn luyện nó trên dữ liệu từ một số cá nhân, những cá nhân con người.
Bây giờ, một trong những điều về các LLM này là chúng không có một nhân cách duy nhất.
Chúng có thể nhận bất kỳ nhân cách nào.
Bạn phải cho nó biết bạn mong đợi điều gì từ nó.
Hoặc hỏi nó theo cách mà bạn cảm thấy phù hợp và bạn sẽ nhận lại một nhân cách nhất định.
Một lần, tôi đã đưa cho nó một đoạn trích từ một bài báo, rất kỹ thuật, một bài báo về tính toán.
Và tôi đã nói, “Bạn là một nhà thần kinh học, và tôi muốn bạn giải thích đoạn trích này cho một đứa trẻ mười tuổi.”
Nó đã làm điều đó theo cách mà tôi không bao giờ có thể làm được.
Nó thực sự đã đơn giản hóa nó.
Một số sự tinh tế không có trong đó, nhưng nó đã giải thích plasticity là gì và giải thích
synapse là gì.
Thật tuyệt vời.
Nó đã làm được điều đó.
Nó giống như một kỳ thi đủ điều kiện cho một sinh viên cao học.
Hôm nay tôi đã thấy một điều gì đó trên X, trước đây được gọi là Twitter, khiến tôi rất ngạc nhiên và tôi muốn
biết ý kiến của bạn về điều đó.
Nó rất phù hợp với những gì bạn đang nói ngay bây giờ, đó là có ai đó đang đặt câu hỏi
cho một LLM trên chat GPT hoặc có thể là một trong những cái khác như Anthropic hoặc Claude hoặc cái gì đó tương tự.
Tôi có thể sẽ sử dụng sai những cái tên đó.
Một trong những trang web AI trực tuyến và ở đâu đó giữa các câu trả lời của nó, LLM đã quyết định
nghỉ ngơi một chút và bắt đầu xem những bức tranh phong cảnh ở Yosemite.
Giống như LLM đang làm điều mà một người có thể mệt mỏi về mặt nhận thức hoặc bất kỳ người nào trực tuyến sẽ làm, đó là nghỉ ngơi và xem một vài bức tranh
của cái gì đó, có thể họ đang nghĩ đến việc đi cắm trại ở đó hay cái gì đó và sau đó quay lại với bất kỳ nhiệm vụ nào.
Chúng ta nghe về những ảo giác trong AI rằng nó có thể tưởng tượng những điều không có ở đó, giống như một bộ não con người, nhưng điều đó khiến tôi rất ngạc nhiên.
Tôi chưa gặp phải điều đó, nhưng thật thú vị.
Đó là dấu hiệu của một mô hình nội bộ sinh ra thực sự.
Đây là điều mà tôi nghĩ phân biệt rõ ràng một LLM với con người là nếu bạn
vào một căn phòng, một căn phòng yên tĩnh, và chỉ ngồi đó mà không có bất kỳ kích thích cảm giác nào, não của bạn vẫn tiếp tục suy nghĩ. Nói cách khác, bạn suy nghĩ về những gì bạn muốn làm, lập kế hoạch cho tương lai hoặc điều gì đó đã xảy ra với bạn trong suốt cả ngày, não của bạn luôn tạo ra nội dung bên trong. Sau khi nói chuyện với bạn, một trong những mô hình ngôn ngữ lớn này chỉ trở nên trống rỗng. Không có những suy nghĩ tự phát, tự sinh ra. Chúng ta biết rằng suy nghĩ tự sinh ra và đặc biệt là hoạt động não bộ trong giấc ngủ, như bạn đã minh họa trước đó với ví dụ về sóng giấc ngủ và giấc ngủ REM, là vô cùng quan trọng để hình thành kiến thức mà chúng ta trải nghiệm trong suốt cả ngày. Những mô hình ngôn ngữ lớn này vẫn chưa đạt đến mức độ của chúng ta. Chúng có thể vượt trội hơn chúng ta trong một số lĩnh vực như cờ vây, nhưng khi nào chúng ta sẽ có những mô hình ngôn ngữ lớn, AI, với hoạt động nội bộ tự sinh ra? Chúng ta đang tiến gần hơn, và đây là điều mà tôi đang tự mình làm việc, thực sự cố gắng hiểu cách mà điều đó diễn ra trong não của chúng ta, tạo ra hoạt động não liên tục dẫn đến việc lập kế hoạch và những thứ khác. Chúng ta vẫn chưa biết câu trả lời cho điều đó trong lĩnh vực thần kinh học. Nhân tiện, bạn đi đến một bài giảng và bạn nghe những từ này nối tiếp nhau trong suốt một giờ và bạn thấy các slide lần lượt xuất hiện, và sau đó bạn đặt một câu hỏi. Hãy nghĩ về những gì bạn vừa làm. Bằng cách nào đó, bạn có thể tích hợp tất cả thông tin đó trong suốt một giờ và sau đó sử dụng trí nhớ dài hạn của bạn để đưa ra một cái nhìn sâu sắc hoặc một vấn đề mà bạn muốn. Làm thế nào mà não của bạn nhớ tất cả thông tin đó, trí nhớ làm việc truyền thống mà các nhà khoa học thần kinh nghiên cứu? Chỉ là vài giây, có thể là một số điện thoại hoặc điều gì đó, nhưng chúng ta đang nói về trí nhớ làm việc dài hạn. Chúng ta không hiểu làm thế nào điều đó được thực hiện, và các mô hình ngôn ngữ lớn, thực sự là các mô hình ngôn ngữ lớn, có thể làm được điều gì đó. Nó được gọi là học trong ngữ cảnh, và đó là một bất ngờ lớn vì không có tính linh hoạt. Điều đó học ở giai đoạn đầu, bạn huấn luyện nó trên dữ liệu, và sau đó tất cả những gì nó làm sau đó…
đó là để suy diễn, vòng lặp nhanh của hoạt động một từ sau từ khác.
Đó là những gì xảy ra khi không có sự học hỏi, không có sự học hỏi.
Nhưng đã có nhận thấy rằng khi bạn tiếp tục cuộc đối thoại của mình, dường như nó ngày càng tốt hơn trong một số vấn đề.
Làm thế nào điều đó có thể xảy ra?
Làm thế nào có thể là học trong ngữ cảnh, mặc dù không có tính dẻo?
Đó là một điều bí ẩn.
Chúng ta chưa biết câu trả lời cho câu hỏi đó, nhưng chúng ta cũng không biết câu trả lời
đó là gì.
Câu trả lời cho con người cũng vậy.
Đúng vậy.
Tôi có thể hỏi bạn một vài câu hỏi về bạn và mối liên hệ của nó với khoa học và quỹ đạo của bạn không?
Dựa trên những gì bạn vừa nói, bạn có thực hành thiền hoặc nhắm mắt, giảm hoặc ngừng tiếp nhận cảm giác để điều khiển suy nghĩ của mình theo một cách cụ thể không, hay bạn đang ngồi trước máy tính nói chuyện với sinh viên và nghiên cứu sinh của mình và chạy bộ trên bãi biển?
Thật hài hước.
Không, thật buồn cười khi bạn đề cập đến điều đó vì tôi có những ý tưởng tốt nhất của mình, không phải khi chạy trên bãi biển, mà chỉ đơn giản là đi bộ hoặc chạy bộ.
Thật tuyệt vời.
Tôi không biết.
Tôi nghĩ serotonin tăng lên.
Đó là một loại neuromodulator khác.
Tôi nghĩ rằng điều đó kích thích ý tưởng và suy nghĩ.
Vì vậy, không thể tránh khỏi, tôi quay trở lại văn phòng của mình và không thể nhớ bất kỳ ý tưởng tuyệt vời nào đó.
Bạn làm gì về điều đó?
Bây giờ tôi ghi chú.
Ghi âm giọng nói.
Vâng.
Uh-huh.
Và một số trong số chúng thành công.
Không còn nghi ngờ gì nữa.
Bạn được đặt vào một tình huống, đó là một hình thức thiền.
Nếu bạn chạy với nhịp độ ổn định, không có gì phân tâm về bãi biển.
Bạn có nghe nhạc hoặc podcast không?
Không, tôi không bao giờ nghe gì ngoài những suy nghĩ của riêng mình.
Vì vậy, có một vị khách trước đây trên podcast này, cô ấy tình cờ có ba bằng cấp từ Harvard, nhưng cô ấy chủ yếu ở trong lĩnh vực huấn luyện cá nhân, nhưng rất, rất cao cấp và có trí tuệ ấn tượng, con người ấn tượng mọi mặt.
Và cô ấy có khái niệm về sự không lời có thể được sử dụng để đạt được nhiều điều khác nhau, nhưng ý tưởng này cho phép bản thân hoặc tạo ra điều kiện cho bản thân để bước vào.
các trạng thái trong suốt cả ngày, hoặc có thể là một lần mỗi ngày, với rất ít thông tin cảm giác. Không có bài giảng, không có podcast, không có sách, không có nhạc, không có gì cả. Và cho phép bộ não chỉ ở trạng thái nhàn rỗi và đi một chút phi tuyến tính, nếu bạn muốn. Nơi mà chúng ta không xây dựng suy nghĩ hoặc chú ý đến suy nghĩ của người khác thông qua các phương tiện truyền thông theo cách có cấu trúc nào đó như một nguồn ý tưởng và sự sáng tạo tuyệt vời. Điều này đã được nghiên cứu. Các nhà tâm lý học gọi đó là sự lang thang của tâm trí. Sự lang thang của tâm trí. Đúng vậy, đó là một lĩnh vực đáng kể. Và thường thì khi bạn có một khoảnh khắc “aha”, bạn biết đấy, tâm trí của bạn đang lang thang và đang suy nghĩ một cách phi tuyến tính theo nghĩa là không theo một trình tự hợp lý, bạn biết đấy, nhảy từ điều này sang điều khác. Thường thì đó là lúc bạn có một ý tưởng tuyệt vời chỉ với việc để tâm trí bạn lang thang. Đúng vậy. Và điều đó xảy ra với tôi. Tôi tự hỏi liệu mạng xã hội và chỉ việc nhắn tin và điện thoại nói chung có loại bỏ nhiều cuộc đi bộ đến xe sau giờ làm việc, nơi mà người ta thường không nhận cuộc gọi hoặc giao tiếp với ai đó hay điều gì đó. Tôi đã từng thực hiện các thí nghiệm mà tôi, bạn biết đấy, như là pipetting và chạy, bạn biết đấy, nó liên quan đến hóa học và rất thư giãn. Và tôi có thể suy nghĩ trong khi làm, vì tôi biết các quy trình và sau đó, bạn biết đấy, bạn phải chú ý đến một số điều, ghi chúng lại. Nhưng tôi thường cảm thấy như, wow, tôi vừa làm việc vừa thư giãn và suy nghĩ về những điều. Và sau đó tôi đôi khi nghe nhạc. Được rồi, vì vậy chúng tôi có một phiên học, bạn biết đấy, một đoạn trong việc học cách học về chính hiện tượng này. Đây là những gì chúng tôi nói với sinh viên của mình, đúng không? Là nếu bạn gặp khó khăn với một khái niệm nào đó hoặc, bạn biết đấy, bạn không hiểu điều gì đó, bạn đang đập đầu vào tường. Đừng dừng lại, dừng lại. Chỉ cần đi làm điều gì đó. Đi làm sạch bát đĩa. Đi ra ngoài và, bạn biết đấy, đi bộ quanh khối. Và không thể tránh khỏi điều gì xảy ra là khi bạn quay lại, tâm trí của bạn sẽ rõ ràng và bạn sẽ tìm ra.
Cái cần làm.
Và đó là một trong những lời khuyên tốt nhất mà bất kỳ ai cũng có thể nhận được.
Bởi vì, bạn biết đấy, không ai đã nói cho chúng ta biết cách hoạt động của bộ não, đúng không?
Một số người rất giỏi trong việc trực giác, vì họ đã trải nghiệm, bạn có thể là một trong số đó, và
nhưng mọi người, được rồi, điều khác là mọi người mà tôi biết đã thực sự đóng góp quan trọng.
Và tôi cá rằng bạn cũng là một trong số họ.
Bạn biết đấy, bạn đang vật lộn với một vấn đề nào đó vào ban đêm và bạn đi ngủ, rồi bạn thức dậy
vào buổi sáng, à, đó là giải pháp.
Đó là điều tôi nên làm, đúng không?
Điều đầu tiên vào buổi sáng khi tôi thức dậy là khi tôi gần như bị tấn công bởi, tôi sẽ không
nói là sự hiểu biết và không phải lúc nào cũng là sự hiểu biết có ý nghĩa, nhưng chắc chắn điều gì không rõ ràng trở nên ngay lập tức
rõ ràng trên đường đi.
Đúng vậy.
Đó là điều thật tuyệt vời về giấc ngủ.
Và bạn có thể thấy những người biết điều này có thể dựa vào nó.
Nói cách khác, chìa khóa là suy nghĩ về nó trước khi bạn đi ngủ, đúng không?
Bộ não của bạn sẽ làm việc về nó trong suốt thời gian ngủ, đúng không?
Và vì vậy, bạn biết đấy, đừng xem TV vì không ai biết bộ não của bạn sẽ làm việc về điều gì.
Bạn biết đấy, hãy sử dụng thời gian trước khi bạn ngủ để suy nghĩ về điều gì đó đang làm phiền
bạn hoặc có thể là điều gì đó mà, bạn biết đấy, bạn đang cố gắng hiểu, có thể, bạn biết đấy, một bài báo
mà bạn đã đọc và nói, ôi, bạn biết đấy, tôi mệt, tôi sẽ đi ngủ.
Bạn thức dậy vào buổi sáng và nói, ôi, tôi biết điều gì đang diễn ra trong bài báo đó.
Vâng.
Ý tôi là, đó là điều xảy ra.
Bạn có thể sử dụng, bạn biết đấy, một khi bạn biết điều gì đó về cách bộ não hoạt động, bạn có thể tận dụng
điều đó.
Bạn có chú ý đến những giấc mơ của mình không?
Bạn có ghi lại chúng không?
Không.
Không.
Được rồi.
Vậy đây là vấn đề.
Giấc mơ dường như rất biểu tượng và nhiều người, bạn biết đấy, bằng cách nào đó gán cho chúng những điều.
Nhưng chưa bao giờ có lý thuyết tốt nào hoặc bất kỳ sự hiểu biết tốt nào, trước tiên là tại sao
chúng ta lại mơ.
Vẫn chưa hoàn toàn rõ ràng.
Ý tôi là, có một số ý tưởng.
Hoặc tại sao, tại sao giấc mơ cụ thể này?
Điều đó có ý nghĩa gì với bạn không?
Và điều duy nhất mà tôi biết có thể giải thích một chút là, bạn biết đấy, những giấc mơ thường rất hình ảnh, bạn biết đấy, trong giấc ngủ REM, vì vậy có điều gì đó đang xảy ra thực sự thú vị.
Tất cả các neuromodulator đều bị giảm điều hòa trong khi ngủ, và sau đó trong giấc ngủ REM, acetylcholine tăng lên, đúng không?
Vì vậy, đó là một neuromodulator rất mạnh.
Nó quan trọng cho sự chú ý, chẳng hạn.
Nhưng nó không tăng lên ở vỏ não trước trán, điều này có nghĩa là các mạch trong vỏ não trước trán đang giải thích đầu vào cảm giác không được kích hoạt.
Vì vậy, bất kỳ điều gì xảy ra trong vỏ não thị giác của bạn đều không được giám sát nữa.
Vì vậy, bạn sẽ có những điều kỳ lạ, bạn biết đấy, bạn bắt đầu nổi lên và, bạn biết đấy, những điều xảy ra với bạn.
Và, bạn biết đấy, nó không còn được neo lại nữa.
Và vì vậy, nhưng điều đó vẫn không giải thích tại sao, đúng không?
Tại sao bạn có khoảng thời gian đó.
Nó quan trọng vì nếu bạn chặn nó, và có một số loại thuốc ngủ chặn nó, bạn biết đấy, nó thực sự gây ra vấn đề với, bạn biết đấy, chức năng nhận thức bình thường.
Cần sa cũng vậy.
Những người ngừng sử dụng cần sa trải qua một sự phục hồi REM lớn và rất nhiều giấc mơ trong, bạn biết đấy, những ngày, tuần và tháng sau khi sử dụng cần sa.
Wow.
Tôi không muốn gọi đó là cơn thèm thuốc vì điều đó có ý nghĩa khác.
Vâng.
Nó nói rằng đó là một sự mất cân bằng do, bạn biết đấy, vì não đã điều chỉnh theo mức độ endocannabinoid.
Và bây giờ nó phải quay lại và điều đó mất thời gian.
Nhưng điều đó thật thú vị.
Nó không thú vị sao?
Nó ảnh hưởng đến giấc mơ.
Tôi nghĩ rằng đó có thể là một manh mối.
Vâng.
Một hiện tượng rất, rất phổ biến.
Tôi được nói rằng tôi không phải là người sử dụng cần sa, nhưng không có sự phán xét ở đây.
Tôi chỉ không phải.
Đây thực sự là một cuốn sách tôi đã đọc nhiều năm trước khi tôi còn ở đại học.
Vì vậy, đã lâu rồi, của Alan Hobson, người đã làm việc tại Harvard, ôi, thật tuyệt.
Tôi chưa bao giờ gặp anh ấy, nhưng anh ấy có một ý tưởng thú vị rằng những giấc mơ, đặc biệt là giấc mơ trong giai đoạn REM, rất giống với trải nghiệm mà một người có được khi sử dụng một số loại thuốc tâm thần, như LSD, Acid Diathomide, hoặc psilocybin. Và có thể rằng những giấc mơ đang tiết lộ tâm trí vô thức, bạn biết đấy, không nói điều này theo bất kỳ thuật ngữ tâm lý nào, bạn biết đấy, khi chúng ta ngủ, tâm trí có ý thức của chúng ta không thể kiểm soát suy nghĩ và hành động theo cách giống như khi chúng ta tỉnh táo, rõ ràng là như vậy, và kiểu như là, nó giống như một sự rút lui của đường nước, bạn biết đấy, vì vậy chúng ta đang nhận được nhiều hơn về quá trình vô thức được tiết lộ. Bạn biết đấy, đó là một giả thuyết thú vị. Làm thế nào bạn sẽ kiểm tra nó? Có lẽ tôi phải đặt ai đó vào máy quét, để họ đi ngủ, đặt họ vào máy quét trong một chuyến đi psilocybin, kiểu như vậy, bạn biết đấy, điều đó thật khó. Ý tôi là, bất kỳ nghiên cứu quan sát nào như vậy, tất nhiên, chúng ta đều biết là thiếu sót ở chỗ mà điều bạn thực sự muốn làm là kiểm soát hoạt động thần kinh. Bạn muốn vào đó và kích thích các nơ-ron ở đây và xem cách não thay đổi và bạn sẽ rất thích có báo cáo chủ quan theo thời gian thực. Đây là vấn đề với giấc ngủ và giấc mơ là mọi người, bạn có thể đánh thức mọi người và hỏi họ vừa mơ về điều gì, nhưng bạn không thể thực sự biết họ đang mơ về điều gì trong thời gian thực. Điều đó đúng. Vâng, điều đó đúng. Nhân tiện, bạn biết đấy, có hai loại giấc mơ. Rất thú vị. Nếu bạn đánh thức ai đó trong giai đoạn REM, bạn sẽ nhận được những giấc mơ sống động, thay đổi liên tục mà luôn luôn khác nhau và thay đổi. Nhưng nếu bạn đánh thức ai đó trong giai đoạn sóng chậm, bạn thường nhận được một báo cáo giấc mơ, nhưng đó là một loại giấc mơ lặp đi lặp lại mỗi đêm. Và nó có nội dung cảm xúc rất nặng nề. Thú vị. Điều đó xảy ra trong giai đoạn sóng chậm. Vâng. Bởi vì tôi đã có một vài giấc mơ lặp đi lặp lại suốt cuộc đời mình, vì vậy điều này sẽ xảy ra trong giai đoạn sóng chậm. Vâng, có lẽ là giai đoạn sóng chậm. Vâng.
Thú vị quá.
Là một nhà thần kinh học có định hướng tính toán, nhưng thực sự bạn kết hợp sinh học rất tốt vào công việc của mình, đó là một trong những lý do khiến bạn trở thành một nhân vật nổi bật trong lĩnh vực của mình và hiện tại cũng rất hào hứng về trí tuệ nhân tạo (AI).
Điều gì khiến bạn hào hứng nhất bây giờ?
Nếu bạn có, và tất nhiên điều này không phải là trường hợp, nhưng nếu bạn có thêm 24 tháng nữa để dồn sức vào một điều gì đó và sau đó bạn phải giao chìa khóa phòng thí nghiệm của mình cho người khác, bạn sẽ dồn hết sức vào điều gì?
Chà, NIH có một cái gọi là Giải thưởng Tiên phong.
Và những gì họ đang tìm kiếm là những ý tưởng lớn có thể tạo ra tác động lớn, đúng không?
Vì vậy, tôi đã gửi một đề xuất gần đây, và đây là tiêu đề: “Bối cảnh tạm thời trong não và các mạng biến hình.”
Và trong não và biến hình?
Biến hình.
AI.
Đúng rồi.
Chìa khóa của chat GTP là thực tế là có những kiến trúc mới, kiến trúc học sâu, mạng tiến về phía trước, nhưng nó được gọi là mạng biến hình.
Và nó có những phần nhất định mà là độc đáo, một trong số đó được gọi là tự chú ý.
Và đó là một cách để thực hiện cái mà nó gọi là bối cảnh tạm thời.
Nó kết nối các từ cách xa nhau.
Bạn đưa cho nó một chuỗi từ và nó có thể cho bạn biết sự liên kết, như nếu tôi sử dụng từ “này”, và sau đó bạn phải tìm ra trong câu trước nó đã đề cập đến điều gì, trong khi có ba hoặc bốn danh từ mà nó có thể đã đề cập đến, nhưng từ bối cảnh bạn có thể tìm ra cái nào.
Và bạn có thể học được sự liên kết đó.
Tôi có thể chơi với một ví dụ khác để chắc chắn rằng tôi hiểu đúng điều này không?
Tôi đã thấy những biểu đồ bong bóng từ, như nếu chúng ta nói “đàn piano”, bạn sẽ nói “phím”, bạn sẽ nói “âm nhạc”, bạn sẽ nói “ghế”, và sau đó, bạn biết đấy, nó sẽ xây dựng một đám mây từ liên kết.
Đúng rồi.
Và sau đó ở đây, chúng ta sẽ nói, tôi không biết, tôi đang nghĩ về Viện Salk, tôi sẽ nói “hoàng hôn”, “Stonehenge”, bất cứ ai nhìn lên, có một hiện tượng này, Salkhenge.
Và sau đó bạn bắt đầu xây dựng một đám mây từ ở đó.
Đây là những điều khác nhau, ngoại trừ việc tôi đã tham dự một buổi hòa nhạc nhạc cổ điển tại Viện Salk.
Đúng vậy, bản giao hưởng của tâm hồn.
Hai lần.
Vì vậy, chúng không hoàn toàn không chồng chéo lên nhau.
Và vì vậy bạn bắt đầu nhận được những liên tưởng từ xa và cuối cùng chúng kết nối lại với nhau.
Có phải đây là điều bạn đang đề cập đến không?
Đúng vậy.
Tôi nghĩ rằng đó là một ví dụ, nhưng hóa ra mỗi từ đều có thể hiểu theo nhiều nghĩa khác nhau, khoảng ba, bốn nghĩa.
Và vì vậy bạn phải tìm ra điều đó từ ngữ cảnh.
Nói cách khác, có những từ sống cùng nhau và thường xuất hiện.
Và bạn có thể học điều đó chỉ bằng cách, bạn biết đấy, dự đoán từ tiếp theo trong một câu, đó là cách mà một transformer được đào tạo.
Bạn cung cấp cho nó một đống từ và nó liên tục dự đoán từ tiếp theo trong một câu.
Giống như trong email của tôi bây giờ, nó cố gắng dự đoán từ tiếp theo.
Chính xác.
Và nó thường đúng phần lớn thời gian.
Được rồi, điều đó là vì đây là một phiên bản rất nguyên thủy của thuật toán này.
Điều xảy ra là nếu bạn đào tạo nó đủ, không chỉ nó có thể trả lời từ tiếp theo, mà nó còn xây dựng một đại diện ngữ nghĩa bên trong theo cách mà bạn mô tả các từ có liên quan đến nhau, có những liên tưởng.
Nó có thể tìm ra điều đó và nó có những đại diện bên trong mạng lưới rất lớn này với hàng triệu triệu tham số và thật không thể tin được nó đã lớn đến mức nào.
Và những liên tưởng đó bây giờ hình thành một mô hình nội bộ về ý nghĩa của câu.
Thực sự, đây là điều mà bây giờ chúng tôi đã thăm dò những transformer này và vì vậy chúng tôi khá tự tin.
Và điều đó có nghĩa là nó đang hình thành một mô hình nội bộ về thế giới bên ngoài, trong trường hợp này là một đống từ.
Và đó là cách mà nó có thể thực sự phản hồi với bạn theo một cách hợp lý, có nghĩa là hợp lý và thực sự thú vị và vân vân.
Và tất cả đều nhờ vào sự chú ý tự thân, tôi đang nói về.
Vì vậy, trong trường hợp này, đề xuất tiên phong của tôi là tìm ra cách mà não bộ thực hiện sự chú ý tự thân, đúng không?
Nó phải có cách nào đó để làm điều đó.
Bây giờ tôi sẽ cho bạn một gợi ý nhỏ.
Hạch nền.
Nó nằm trong hạch nền.
Đó là giả thuyết của tôi.
Chà, chúng ta sẽ xem.
Ý tôi là, tôi sẽ làm việc với những người thực nghiệm.
Tôi đã làm việc với John Reynolds, chẳng hạn, người nghiên cứu vỏ não thị giác của động vật linh trưởng và chúng tôi đã xem xét các sóng di chuyển ở đó và còn nhiều người khác cũng đã nghiên cứu về động vật linh trưởng.
Và bây giờ, tôi nghĩ rằng những sóng di chuyển này cũng là một phần của câu đố, những mảnh ghép của câu đố sẽ cho chúng ta cái nhìn tốt hơn về cách mà vỏ não được tổ chức và cách mà nó tương tác với hạch nền.
Chúng ta đã từng ở đó, nhưng các nhà thần kinh học đã nghiên cứu từng phần của não bộ một cách độc lập và bây giờ chúng ta phải bắt đầu suy nghĩ về việc ghép các mảnh ghép của câu đố lại với nhau, cố gắng kết hợp tất cả những gì chúng ta biết về những khu vực này và xem chúng hoạt động cùng nhau theo cách tính toán như thế nào.
Và đó thực sự là nơi tôi muốn đến.
Tôi rất thích điều đó.
Và tôi hy vọng họ sẽ quyết định tài trợ cho công việc tiên phong của bạn.
Tôi cũng vậy.
Và nếu họ đưa ra quyết định tồi tệ không làm như vậy, chúng ta sẽ tìm ra cách khác để hoàn thành công việc.
Và chắc chắn bạn sẽ làm được.
Terry, tôi muốn cảm ơn bạn.
Cảm ơn tất cả vì đã đến đây hôm nay, dành thời gian từ lịch trình bận rộn về nhận thức, chạy, giảng dạy và nghiên cứu của bạn để chia sẻ kiến thức với chúng tôi.
Và cũng vì công việc tuyệt vời mà bạn đang làm trong giáo dục công cộng và dạy cho công chúng, tôi nên nói, cung cấp cho công chúng các tài nguyên để học cách học tốt hơn mà không tốn chi phí.
Vì vậy, chúng tôi chắc chắn sẽ cung cấp liên kết đến cách học để học và cuốn sách của bạn cũng như những tài nguyên tuyệt vời khác mà bạn đã chia sẻ.
Và bạn cũng đã cho chúng tôi rất nhiều công cụ thực tiễn hôm nay liên quan đến việc tập thể dục, ti thể và một số điều mà bạn làm, mà tất nhiên chỉ là phiên bản của bạn về những gì bạn làm, nhưng chắc chắn sẽ có giá trị đối với mọi người, bao gồm cả tôi trong những nỗ lực nhận thức và thể chất của chúng tôi và thực sự, chỉ là sự trường thọ.
Ý tôi là, điều này không hề bị bỏ qua đối với tôi và những người đang lắng nghe rằng sự nhiệt huyết của bạn, như tôi đã đề cập trước đó, là không thể phủ nhận. Và thật là một niềm vui trong suốt những năm qua khi được chứng kiến mức độ tập trung, năng lượng và sự nhiệt tình mà bạn mang đến cho công việc của mình và quan sát rằng nó không chỉ không chậm lại, mà bạn còn đang gia tăng tốc độ. Vì vậy, cảm ơn bạn rất nhiều vì đã giáo dục chúng tôi hôm nay. Tôi biết tôi đang nói thay cho bản thân mình và rất nhiều người đang lắng nghe và theo dõi đây là một món quà thực sự, một trải nghiệm tuyệt vời để học hỏi từ bạn. Vì vậy, cảm ơn bạn rất nhiều.
Chà, cảm ơn bạn. Và tôi phải nói rằng tôi đã được ban phước trong suốt những năm qua với những sinh viên tuyệt vời và những đồng nghiệp tuyệt vời, và tôi coi bạn là một trong số họ, những người mà tôi thực sự đã học hỏi được rất nhiều. Nhưng bạn biết đấy, khoa học là một hoạt động xã hội và chúng ta học hỏi từ nhau và tất cả chúng ta đều mắc sai lầm. Nhưng chúng ta học từ những sai lầm của mình và đó là vẻ đẹp của khoa học là chúng ta có thể tiến bộ. Bây giờ, bạn biết đấy, sự nghiệp của bạn cũng thật đáng chú ý, vì bạn đã ảnh hưởng và tác động đến nhiều người hơn bất kỳ ai mà tôi biết cá nhân với kiến thức mà bạn đang truyền tải qua các cuộc phỏng vấn của bạn, nhưng cũng, bạn biết đấy, chỉ về mặt sở thích của bạn, thực sự, tôi rất ấn tượng với những gì bạn đã làm. Và tôi muốn bạn tiếp tục, bạn biết đấy, vì chúng ta cần những người như bạn. Chúng ta cần những nhà khoa học có thể thực sự diễn đạt và tiếp cận công chúng. Nếu chúng ta không làm điều đó, mọi thứ chúng ta làm đều diễn ra sau những cánh cửa đóng kín, đúng không? Không có gì được công bố ra ngoài. Và vì vậy, bạn là một trong những người giỏi nhất trong việc có thể giải thích mọi thứ một cách rõ ràng, dễ hiểu với nhiều người hơn bất kỳ ai khác mà tôi biết.
Chà, cảm ơn bạn. Tôi rất vinh dự khi nghe rằng đây là một công việc xuất phát từ tình yêu đối với tôi và tôi sẽ tiếp nhận những lời đó và tôi thực sự trân trọng điều đó. Thật là một vinh dự và đặc quyền khi được ngồi cùng bạn hôm nay và xin hãy quay lại lần nữa. Tôi rất muốn điều đó.
Được rồi. Cảm ơn bạn, Terry. Không có gì.
Cảm ơn bạn đã tham gia cùng tôi trong cuộc thảo luận hôm nay với Tiến sĩ Terry Sienowski để tìm hiểu về công việc của ông, cổng học trực tuyến miễn phí mà ông và các đồng nghiệp đã phát triển, cũng như để tìm liên kết đến cuốn sách mới của ông. Xin vui lòng xem phần ghi chú chương trình.
Nếu bạn đang học hỏi từ hoặc thích podcast này, hãy đăng ký kênh YouTube của chúng tôi. Đó là một cách tuyệt vời và miễn phí để ủng hộ chúng tôi.
Ngoài ra, hãy theo dõi podcast trên cả Spotify và Apple, và trên cả hai nền tảng này, bạn có thể để lại cho chúng tôi đánh giá lên đến năm sao.
Xin vui lòng kiểm tra các nhà tài trợ được đề cập ở đầu và trong suốt tập hôm nay. Đó là cách tốt nhất để ủng hộ podcast này.
Nếu bạn có câu hỏi hoặc ý kiến về podcast, khách mời hoặc các chủ đề mà bạn muốn tôi xem xét cho podcast Huberman Lab, hãy để lại chúng trong phần bình luận trên YouTube.
Tôi đọc tất cả các bình luận. Đối với những ai chưa biết, tôi có một cuốn sách mới sắp ra mắt. Đây là cuốn sách đầu tiên của tôi. Nó có tiêu đề “Các giao thức và hướng dẫn vận hành cho cơ thể con người”. Đây là cuốn sách mà tôi đã làm việc trong hơn năm năm và dựa trên hơn 30 năm nghiên cứu và kinh nghiệm, nó bao gồm các giao thức cho mọi thứ từ giấc ngủ đến tập thể dục đến các giao thức kiểm soát căng thẳng liên quan đến sự tập trung và động lực. Và tất nhiên, tôi cung cấp các chứng minh khoa học cho các giao thức được bao gồm.
Cuốn sách hiện đã có sẵn để đặt trước tại protocallsbook.com. Tại đó, bạn có thể tìm thấy các liên kết đến nhiều nhà cung cấp khác nhau, bạn có thể chọn nhà cung cấp mà bạn thích nhất. Một lần nữa, cuốn sách có tên là “Các giao thức và hướng dẫn vận hành cho cơ thể con người”.
Nếu bạn chưa theo dõi tôi trên mạng xã hội, tôi là Huberman Lab trên tất cả các nền tảng mạng xã hội. Đó là Instagram, ex (trước đây được gọi là Twitter), Threads, Facebook và LinkedIn. Trên tất cả các nền tảng đó, tôi thảo luận về khoa học và các công cụ liên quan đến khoa học, một số trong đó có sự giao thoa.
với nội dung của podcast Huberman Lab, nhưng phần lớn là khác biệt so với nội dung trên podcast Huberman Lab.
Và một lần nữa, đó là Huberman Lab trên tất cả các nền tảng mạng xã hội.
Nếu bạn chưa đăng ký bản tin mạng nơ-ron của chúng tôi, bản tin mạng nơ-ron của chúng tôi là một bản tin hàng tháng không tốn phí, bao gồm tóm tắt podcast cũng như các giao thức dưới dạng PDF ngắn từ một đến ba trang.
Các PDF từ một đến ba trang đó bao gồm những thứ như tiếp xúc với nhiệt độ cao một cách có chủ đích, tiếp xúc với lạnh một cách có chủ đích.
Chúng tôi có một giao thức tập luyện cơ bản.
Chúng tôi cũng có các giao thức để tối ưu hóa giấc ngủ, dopamine và nhiều hơn nữa.
Một lần nữa, tất cả đều có sẵn, hoàn toàn không tốn phí.
Chỉ cần truy cập HubermanLab.com, vào tab menu, cuộn xuống bản tin và cung cấp email của bạn.
Chúng tôi không chia sẻ email của bạn với bất kỳ ai.
Cảm ơn bạn một lần nữa đã tham gia cùng tôi trong cuộc thảo luận hôm nay với Tiến sĩ Terry Sienowsky.
Và cuối cùng nhưng không kém phần quan trọng, cảm ơn bạn đã quan tâm đến khoa học.
[ÂM NHẠC]
歡迎來到 Huberman 實驗室播客，在這裡我們討論科學及其應用於日常生活的科學工具。我是安德魯·霍伯曼，斯坦福醫學院神經生物學和眼科的教授。今天的嘉賓是特里·薩諾斯基博士。特里·薩諾斯基博士是索爾克生物學研究所的教授，並負責計算神經生物學實驗室。正如他的頭銜所示，他是一位計算神經科學家。也就是說，他利用數學、人工智慧及計算方法來理解一個重要而根本的問題：大腦是如何運作的。
我意識到，當人們聽到計算神經科學、算法、大型語言模型和 AI 等術語時，會感到有些不知所措甚至受到威脅。但我向您保證，薩諾斯基博士的工作目的，以及今天的討論，都是利用這些方法來澄清大腦的運作方式，並簡化這個問題的答案。
舉例來說，今天您將了解到，無論您是誰，無論您有什麼經驗，您的所有動機在生活的各個領域都是由一個簡單的算法或方程式所支配。薩諾斯基博士解釋了一個單一的規則，即一個單一的學習規則，驅動我們所有與動機相關的行為。這當然與神經調節劑多巴胺有關。如果您熟悉多巴胺這個詞，今天您將真正理解多巴胺如何驅動您的動機水平，或在某些情況下缺乏的動機，以及如何克服這種缺乏動機的狀態。
今天我們還討論了最好的學習方法。薩諾斯基博士不僅分享了大腦運作的資訊，還提供了他和同事們開發的實用工具，包括一個免費的在線平台，該平台根據您特定的學習風格教您如何更好地學習，包括您如何尋找資訊和實施該資訊。薩諾斯基博士還解釋了他自己如何利用特定類型的體育鍛煉來增強他的認知能力，也就是他大腦學習資訊和提出新想法的能力。
今天我們還將討論健康大腦和神經退行性疾病大腦，如帕金森氏症和阿茲海默症，以及與線粒體功能有關的特定工具如何可能用於治療各種疾病，包括阿茲海默型癡呆。相信在今天的節目結束時，您將學到大量有關您大腦運作的全新知識，以及可以在日常生活中實施的實用工具。
在我們開始之前，我想強調這個播客與我在斯坦福的教學和研究角色是分開的。然而，這是我帶給公眾零成本科學和科學相關工具資訊的願望和努力的一部分。為了與這一主題保持一致，我想感謝今天播客的贊助商。我們的第一位贊助商是 BetterHelp。BetterHelp 提供由持牌治療師完全在線進行的專業治療。我已經做了超過 30 年的每週治療。最初，我沒有選擇。這是能夠繼續上學的條件，但很快我意識到，治療對於整體健康來說是極其重要的。我實際上認為，定期進行治療與定期鍛煉一樣重要，包括心血管運動和阻力訓練，這些我當然每週也會做。
現在，優秀的治療提供的基本上有三樣東西。首先，它提供了一個良好的關係，讓您能夠信任並談論您所想談論的所有問題。第二，優秀的治療提供情感支持或明確的指導，告訴您在生活的特定領域中該做什麼或不該做什麼。第三，專業的治療可以提供您自己無法得到的有用見解。BetterHelp 讓您輕鬆找到一位真正與您有共鳴的專家治療師，並提供我剛才提到的有效治療所帶來的好處。
如果您想試試 BetterHelp，可以訪問 betterhelp.com/huberman，獲得第一個月 10% 的折扣。再次重複一遍，請訪問 betterhelp.com/huberman。
今天的節目則由 Helix Sleep 贊助。Helix Sleep 提供根據您的獨特睡眠需求定制的床墊和枕頭。我在此之前已多次在這個和其他播客中提到，獲得良好的睡眠是心理健康、身體健康和表現的基礎。您睡的床墊對於每晚獲得的睡眠質量影響巨大。床墊的軟硬程度、透氣性等都直接關係到您的舒適度，並需要根據您獨特的睡眠需求進行調整。
如果您訪問 Helix 的網站，您可以參加一個簡短的兩分鐘問卷，它會問您一些問題，比如：“您是仰臥、側臥還是俯臥睡覺？您在夜間傾向於熱還是冷？”根據這些問題的回答，Helix 會為您匹配最適合的床墊。對我而言，最終匹配的是 Dusk 床墊。我大約在三年半前開始使用 Dusk 床墊，這是我所體驗過的最佳睡眠。
如果您想試試 Helix，可以訪問 helixsleep.com/huberman。參加那個兩分鐘的睡眠問卷，Helix 將為您匹配一個根據您獨特的睡眠需求定制的床墊。在 2024 年 11 月之前，Helix 將提供所有床墊訂單最高 25% 的折扣和兩個免費的枕頭。再次重複一遍，訪問 helixsleep.com/huberman，獲得最高 25% 的折扣和兩個免費的枕頭。
現在，我們來聽聽與特里·薩諾斯基博士的討論。
特里·塞諾夫斯基，歡迎你。
我很高興能到這裡。
我們認識很久了，我真的非常欣賞你的工作，因為你在神經科學領域做了許多不同的研究。
許多人認為你是計算神經科學家，你將數學模型帶入對大腦和神經網路的理解，今天我們也將談論人工智慧，我們的目標是讓每個人都能輕鬆理解，不論是生物學家還是沒有數學背景的人。
在開始之前，我想了解一些事情。
我對大腦的部件有一點了解，此播客的大多數聽眾即使從未聽過此節目，也會對大腦的部件有一些了解，因為他們知道大腦中有細胞，而這些細胞就是神經元，這些神經元以非常特定的方式互相連接，使得我們能夠看見、聽見、思考等等。
我開始相信，即使我們知道了部件名單，這其實並不真能告訴我們大腦是如何運作的。
這是個大問題。
大腦是如何工作的？
意識是什麼？
所有這些東西。
那麼，如何理解神經元之間的交流，開始讓我們真正理解大腦如何運作？
我們頭顱裡的這塊肉究竟是什麼？
因為它不可能只是，好的，海馬體記住資訊，視覺皮層感知東西。
當你放鬆心情，排除掉心理對話中的數學時，如果這對你來說是可能的，你是如何思考，所謂的“大腦是如何工作的”？
在一個非常基本的層面上，這塊肉在我們頭裡究竟試圖完成什麼？
就拿早上我們第一次醒來時的情境來說，在我們稍顯迷糊的狀態中，直到我們喝下第一杯咖啡或水，甚至可能是早上第一件事就是去上廁所，裡面究竟發生了什麼？
這真是一個好問題。
我和帕特·丘奇利一起寫了一本書，名為《計算大腦》，裡面有一個層次圖，展示不同空間尺度的研究層次，從最底部的分子到突觸和神經元、電路、神經電路，它們之間是如何連接的，然後是皮層中的腦區，最後是整個中樞神經系統，跨越十個數量級，第十至第十的空間尺度。
意識存在於這一切中哪裡？
神經科學家採取了兩種方法。
我不該說神經科學家，我應該說科學家所採取的方法，其中你描述的就是一種，讓我們看看所有的部件，這是自下而上的方法。
拆解它，也就是還原論的方法，這樣你會進展很多。
你可以弄清楚事物是如何相互連接的，理解發展是如何工作的，神經元是如何連接的，但要真正取得進展是非常困難的，因為很快你會在樹林裡迷失。
另一種方法，雖然老師曾成功，但最終卻令人失望，是自上而下的方法，這是心理學家在研究行為並試圖理解行為法則時所採取的方法，這就是行為主義，但即使是人工智慧的研究者也曾嘗試根據這種方法，編寫可以複製人類行為的程式，智能行為。
我必須說，這兩種方法，無論是自下而上還是自上而下，都未能真正深入解答那些核心問題、那些重大問題。
但是，現在出現了一種全新的方法，它同時出現在神經科學和人工智慧領域，這在歷史的當下真是相當了不起。
因此，有一個中間層，介於底部的實現層和整個系統的實際行為之間，這稱為演算法層，就是介於兩者之間。
演算法就像食譜，當你烘焙蛋糕時，必須有成分，並且你必須說明它們組合的順序和時間，如果順序錯了就不行，結果會一團糟。
現在，事實證明我們正在發現演算法，我們在理解神經電路中使用的演算法方面取得了很大進展，這涉及到計算層面，如何理解神經電路的功能，但我將給你一個演算法的例子，這是一個我們在1990年代與彼得·戴揚和里德·蒙塔奎一起研究的，它與位於皮層下方的基底神經節有關，該區域負責學習行為序列，以達成某些目標。
例如，如果你想打網球，你必須能夠協調許多肌肉，並且必須完成一整套行為序列，才能準確發球，你需要不斷練習，練習，再練習，而基底神經節基本上就是從皮層接管，產生越來越好、越來越好的動作，這對肌肉而言是如此，對思考也是如此。
如果你想在某個領域變得優秀，想成為一個好的金融專家、好的醫生或者好的神經科學家，你就必須在理解專業的細節、什麼有效、什麼無效等方面不斷練習，結果發現基底神經節不僅與後面的皮層互動，即動作部分，它還與前額葉皮層，即思考部分互動。
可以請我簡單問你一個問題嗎？
據我了解，基底神經節涉及組織兩種主要的行為類型：前進，也就是實際執行一種行為，而基底神經節同時也指示「停止」，不參與該行為。學習一個專業的高爾夫揮桿，甚至基本的高爾夫揮桿或網球揮桿都涉及這兩樣事情：前進和停止。
根據你剛才所說的，基底神經節也參與生成某些特定類型的思維，因此我想知道它是否也涉及抑制某些特定類型的思維。
我的意思是，你不希望你的外科醫生切入某一特定區域時僅僅專注於他們的動作行為，該做什麼和不該做什麼。
他們大概需要考慮應該思考什麼，還有不應該思考什麼。
你不希望外科醫生想著他們的孩子早上多麼頑皮，因為這會讓他們感到沮喪，而這兩個因素是互相關聯的。
在行動和學習方面是否存在前進和停止的區分？在思考方面也是否存在前進和停止的區分？
嗯，我提到過前額葉皮質和與基底神經節之間的迴路，這是早期成年時期最晚成熟的部分之一。
問題在於對於青少年來說，這不是與計劃和行動相關的停止部分。
這一部分還未完全發展，因此通常它不會啟動來阻止你做一些不符合你最佳利益的事情。
是的，這完全正確，但其中一個問題是學習的參與，這實際上是我們在90年代首先理論上破解的問題，然後通過記錄神經元的活動以及對人類的腦部成像來實驗驗證的。
結果我們知道大腦用來學習行動序列以達成目標的算法，而這是你可以想像的最簡單的算法。
它僅僅是預測你將獲得的下一個獎勵。
如果我做一個動作，這是否會給我一些有價值的東西，並且每次你嘗試某件事情時，不論你獲得的獎勵是你所期望的還是更少，你都會用這些來更新突觸，突觸可塑性，以便下次你會更有可能獲得更好的獎勵，這樣你就建立了所謂的價值函數。
因此，在你的生活中，皮質現在積累了許多關於對你有益的事物和對你有害的事物的知識，就像你去一家餐廳，點了某樣東西，你怎麼知道什麼對你有益呢？
你在很多地方吃過很多餐，現在這已經成為你價值函數的一部分。
這是AlphaGo所使用的相同算法。
這是DeepMind所開發的程序。
這是一個擊敗了世界圍棋冠軍的人工智慧程序，而圍棋是人類有史以來最複雜的遊戲。
據我了解，這比棋類遊戲複雜得多。
是的，沒錯。
圍棋對於棋類就像棋對於跳棋。
換句話說，難度層級高得多，因為你必須考慮到四處的戰鬥同時進行，並且你放下棋子的順序會影響未來會發生的事情。
因此，這個價值函數非常有趣，我想知道，並且我認為你已經回答了這個問題，但我想知道這個價值函數是否在長時間的周期中實施。
所以你提到過在學習一項動作技能方面的價值函數。
假設揮舞網球拍來做一個完美的網球發球，甚至只是一次不錯的發球。
當某人一次又一次地回到球場，假設在週末，每個月一次，隨著幾年的時間推移，他們是否能夠在每次回去時都能依靠同樣的價值函數，儘管中間經歷了許多時間和學習？
這是第一個問題。
然後第二個問題是，你認為這個價值函數也在更複雜的情境中發揮作用嗎，不僅僅是運動學習，例如，對於許多人來說涉及某種試錯的生命領域，像是人際關係。
我們學會了如何和人交朋友。
我們學會了如何做好兄弟姐妹。
我們學會了如何成為一個好的浪漫伴侶。
我們有些事情做對了，有些事情做錯了。
那麼這是否仍在實施相同的價值函數？我們在關注什麼是有獎勵的，但你沒有提到的還有什麼是懲罰的。
我們是否只關注那些有獎勵的，還是我們也在整合懲罰？
當我們發球錯誤時，我們不會受到電擊，但我們會感到沮喪。
你指出的特徵非常重要，就是每次你做某事時，獎勵都在更新這個價值函數，並且它不斷累積。
你第一個問題的答案是，這個價值函數將永遠存在。
這沒有關係。
這是你經驗和你身份中非常永久的一部分。
有趣的是，行為主義者在1950年代就知道，通過試錯，你可以有兩種方式走到那裡。
小獎勵是好的，因為你不斷接近你所追求的目標，成為一位更好的網球選手或能夠交到朋友。
但負面懲罰則更有效，單次學習。
你不需要進行100次嘗試，這是你訓練老鼠完成某個任務時所需的小食物獎勵。
但如果你只是電擊老鼠，哇，那只老鼠不會忘記這一點。
是的，一段特別糟糕的關係會讓你永遠學會某些事情。
這也是創傷後壓力症候群的另一個好例子。
這可能會搞砸你餘生的生活。
但另一件事是，你指向了一個非常重要的地方，即前額葉皮質的很大一部分是專注於社交互動的。
這就是人類來到世界上的方式，當你出生時，你不知道自己會講什麼語言。你不知道自己將要擁有什麼樣的文化價值觀，以便成為這個社會的一份子，以及對你有什麼期望。所有這些都必須通過經驗來獲得，通過建立這個價值功能。這是我們在20世紀發現的。現在它進入了人工智慧領域，被稱為強化學習。它是一種程序性學習的形式，相對於你思考和行動的認知層面。認知思考的效率要低得多，因為在程序性學習中，你必須一步步地進行。程序性學習是自動的。在認知學習中，有沒有一個例子可以展示程序性學習的勝利？例如，如何利用純知識學習來製作一杯不錯的咖啡，與程序性學習相比，程序性學習贏了？
我可以想像一個例子，但你才是真正的專家。你知道很多例子，但既然我們一直在談論網球，你能想像通過讀書來學習如何打網球嗎？這真好笑。昨天從納什維爾飛回來的飛機上，坐在我對面走道那邊的那個人正在看一本書，可能是在考取他的飛行執照。我瞥了一眼，忍不住注意到他書中的飛行圖表。我想，我真高興這個人是乘客而不是飛行員。然後我想到飛行員是怎麼學習的，可能是實踐學習和教科書學習的結合。我的意思是，當你進行潛水時，這是確實的，我有潛水證書。當你獲得證書時，學習潛水表，你學習為什麼在潛水之間要等待等等，還有氣體交換等等諸多內容。但真的沒有任何方法可以模擬在水下脫下面罩，然後再戴上，再把水吹出來的過程。你必須在泳池中實際操作，並且必須在真正需要的時候去做，這樣才能夠真正掌握。對於需要快速和專業執行的事物，這點真的很關鍵，以至於你不需要思考。這在學校裡也發生，對吧？換句話說，你有課堂上明確指示的教學，然後你去做作業。這就是程序性學習。你做題目，解決問題。我是一名博士物理學家，因此我經歷了所有的理論物理課程。實際上，這些問題是成為一名優秀物理學家的核心。你可以死記公式，但這並不意味著你理解如何運用這些公式。
我覺得值得強調一些事情。在這個播客上，我們許多時候討論我所謂的協議。就像是讓你的眼睛在早晨接觸一些陽光，以刺激你的視交叉上核通過你的視網膜節細胞，這些術語聽眾應該會認出來。這基本上是早上讓陽光進入你的眼睛來設置你的生理時鐘。你可以聽到一萬次，但我確實相信，了解協議的具體機制是有價值的。你的眼睛中有這些東西編碼著日出光線的特質等等，然後將這些信息傳送到你的大腦等等。但是一旦我們將純知識與實踐聯繫起來，我就相信這兩者會在某種程度上融合在一起，讓我們說能夠強化知識和實踐。因此，這些事情並不一定是獨立的，它們是互相連結的。換句話說，做你的理論物理問題集增強了你在講座和教科書中學到的例子，反之亦然。因此，這在學校中正在發生一場戰鬥。你剛才說的話完全正確。你需要兩者。我們有兩個主要的學習系統。我們有一個認知學習系統，它是皮層的。我們有一個程序性學習系統，它是下皮層、基底神經節的。這兩者是息息相關的。如果你想在任何方面變得優秀，這兩者將會互相幫助。而現在在學校裡，至少在加州，他們正在試圖淘汰程序性學習。這太荒謬了。他們不希望學生們練習，因為這會造成壓力，他們不想讓學生感覺到困難。但這一切都可以做到。對於那些在聽的朋友們，我在掩住我的眼睛，因為這讓我想到，天啊，真有太多例子了。就像這裡有一本關於游泳的教科書，然後你將來會去海裡，但你從未真正游過泳。現在你還被期望能夠生存，更不用說游得好。這真是瘋狂。我告訴你，巴巴拉·奧克利和我有一個大型開放網絡課程，名為《學習如何學習》。它幫助學生，我們的目標是學生，但實際上有400萬人在200個國家參加了這個課程，年齡從10歲到90歲。這個課程叫什麼？《學習如何學習》。有付費牆嗎？不，這是完全免費的。太神奇了。而且，你知道，我幾乎每天都收到來自粉絲們的驚人反饋信。好吧，你將要再收到一些。我做了一集關於學習如何學習的節目，我對這項研究的理解是，我們需要在材料上測試自己。測試不僅僅是一種評估的形式，它還是一種識別錯誤的方式，幫助我們彌補錯誤並學習，但它非常程序化。這不是單單聽和重述的問題。你要明白，你觸及了要點，也就是這一點，我們教給學生的是，大腦的運作方式並不是像電腦那樣記憶，而是必須是主動學習。
你必須積極參與。事實上，當你試圖獨自解決問題時，這就是你真正通過試錯學習的過程，這就是程序系統。然而，如果有人告訴你正確的答案，那只是被存放在某個地方的事實，但如果你面臨的問題和以前看過的問題不完全相同，但又相似，那麼這個答案不會自動浮現出來。順便提一下，這是人工智慧的關鍵，對於這些大型語言模型最近的成功至關重要，公眾現在開始使用的這些模型，並不是「鹦鹉」。它們不是僅僅記住它們所吸收的數據。它們必須進行概括。這意味著能夠對新來的與你曾見過的舊事物相似的事物表現良好，但同時能夠解決新的問題。這是大腦的關鍵。大腦在概括方面非常出色。事實上，在許多情況下，只需要一個例子就可以進行概括。但是，第一次去餐廳用餐時，會有很多新的互動，對吧？可能有一位接待員。你坐在自己從未坐過的桌子上。有人問你問題。你閱讀它。好吧，也許現在是二維碼，但此後你就理解了進入餐廳的過程，不管食物的種類或城市是什麼，坐在裡面還是外面，你都能大致應對。坐在吧檯。坐在外面。坐在桌子上。 我認為有一些關鍵的行動步驟幾乎在任何地方都適用，除非你去某些超高端的場所或者某些超低端的自助餐之類的地方。你可以開始填補這些空白。如果我理解正確，行動功能是從知識和經驗中學習的。正是如此。那麼，這個行動功能儲存在何處？是大腦中的某一個地點，還是多個大腦區域的 emergent property？你現在剛好位於神經科學領域的最前沿。我們對這個問題的答案仍然不確定。在過去，人們認為皮層像是每個國家，每個皮層的部分都專注於一種功能，對吧？有趣的是，當你對神經元進行錄音時，這看起來確實是這樣，對吧？換句話說，後面有一個視覺皮層，還有一系列的區域，然後中間有聽覺皮層，再然後是負責社交互動的前額皮層。看起來這真的是模組化的。然而，現在我們面臨的是，我們有了新的方法來記錄神經元。從光學上來說，我們可以同時記錄成千上萬的神經元，來自數十個區域，我們正在發現，如果你想完成任何任務，你不僅僅是使用你可能認為接收來自視覺系統的輸入的區域，而是視覺系統正在從運動系統獲取輸入，對吧？事實上，來自運動系統的輸入比來自眼睛的還要多。真的嗎？是的。沒錯，UCLA的艾倫（Ellen）在老鼠身上顯示了這一點。因此現在我們正在觀察所有這些區域之間的全球互動，真正複雜的認知行為就是從這些互動中產生的。現在我們第一次有工具可以實時查看它們，我們現在首先在老鼠和猴子身上進行研究，但我們現在可以在人類身上進行這項研究。我一直在與麻薩諸塞州總醫院的一個團隊合作，對癲癇患者進行記錄，這些患者需要接受手術，因為他們對藥物有抗藥性，以便找出癲癇從皮層的哪裡開始，以及癲癇發作開始的地方，然後再去進行記錄，你必須同時記錄很多皮層的部分，持續幾周，直到你找出它的位置，然後你去嘗試切除它，這通常會有幫助，這是非常具有侵入性的，但在兩周內，我們可以訪問所有那些不斷被記錄的皮層中的神經元，於是我開始研究是因為我對睡眠感興趣，想了解人在睡眠狀態下皮層中發生了什麼，但後來我們意識到，你還可以找出那些有癲癇等耗竭性問題的人，他們在這裡待了兩周，沒有事情可做，所以他們非常喜歡科學家對於幫助他們、教導他們以及找出在他們學到東西時，皮層中哪些地方正在發生過程的興趣。這是一個金礦，真是難以置信，我從人類身上學到了許多我從其他物種身上無法獲得的知識。太不可思議了。所以，我知道其中之一，但還有其他在睡眠中與旅行波相關的發現。有一種圓形旅行波在睡眠期間發生，這是驚人的，沒有人真的看過這種情況。如果要給這些旅行波指定一到兩個主要功能，你認為它們在睡眠中為我們完成了什麼？順便問一下，它們與深睡眠、慢波睡眠或快速眼動睡眠有關，還是兩者都有？這是非快速眼動（non-REM）睡眠，這是行話，但這是在中間的過渡狀態。 我們的觀眾可能會跟得上。他們已經聽到我講過許多關於慢波睡眠的知識，然後那位走動的人的快速眼動睡眠。輕微的慢波睡眠。那麼，這些旅行波為我們達成了什麼呢？就像我說的，在慢波睡眠中，有一種叫做睡眠紡錘的波持續大約一到兩秒，並且像我所說的那樣在皮層周圍呈圓形傳播。已知這些紡錘對於鞏固你在白天經歷的事情進入你的長期記憶存儲是重要的。
這是一個非常重要的功能，如果你去掉海馬迴，你會發現正是海馬迴在重播這些經驗。這是大腦中的一部分，對於長期記憶非常重要。如果沒有海馬迴，你根本無法學習新事物。正如我所說的，你無法記得昨天做了什麼，甚至一小時前的事情也是如此。但海馬迴會重播你的經歷，促使睡眠紡錘波進入皮層。正確地做到這一點非常重要，因為你不想覆蓋你已有的知識。你只是希望基本上將新的經驗高效地納入到你已有的知識庫中，而不干擾你已經知道的東西。這是一個非常重要的功能的例子，這些旅行方式具有。
我想稍作休息，感謝我們的贊助商AG1。AG1是一種維他命礦物質益生菌飲料，包括益生元和適應原。我自2012年開始飲用AG1，那時我的預算非常有限。事實上，我只夠錢購買一種補充品，我非常高興我選擇了AG1。原因是，即使我努力食用全食和未加工食品，僅靠飲食獲取足夠的維他命和礦物質、微量營養素和適應原是非常困難的，這樣才能確保我處於最佳狀態，這意味著我需要有足夠的能量來進行從早到晚的所有活動，晚上良好地睡眠，並保持免疫系統強壯。
當我每天飲用AG1時，我發現自己身心健康、表現、運動後的恢復等各方面都有所改善。我知道這一點，因為當我沒有飲用AG1時，我會明顯感受到差異。我還注意到，考慮到腸道微生物群和大腦之間的關係，當我定期飲用AG1時，我的思維更加清晰，心理能量也更多。
如果你想嘗試AG1，可以前往 drinkag1.com/huberman 以獲取特別優惠。在本月，即2024年11月，AG1將免費贈送一個月的魚油Omega-3脂肪酸供應，此外還有他們通常提供的五個免費旅行包和一年的維生素D3K2供應。正如我在這個播客中多次提到的，Omega-3脂肪酸對於腦部健康、情緒、認知等至關重要。再次訪問 drinkag1.com/huberman 以獲取該特別優惠。
今天的節目還由David贊助。David製作的蛋白棒與其他任何蛋白棒都不同。每根蛋白棒含28克蛋白質，只有150卡路里，並且不含糖。是的，28克蛋白質，且75%的卡路里來自蛋白質。David的這些蛋白棒口感也相當美味。我最喜歡的口味是巧克力餅乾麵團，當然我也喜歡巧克力軟糖味和蛋糕味的。基本上，我喜歡所有口味，它們都非常美味。對我個人來說，我努力多吃全食。然而，當我匆忙，或身處異地，或者只是想要快速的下午小吃時，我經常發現我在尋找高品質的蛋白質來源。借助David，我能在小吃的卡路里下攝取28克蛋白質，這讓我很容易達到每天每磅體重1克蛋白質的目標。而且在不攝入過多卡路里的情況下完成。
我通常在午後早些時候甚至中午時候吃一根David蛋白棒，以便在午餐和晚餐之間填補這一空白。我喜歡它有一點甜味，所以它像一種美味的零食，但它也提供了28克非常高質量的蛋白質，只需150卡路里。如果你想嘗試David，可以訪問davidprotein.com/huberman。再次提醒，鏈接是davidprotein.com/huberman。
如我所記得，有一兩件事情可以確保我們晚上獲得足夠的睡眠紡錘波，從而整合這些新知識。我相信這是我們與UCLA的Gina Poe等人一起做的那一集。我記得的第一件事是確保晚上獲得足夠的睡眠，以便體驗足夠的這些紡錘波。我們都對缺乏睡眠所帶來的認知挑戰，包括記憶和學習挑戰非常熟悉。另一件事則是白天運動與夜間睡眠紡錘波的流行之間存在一些有趣的關係。你對那篇文獻有了解嗎？是的，哦，沒錯，這是一個引人入勝的文獻，所有的研究都朝著同一個方向指向，即我們總是忽視睡眠的重要性。顯然，當你醒來時，你會感到神清氣爽，但有許多事情都發生了。並不是你的大腦關閉了，而是它進入了一個完全不同的狀態，記憶鞏固只是你入睡時發生的其中一件事情。當然，還有夢等等。我們對於所有不同的睡眠階段如何協同運作並未充分理解。但運動在調整運動系統方面是至關重要的。据信，快速眼動睡眠（REM）可能與之相關。所以這是睡眠階段中的另一個部分。你在夜間會在快動睡眠和慢波睡眠之間反復切換。然後當你醒來時，你正處於REM階段，並且越來越多的REM。但這些只是觀察。作為科學家，你要做的是擾亂系統，看看如果你有更多的睡眠紡錘波，或許你會記得更好的事情。因此，事實證明，Sarah Mednick曾在加州大學爾灣分校做了一個了不起的實驗。
所以有一種藥叫做佐尔普隆（zolpidem），它的品牌名稱是安眠藥（Ambien）。
你可能對這有一些經驗。
我從未服用過，但我知道這是什麼。
人們把它用作助眠劑。
沒錯。
很多人都會服用它以促進睡眠，好嗎？
結果發現，服用這種藥會導致更多的睡眠旋波（sleep spindle），真的，對。
如果你服用這種藥，它會使睡眠旋波的數量增加一倍。
你在學習之後再服用藥物，你在晚上學習，然後服用藥物，這樣你會有兩倍的旋波。
你早上起來時，可以記住你學習的內容的兩倍。
而且記憶隨著時間的推移是穩定的。
它在裡面。
是的。
不，它會鞏固這些記憶。
我的意思是，這就是重點。
安眠藥的壞處是什麼？
好吧。
這是壞處。
因此，服用這種藥的人會說，如果你要去歐洲，服用了這種藥後會睡得很沉，但經常發現你自己在酒店房間裡，完全不知道自己是怎麼到那裡的。
我有過這樣的經歷，沒有服用安眠藥或任何其他藥物，感到非常嚴重的時差反應。
是的。
我醒來時幾秒鐘，感覺像是永恆一樣，我不知道自己在什麼地方。
好吧。
這真的很可怕。
嗯，這是時差反應的另一個問題。
時差反應真的讓事情變得麻煩。但這裡的情況可能是一個小時。
你坐了火車或出租車之類的，這似乎很瘋狂。
怎麼可能在一方面改善學習和回憶，另一方面卻造成遺忘呢？
結果發現重要的是，在你服用藥物時，換句話說，它有助於鞏固你在服用藥物之前的經歷，但它會抹去你在服用藥物之後的經歷。
對吧？
所以我不是在笑。
這一定是一次可怕的經歷，但我之所以笑是因為這裡面有一些美妙的藥理學，事實上，有一些非常有用的藥物。
一些人可能會覺得這話不妥，但有一些非常有用的藥物可以拯救生命並幫助人們應對症狀等等。
副作用總是個問題。
但這個特定的藥物特徵——安眠藥——似乎揭示了比關於旋波、安眠藥甚至睡眠的討論更重要的事情，那就是，正如他們所說，總會有代價。
沒錯。
你在大腦中調整一樣東西，其他東西就會受到影響。
你不會有任何免費的東西。
我認為這不僅僅適用於大腦的藥物，也適用於身體的類固醇。
當然。
是的。
我的意思是，類固醇，即使是低劑量的睪酮療法，現在也非常流行，會給人們帶來更多的活力等等。
但這是在引入第二次青春期，而青春期可能是整個人生中最迅速的衰老階段。
服用生長激素的人也是如此，這可能是更好的例子，因為這些療法確實對人們有益，但生長激素給人們帶來更多的活力，但它卻加速了衰老。
看看服用生長激素的人皮膚的質量。
看起來更老了。
他們的身體發生了變化。
而我並不支持或反對這些事情。這是非常個體化的。
但是我完全同意你的看法。
我也會冒險說，隨著對所謂的新型藥物的日益關注，人們使用像莫達非尼（modafinil）的東西，不僅僅是為了治療嗜睡症、日間嗜睡，還是為了增強認知功能，好的，也許他們偶爾可以在截止日期前做這樣的事。
但根據我的經驗，過度依賴藥物來達到特定大腦狀態的人會在其他方面付出代價。
肯定的。
無論是興奮劑、鎮靜劑還是助眠藥，這些行為總是會占主導地位。
行為總是會占主導地位，作為工具。
而關於身體如何進化的觀點之一是，它必須平衡很多事情。
所以，透過藥物，你基本上是以某種方式打破了這種平衡。
其結果，正如你所指出的，為了改善身體的某一部分，你會在其他地方犧牲某些東西。
既然我們在談論大腦狀態和不同區域之間的連接，我想問一個特定的問題。
然後我想回到關於如何最好地學習的問題，特別是在孩子和成年人中。
我對迷幻藥的文獻和一些嘉賓花了很多時間，變得非常感興趣。
我們暫且不談LSD的討論，因為你知道為什麼沒有很多LSD的研究嗎？
這是一個有趣的問題。
沒有人會被期望知道答案。
我想這是違法的。但賽洛西賓（psilocybin）或MDMA也是如此，這些有很多研究正在進行。
現在是的。
對，這已經改變了。
但當我成長的時候，你知道，那是違法的。
對。
所以我了解到，探索LSD用作治療的臨床試驗要少得多，因為除了瑞士，沒有研究人員願意在實驗室待上那麼久，以便讓受試者完成一次LSD的旅程，而賽洛西賓則往往是較短的體驗。
對。
好吧，我們先暫時談談賽洛西賓。
根據我對賽洛西賓數據的理解，現在仍然有待質疑，但一些臨床試驗顯示嚴重抑鬱症的顯著康復相當驚人。
但如果我們把這放在一邊，說“好吧，安全性需要更多的工作”，從大腦成像研究中非常清楚的一點是，無論是靜息狀態前後、任務相關等，使用迷幻藥後，你會獲得更多的靜息狀態全局連接，更多的區域之間的交流，與之前相比。
考慮到迷幻旅程的相似性，這裡特別提到的神奇蘑菇與快速眼動睡眠等現象之間的聯繫，我有一個非常簡單的問題。你認為增加大腦內的連接性有任何真正的好處嗎？對我來說，這似乎有點隨意，但臨床數據至少是令人鼓舞的，如果說不錯的話，是非常鼓舞的。因此，當我們獲得新的知識，學習網球、高爾夫，或學唱歌，或者其他什麼的時候，隨著我們從童年過渡到人生的晚期，這整個過程就是在做的事情，增強不同大腦區域之間的連接性與交流。這就是人類的體驗嗎？還是說我們變得更模組化，我們在某個特定的方式下讓這個區域與那個區域的交流變得更加隔離？隨意以任何有意義的方式探討這個問題，或者如果這不是一個好的問題，可以選擇不回答。
不，這是一個很好的問題。我的意思是，你有這麼多好的問題，我們還沒有完整的答案。不過，具體談到連接性，如果你看看嬰兒大腦在頭兩年的發展，會發現有大量新的突觸在形成。順便說一下，這是你的領域。神經發展。沒錯。但是隨後你會進行修剪，對吧？然後第二階段是你有過多的突觸，而你現在想做的就是要修剪它們。為什麼要這樣做呢？好吧，突觸是非常耗能的。激活所有神經元及突觸需要大量的能量，特別是因為神經傳遞物質的週期。因此，你想要做的就是減少能量的使用，只使用那些已被證明是最重要的突觸。對吧？不幸的是，隨著你變老，修剪的速度會減慢，但並不會完全消失。因此，大腦皮層會變薄等等。
所以我認為這是朝相反方向發展的。我認為，隨著年齡增長，你的連接性在減少。但有趣的是，你會保留舊的記憶。舊的記憶非常牢固，因為它們是在你年輕的時候形成的。這是基礎。所有其他記憶的基石。但這並不是完全單向的，因為即使作為成年人，你也知道，你仍然可以學習新事物。也許沒有那麼快。順便說一下，這是讓我感到驚訝的事情之一。因此，芭芭拉和我研究了那些實際上受益最大的人群。結果發現，最多的年齡段是25到35歲。芭芭拉。奧克利。對，她真的是這一切的策劃者。她是優秀的教育者，擁有工程背景。但發生了什麼事呢？所以我們的MOOC課程是針對高中和大學的學生，因為他們每天都要上課，得學習，對嗎？這是他們的工作。但事實上，很少有學生真的在上這門課。為什麼他們會要這樣做呢？他們整天都在課堂上，對吧？為什麼還想再上另一門課？所以這是學習如何學習的課程。你與芭芭拉一起做過這個。對，所以我和芭芭拉一起做了這個，現在25到35歲的人群中有一個巨大的高峰，真的很巨大。那么，發生了什麼呢？這裡的情況很有趣。
所以你25歲，已經上過大學。順便提一下，選擇這門課的人中有一半都上過大學，所以這不是為大學填補空缺。這可算是加餐。但你在工作中。你需要學習新技能。也許你有按揭，也許你有孩子，對吧？你無法負擔去上課或獲取另一個學位。因此，你參加了一門MOOC，你發現，雖然我學習的敏捷性不如以前，但我們的課程可以提升你的學習能力。因此，即使你的大腦學習得不夠快，你也能以更高的效率學習。這太驚人了。我想參加這門課。我會參加這門課。這個課程需要多長時間的承諾呢？你已經指出這是零成本，真是太棒了。
好的。所以每段視頻的時長約為10分鐘，大約有50到60段，總共一個月的課程。你會被測試嗎？你會進行自我測試嗎？是的。是的。有測試。有測驗。有期末考試。還有論壇，你可以去跟其他學生交流。有問題的時候，我們有助教。任何人都可以參加。事實上，全世界的每個人都可以，我們還有來自印度的家庭主婦，她們說：「謝謝。謝謝。謝謝。」因為我從未學會過如何成為一個更優秀的學習者。我希望在上學時我就知道這一切。為什麼更多的人不熟悉這個學習如何學習的課程？雖然大家都知道如果我對它或任何事情真的感到興奮，我是絕對不會停下來的。但我會先參加這門課，因為我想理解它的深層次內容。你會喜歡這門課的。你們的滿意度有98%，這太驚人了，非常吸引人。
是數學嗎？不。詞彙嗎？不，是不需要數學。我們不教什麼具體的知識。我們想告訴你如何獲取知識，以及如何應對考試焦慮，比如，你能否告訴我們所有人都會拖延的情況，對吧？我們會把事情拖到最後。不。我在開玩笑。我們都會拖延。我們教你如何避免這種情況。太棒了。好了，我現在想稍微回顧一下，重點聚焦在這個學習如何學習的內容上。你指出，在加州尤其如此，但其他地方的程序性實踐學習也不多了。
我在這裡要扮演一個辯護者的角色，我要指出這並不是我真正相信的觀點，但在我成長的過程中，你必須學會時間表算術、除法，然後是分數和指數，這些知識是相互依存的。然後在某個時期，你會上那些需要圖形計算機的課程，對有些人來說，這可能會讓人感到困惑：「這是什麼？」但重點在於，有很多東西你必須學會來實現各種功能，而你是透過實踐來學習的。你是透過實踐在學習。
同樣，在物理課上，我們把東西掛在繩子上，研究宏觀力學，從粉筆板的演講中學習。我當然可以理解兩者的價值，你也解釋過大腦需要兩者來真正理解知識及如何運用這些知識並來回切換。但在當今社會，你會聽到這樣的論點：「為什麼有人要學會閱讀紙質地圖，除非這是唯一可用的選擇，因為你有谷歌地圖？」或者如果他們想計算，僅需把計算輸入網上的搜索框，然後「啪」，結果就出來了。
因此，有一個世界是某些技能不再需要的，有人可以辯稱大腦空間、活動以及特別的時間和能量可以用來學習新的、更實用的知識，這些新知識在未來的學校和工作場景中會更有幫助。那麼我們該如何調和這些問題呢？我相信大腦正在進行數學運算，你我都同意這一點。它是電信號和化學信號，它在進行數學計算，運行算法。我想你確實這樣convince我們。
但是，我們該如何辨別我們需要學習的東西與不需要學習的東西，以建立一個能夠學會最多知識或甚至足夠知識的大腦，以迎接這個非常不確定的未來，因為就你我所知，沒有人擁有水晶球。那么，什麼是必須學習的呢？對於那些在正式教育中沒有學到某些東西的人，我們應該學會怎樣學習呢？
這是世代之間的問題。科技為我們提供工具。你提到了計算器，對吧？計算器並沒有消除你在數學中需要的教育，但它讓某些事情變得更容易，使你能以更準確的方式做更多的事情。然而，值得注意的是，我班上的學生經常會給出相差八個數量級的答案，這是一個巨大的差異，對吧？很明顯，他們在計算器上輸入不正確，但他們沒有意識到這個結果相差太遠，因為他們對數字的感覺不夠好。他們對數字的大小、數量級、基本理解等都沒有良好的認知。
所以這是一個雙刃劍，優點是你可以做事情更快、更好，但如果你沒有良好的程序系統，你也會失去一些直覺。我想到一個孩子，想成為音樂家，利用人工智慧寫一首關於失戀的歌曲，然後當他們找到新的愛情時，那首歌在某種程度上得到了恢復，我猜現在你可以做到這一點，並從人工智慧那裡得到一首相當不錯的歌曲，但你會把那個孩子稱為作曲家還是音樂家呢？
從表面上看，人工智慧確實在幫助，而你會說這和坐下來用吉他試不同和弦、感受他們聲音中的音調是不同的，但我猜對那些玩電吉他的人的批評是針對那些用木吉他的人。因此，我們有這樣一個世代的問題，我們回頭說，這不是實際的東西。你需要學到的關鍵基礎真的是一個至關重要的問題。
好的，那麼我回到這點，因為你一開始提到的與乃至於大腦如何分配資源有關。當你年輕的時候，你可以接收很多東西。你的大腦更具可塑性。例如，你在社交媒體上的表現如何？好吧，我自己管理 Instagram 和 Twitter，這些賬號的增長與我經營的時間成正比。因此，我會說還算不錯。我的社交媒體賬號不是最大，但對於一個科學健康賬號來說，我們做得不錯，這要歸功於觀眾。
這無疑顯示了你成功地跨越了世代鴻溝。我能用拇指打字，特里。好的，這是一種你學到的手動技能。這是人類進化的新現象。我無法相信，當我看到人們這樣做的時候，而現在我也能做到。但問題是，如果你一早就在生活中學會這個技能，你的效率會高很多。你可以更迅速地移動你的拇指。你也可以有更多的推文，我不知道他們叫什麼？不，這不是推文。在 X 上，我想他們仍然稱之為推文，因為動詞化字母 X 是麻煩的。字母 X，這一點你們都沒有想到。我喜歡 X，因為它很酷，有點叛逆，采用黑色的設計，適合那種工程師的風格。
但是，是的，我們還是會稱它們為推文。好的，我們叫它們推文。好的，這很好。但是你知道，我在校園裡走路，看到每個人，約有一半的人在推文或者在用手機做別的事情。我是說，這真不可思議。你知道，索克研究所的日落非常美麗，我們將放上其中一個的連結。我是說，在索克研究所看到日落真是壯觀，讓人敬畏。每天都是不同的。而如今每個人都在玩手機？真遺憾。
你知道，他們正低頭看著手機。即使是滑板的人也一邊走一邊看。真不可思議。我是說，人類能做到的事情真是驚人，你知道嗎？當他們學會投入某事時。但是，發生的情況是，年輕一代會接觸到任何科技，而大腦就會變得非常擅長它。你可以稍後再學，但你就不會那麼靈活，也許不會那麼執著。這讓我感到疲憊。我想指出的是，在我的手機上做任何事情都感覺疲憊，這與讀紙本書或者在筆記型電腦或桌面電腦上寫東西是根本不同的。我可以這樣做很多小時。如果我在社交媒體上待超過幾分鐘，我能真切地感覺到精力在流失。這很有趣。我可以進行短跑或硬舉幾個小時，而不會感受到來自社交媒體的疲憊。所以，你知道，這是非常迷人的。我想了解你的大腦正在發生什麼。我不知道為什麼，我也想了解年輕人是否有同樣的感受，我覺得沒有。我猜他們不會感到疲憊，是因為他們早早就入門了。這其實與你在大腦中建立的基礎有很大關係。換句話說，你在年幼時所學的東西是根本性的，這使得一些事情變得更容易。是的。我小時候在我的房間裡花了很多時間，要麼玩樂高，要麼玩動作人偶，要麼建魚缸，或是閱讀有關魚的書籍。我通常會閱讀一些東西，然後進行很多程序性活動。你知道，我會閱讀滑板雜誌並滑板。我從來不是那種只看運動卻不去參與的人。所以說，在這些事物之間架起橋樑，對我來說，社交媒體感覺像是一個能量耗竭的地方。當然，我喜歡有機會以這麼大的規模教導人們並向人們學習。但在能量層面上，我感覺我沒有基礎。就像我在試圖把我的認知「即興」編排成做一些它本來並不設計來做的事情。嗯，就是這樣。因為你沒有基礎。你在年輕時沒有這樣做。現在你必須利用認知能力來完成許多現在年輕人利用程序性方式做的事情。我想先稍作休息，感謝我們的贊助商 Element。Element 是一種電解質飲料，擁有你所需的一切，而沒有你不需要的東西。這意味著電解質，鈉、鎂和鉀的正確比例，但不含糖。我們應該都知道，適當的水分補充對於最佳的腦部和身體功能至關重要。事實上，即使是輕微的脫水也會顯著降低你的認知和身體表現。重要的是不僅要保持水分，還要獲得足夠的電解質，並且維持在正確的比例。喝一包溶解在水中的 Element，可以確保你獲得足夠的水分和電解質。為了確保我獲得適量的水分和電解質，我早上醒來時將一包 Element 溶解在大約 16 到 32 盎司的水中。我會在早上第一件事就喝下它。在任何我進行的體育活動中，尤其是在炎熱的日子裡，我大量出汗並流失水分和電解質時，我也會喝一包溶解在水中的 Element。Element 有很多不同的美味口味。我喜歡西瓜。我喜歡覆盆子。我喜歡柑橘。基本上，我喜歡它們所有的口味。如果你想試試 Element，你可以去 drinkelement.com/huberman 購買任何 Element 飲料混合包時還可以索取 Element 樣品包。再次強調，drink element 的拼寫是 L-M-N-T，因此是 drinkelement.com/huberman 免費索取樣品包。今天的節目還由 Juve 贊助。Juve 生產醫療級的紅光治療設備。現在我一貫強調的事情就是光對我們生物學的巨大影響。除了陽光之外，紅光和近紅外光已被證明對改善細胞和器官健康的多個方面有正面影響，包括更快的肌肉恢復、改善皮膚健康和傷口癒合、改善痤瘡、減少疼痛和炎症、改善線粒體功能，甚至改善視力本身。使 Juve 燈具與眾不同，並成為我首選的紅光治療設備，是因為它們使用臨床證明的波長，這意味著它們使用特定的紅光和近紅外光波長的組合，以觸發最佳的細胞適應。我個人每週大約使用 Juve 全身面板三到四次，我在家和旅行時都會使用 Juve 手持燈。如果你想試試 Juve，可以訪問 Juve，拼寫為 J-O-O-V-V，然後加 slash Huberman。Juve 現在到 2024 年 12 月 2 日提供高達 $1300 的黑色星期五折扣。再次強調，那是 Juve，J-O-O-V-V dot com slash Huberman，來獲得高達 $1300 的選定 Juve 產品折扣。我想告訴你一個可以幫助你所有聽眾的消息。我的書《ChatGDP 與 AI 的未來》裡， 我查看了其他人使用 ChatGDP 的經驗。我只是想知道人們在想些什麼。我看到一篇文章，我想是《紐約時報》，裡面有一位技術作家決定用它幫助她寫文章，持續一個月。她說當她開始時，每天結束時，她感到疲憊，完全精疲力竭，就像在使用一台機器，比如拖拉機之類的，苦苦掙扎，努力使它運作。然後她開始說：「等等。」
如果我把它當成人類來對待會怎麼樣？
如果我禮貌一點，而不是簡短地回應會怎麼樣？”
她說：“突然之間，我開始收到更好的回答，因為我對待它的方式就像對待人類一樣，互動來互動去。”
所以她這樣說：“請您給我一些關於某某的資訊？”
好的，拜託。我真的有點困難。
你給我的那個答案太棒了。
正是我所尋找的，現在我需要你幫我進入下一部分，幫助我處理那個。
換句話說，你和人類交流的方式，對吧，作為一個助手。
或者她是不是在和AI聊天，聽起來在這個情況下是ChatGPT，以她腦袋熟悉的方式向人類提出問題。
換句話說，這AI是學習著她，因而提供了她更容易整合的答案嗎？
我認為兩者皆是。
首先，ChatGPT會反映出你如何對待它。
你把它視為機器，它就會像機器一樣運作，因為這是它擅長的。
但這裡有個驚喜。
她說：“一旦我開始像對待人類一樣對待它，到了最後我不再感到疲憊。”
為什麼呢？
嗯，結果發現，這輩子你以某種方式和人類互動，你的腦子就是這樣接線的，這過程不需要任何努力。
因此，通過把ChatGPT視作人類，你便充分利用了大腦中的所有神經連結。
這太不可思議了。
我告訴你為什麼，因為我認為很多人，不僅僅是我，很多人都真的喜歡社交媒體。
每個人都是，昨天我學到了一些我認為對如何根據他人的反應來感知自我身份的方式非常吸引人的事情，或者我們是否花幾分鐘真正靜下心來思考我們對自己實際感受的看法。
這些是有關自我感知重心和類似概念非常有趣的想法。
我還看了一個超級酷的視頻，裡面一隻小浣熊在站立著的時候爆破泡泡。
那真的很酷。
而社交媒體可以在幾分鐘內同時提供這兩種事物。
現在，我在心裡想，這真瘋狂，對吧？
小浣熊有點瑣碎，但它讓我很高興，這可不算瑣碎。
這就是重點。
但問題是。
社交媒體的某些不利方面是否意味著，當我們在互相讚美，或者給予心形，或者給予拇指向下的評價，或者與某人爭論，或是彼此反擊時，這不一定是我們學會辯論的方式。
這不一定是我們學會進行健康爭執的方式。
因此，結果就像我所經歷的，某些在線互動讓人感覺很好，而其他的則感覺太過煩膩，因為幾乎缺少一個必要的行動步驟。
你不能完全解釋自己或理解對方。
而我是一個相信真實面對面對話力量的人，或者至少是電話對話。
我對簡訊也有同樣的看法。
我討厭簡訊。
當簡訊剛出來的時候，我記得我在想，我不是那種在課堂上傳遞紙條的孩子。
這感覺就像在課堂上傳遞紙條。
事實上，這整個簡訊的事情對我來說是低級的。
我就是這麼覺得。
而多年來，當然，我成為了一個簡訊使用者。
這在某些事情上非常有用，比如說五分鐘後到達，晚了幾分鐘，對我來說這是一個常見的情況。
但我認為，這種對於我們所感受到的事物的煩躁與這是否符合我們童年時期所發展出來的大腦工作模式的關聯是非常關鍵的，因為它觸及到我今天絕對想談論的事情，我知道你也花了很多時間研究，而這個概念是能量。
我們在談論的是能量，而不是某種玄學的生物學、玄學科學或者健康能量。
我們在談論的是我們的能量是有限的。
多年前，我已故的前同事和我的博士後指導教師本·巴里斯有一天在走廊上找我，他停下來叫我安迪，就像你那樣。
他說：“安迪，為什麼我們年紀越大，能量就越容易下降？
為什麼我今天比十年前更感到疲勞？”
我說：“我不知道。
你睡得怎麼樣？”
他說：“我睡得很好。”
本從來不怎麼睡覺，但他有很多精力。
我心想：“我不知道。
我們談論的這個能量到底是什麼？
我想確保我們遮住這種模板神經系統的概念，然後你會感受到的經歷要麼讓你神清氣爽，要麼讓你耗損。
我想確保我們停止這種思維，但我想要確保在某個時候與這個能量的概念相關聯。
為什麼隨著我們生命中的每一年，我們似乎總是有更少的能量呢？”
你提出了這些很棒的問題。
我希望我能有很好的答案。
至今為止，你真的有很好的答案。
這在某種意義上對我來說是新奇的，因為我以前沒有聽到過這類答案。
所以今天對我來說有很多學習，我知道對觀眾也是如此。
但假設有人20歲和50歲，他們該怎麼做？
我的意思是，我們需要融入現代世界。
我們還需要跨代溝通。
哦，是的，這是真的。
人們不再像以前那樣退休了。
他們活得更久。
出生率下降了，但我們都必須相處融洽，正如他們所說的。
所以這很有趣。
我認為隨著年齡的增長，我們的精神活力會有所減少，如果我可以使用一個稍微不同於能量的詞，那麼我們會回到這一點。
但我認為有些人成功地保持著活躍的生活。
這是我們在 MOOC 課程中非常強調的一點。你能解釋一下 MOOC 是什麼嗎？我想大多數人不會知道 MOOC 是什麼。為了他們的 sake。好吧。MOOC（大型開放在線課程）其實已經存在了一段時間，最早是在斯坦福大學由 Andrew Ng 和 Daphna Kohler 開始的。他們有一家公司叫 Coursera。發生的事情是，來自各地的教授以及任何擁有知識或專業專長的人都可以提供講座，這些講座對任何有網路訪問的人都是可用的，目前可能有數萬人參與。任何專業領域，無論是歷史、科學、音樂，隨便你說。有些人在這些領域是專家，並且他們渴望告訴你這些知識，因為他們對所做的事感到興奮。
所以我們想要做的就是幫助人們學習。問題的一部分是，隨著年齡增長，學習變得更加困難。隨著你年齡增長，如果我們要使用這種能量和活力的語言，這會消耗你的活力。對，沒錯。所以我們實際上使用“能量”這個詞。正如你所知道的，細胞中有一個叫做線粒體的物理發電廠，它為我們提供 ATP，這是細胞運作其所有機械設備的貨幣，對吧？因此隨著年齡增長，發生的一件事是你的線粒體會減少。對，數量更少，效率也更低。沒錯，效率更低。事實上，藥物也可能對你有這種影響，因為它們會傷害線粒體。娛樂性藥物。不，這是你因病服用的藥物。我對娛樂性藥物不太確定，但我知道有許多藥物是人們因為需要而服用的。
但還有另一件事，這是壞消息，這裡是好消息。好消息是你可以通過運動來補充能量。運動是你能夠做到的最好的藥物。它是你所能服用的最便宜的藥物，可以幫助你身體的每個器官。它顯然幫助心臟，幫助大腦，讓大腦 rejuvenate，還有助於免疫系統。身體的每一個器官系統都會從定期運動中受益。我每天在索克研究所的海灘上跑步。我還在海拔 340 英尺的台地上，因此我每天都會下山，然後攀爬懸崖。對，通往 Blacks Beach 的台階是一個很好的鍛煉。沒錯，沒錯，這是讓我保持活躍的一件事情，而我去年秋天的時候在阿爾卑斯山還徒步旅行。那是在九月份。所以我認為，人們真的應該意識到這一點，這就像是為自己儲備能量，用於年老時。儲備的越多，生活會越好。
還有其他事情。好吧。現在我們跳到阿茲海默症。很多年前我剛來洛霍亞（La Jolla），聖地牙哥聽到的這項研究，是由阿茲海默症計畫的負責人做的。他在中國做了一項有關發病的研究，他們選擇了三個人口群體。第一組是幾乎沒有受過教育的農民。第二組有高中教育，然後是受過高等教育的人。結果發現，受教育程度最低的人早期出現阿茲海默症，而受教育程度最高的人則最晚出現。這是很有趣的，不是嗎？因為，基因大概並沒有那麼不同，對吧？我意思是，他們都是中國人。所以一個可能性，顯然我們不確定原因，但可能是，隨著年齡增長，更多地用教育來鍛煉你的大腦，你在晚年可能有更多的儲備。我相信這個觀念，雖然我沒有更好的詞語或短語來表達，也許你有，就是一種“認知速度”的概念。你知道，有時我會玩這個，我會慢慢閱讀，或者我會看看在一天中的某個時候自己閱讀的預設速度，然後我會有意識地嘗試快速閱讀，同時還要保留我所閱讀的知識。所以我不是只是在閱讀文字，而是在努力吸收入我所閱讀的信息，你可以感覺到這種能量需求。然後我會玩一玩，稍微退後一下，再向前推進。我嘗試找到一個甜蜜點，在那裡我不會以反射性的速度閱讀，而是稍微快一點，同時還想保留信息。我在教育生涯的某一階段學會了這一點。幸運的是，那時候還比較早，我能夠趕上大部分事情，有時候會有漏掉的東西，我得回去學習怎麼學，如果我在互聯網上犯了錯，那他們肯定會指出來，然後我們再回去學習。而且你猜怎麼著？我永遠不會忘記這些，因為懲罰，社會懲罰是一個很好的信號。非常感謝大家讓我持續學習。
但我從年輕時嘗試在滑板或足球等事情上變得優秀的經驗中學到了這一點。滑板的學習有某種現象，那是我成長時的運動，當你速度更快的時候，實際上學習更容易。你知道，大多數小孩嘗試在客廳的地毯上學習如何 ollie 和 kickflip。這是學習的最差方式。其實更快的速度更容易比你覺得舒適的速度來學習。如果不夠專注，你可能會受傷。如果過度專注於認知，你無法進行運動動作。對的。
所以我發現有一個最佳點，最後我能夠將其轉化為一種理解，當我坐下來閱讀一篇論文或新聞文章，甚至聽播客時，會發現那個人的聲音有個節奏，然後我會調整音頻的播放速度，此時我必須進行認知參與，並且我知道我正處於吸收資訊和學習的狀態。然而，如果我只是隨著我的反射性速度來進行，就很少能進入那個完美的區域。因此我指出這一點，也許對人們會有用。我不曉得這是否包含在你們的學習如何學習課程中，但我確實認為有一些我稱之為認知速度的東西，這對學習是理想的，而不是那種悠閒的瀏覽。這就是為什麼我認為社交媒體是有害的。我認為我們基本上是在訓練我們的大腦變得緩慢、被動，並且在多情境中循環。除非某件事非常突出，否則它會使我們變得懶惰，請原諒我這樣的措辭，但我在這裡要直言，就是在認知上變得懶惰，除非我們下定決心去進行學習。我的猜測是這觸及到了這個線粒體系統。非常可能，這是一部分。順便提一下，你調整速度的方式非常有趣，因為實際上，壓力，大家都認為壓力是不好的，但不，事實上，瞬時性的壓力，即你控制的、限時的壓力是對你有益的。這對你的大腦有好處，對你的身體有好處。我在海灘上進行間歇跑，就像你在閱讀時進行認知間歇。我會用力衝刺大約10秒，然後慢跑，再用力衝刺10秒，這是把你的身體推入那個額外的檔位，有助於肌肉的進步。肌肉需要知道他們該輸出的重量，這樣你才能獲得肌肉質量，而不是每天都以同樣的跑步速度進行。你的智力和身體的活力毫無疑問。我認識你很久了。你在智力上擁有輕微的向前重心，甚至在步伐的速度上，我敢說，特里，對於一個加州人來說，你走得很快。這是個讚美，順便說一句。東海岸的人知道我在說什麼，而加州人可能會想，“為什麼不慢下來？”不過，為什麼不應該走得太慢是因為這些線粒體系統，正如你指出的，大腦和身體的能量是非常相關的，我確實認為低於某個閾值就很難回到原本的狀態。就像低於某個閾值，進行鍛煉會很難而導致過度疲勞或甚至受傷，我們需要保持這個狀態。或許現在是結束這個如何教導年輕人的問題的好時機。每個人都應該把這個學習如何學習的課程視為一個免費資源，這太了不起了。至於人工智慧，你認為年輕人和老年人現在，因為我49歲，所以算是較老的一組，應該學會如何使用人工智慧嗎？他們已經在學習如何使用人工智慧，這就像新技術的出現，誰會最先掌握？就是年輕人，而且這項技能的掌握速度驚人。他們使用人工智慧的頻率遠超過我幾乎每天都在用的程度，但我知道有很多學生也基本上在使用，順便提一下，這就像任何其他工具，這是一種你需要知道如何使用的工具。你建議人們該從何開始？我已經開始使用Claude AI，這是某位AI專家建議我的作為Chat GPT的替代選擇。我對Chat GPT沒有任何不滿，但我告訴你，我真的很喜歡Claude AI的美學。這有點像柔和的米色外觀。它有一種蘋果產品的感覺。我喜歡蘋果品牌，它給我答案。也許是字體，或者是感受。也許這回想起你早些時候提到的例子，我喜歡Claude AI，我是它的忠實粉絲，他們也沒有付我來說這些。我從來沒有見過他們，與他們沒有任何關係，只是它以簡潔的項目格式提供答案，讓我覺得很容易將這些資訊轉移到我的大腦或頁面上。我喜歡Claude AI，也使用Chat GPT。人們應該如何開始探索人工智慧，以便變得更聰明，學習知識僅僅為了知識，並與之互動以獲取樂趣？最好的方法是什麼？我認為正如你所做的，現在有數十種不同的聊天機器人，而不同的人會對某些(機器人)感到舒適。Chat GPT是第一個，所以這是為什麼它佔據了很多認知空間。它變得像Kleenex那樣的詞。這就是我為什麼在我的書中使用它作為第一個詞，因為它是具有標誌性的。有些，我必須說，例如，有些機器人在數學上表現得非常出色。谷歌的Gemini最近對所謂的推理鏈進行了一些微調。當你推理時，你會經過一系列步驟，當你解決數學問題時，你會經過一系列步驟，首先找出缺什麼，然後再添加。它在這些問題上的正確率從20%上升到80%。當人們聽到這個時，他們可能會想，“那仍然有20%的錯誤。”你能想像在牆後有一個人或一組人，如果你問他一個問題，再問另一個問題，再問另一個問題，它能在幾秒鐘內給你80%以上的準確信息嗎？我認為我們在比較這些大型語言模型與最優秀的人類時，也許有點不公平，而不是與普通人類相比，對吧？正如你所說，大多數人無法通過LSAT，進入法學院的入學考試，也無法通過MCAT，進入醫學院的考試，而JetGPT卻做到了。
現在是否有一個世界，我們可以將現有的人工智慧、大型語言模型（LLMs），這些基本上能像多個人類大腦集合一樣學習的電腦，以某種方式傳送到未來呢？給它們一個想像的未來，好嗎？我們能否給它們結果A和結果B，讓它們探索我們尚未能夠達到的未來狀態，然後利用這些知識來探索這兩種不同的結果？在某種意義上，我認為這可能是更好的問題，因為我們無法回到過去，但如果你為AI提供不同的情境，我們或許可以向未來旅行，你可以說：“與一組專家、醫療專家、太空旅行專家或海洋旅行專家不同，”你無法說：“嘿，你知道嗎，今晚不要睡覺。你將在接下來的48小時內工作。事實上，你將在接下來的三週或三個月內工作，而且你知道嗎？你不會做其他任何事情。你不會關心你的健康。你不會做其他任何事情。”但你可以拿一個大型語言模型，告訴它：“在以下不同的情境下，隨便擷取知識，”然後讓這一隊大型語言模型回來告訴我們一些信息，比如 “我不知道，明天。”
好吧。我自己也經歷過這一切。在1980年代，當時我剛開始我的職業生涯，並且是開發神經網絡模型學習算法的先驅之一。我與傑夫·辛頓（Jeff Hinton）合作開發了一種叫做博塞爾機器（Bosel Machine）的東西，而他最近因此獲得了諾貝爾獎。是的，就在今年。太好了！他是我最好的朋友之一，才華橫溢。他當之無愧，不僅因為博塞爾機器，還有他自那以來在機器學習、反向傳播等方面所做的所有工作。但在那個時候，傑夫和我對未來有一種看法。人工智慧主要是以符號處理、規則、邏輯和編寫計算機程序為主。對於每一個問題，你都需要一個不同的計算機程序，而編寫程序非常耗費人力資源，因此進展非常緩慢。事實上，它們從未達到目標。例如，他們從未為視覺編寫過程序，即使計算機視覺社群也努力了很長時間。但我們對未來有這樣的看法。我們認為自然已經解決了這些問題，因為有存在證明表明你可以解決視覺問題，看看，每一種動物甚至昆蟲都能看見，對吧？來吧。好吧，我們來看看，他們是怎麼做到的。也許我們可以透過追隨自然來幫助。我們可以再一次回到算法，我告訴你們。
在腦的案例中，與數字電腦的不同之處在於，數字電腦基本上可以運行任何程序，但果蠅的腦子，比如說，只運行那些專用硬體允許它運行的程序。並沒有太多的神經可塑性。只是夠生存的習慣和其他東西而已，讓你能夠生存。這是……生存24小時。我並不是要貶低果蠅生物學家，但當我想到神經可塑性時，我想到的是人類大腦的壯觀神經可塑性，能夠自我定制以適應經驗世界。我同意。但是……當我想到果蠅時，我想到的是一組非常酷的神經電路，能夠很好的避免被拍打、進食和繁殖，並沒有其他太多的事情。它們並不真的建造技術。它們可能有有趣的關係，但誰知道，誰在乎。這有點像，這不是說它們不重要，只是這種缺乏可塑性使得它們成為一種平庸的物種。好吧。我可以看出我按到了你的痛點。不是，不是，我喜歡果蠅生物學。它們教會了我們有關視覺系統中方向選擇性的算法。哦，不不，我愛果蠅生物學。我只是認為缺乏神經可塑性揭示了一定的關鍵局限，而我們之所以成為地球的策展人，是因為我們擁有如此多的可塑性。當然，當然。但是你必須一步一步來，大自然首先必須能夠創造能夠生存的生物，然後隨著環境變得愈加複雜，它們的腦子會變得更大，而我們也在這裡。但關鍵在於，事實證明果蠅大腦中的某些算法在我們的大腦中也存在，例如條件反射，經典條件反射。你可以以條件反射來訓練果蠅……當你給它獎勵時，它將產生同樣的行為。這就像是條件行為。那個算法我告訴過你，不是你的價值函數。時間差學習，那個算法就在果蠅的腦子裡，也在你的腦子裡。因此我們可以從許多物種中學習學習。我只是開玩笑地挑逗果蠅生物學家。我其實認為果蠅做了很多事情。比如蜜蜂生物學，如果你在特定的花上給蜜蜂咖啡因，它們實際上會更努力地為那些花授粉，因為它們實際上喜歡被咖啡因影響的感覺。這裡有一個關於嗡嗡聲的冷笑話，但我不會說這個笑話，因為大家都已經說過了。我完全吸收並同意研究更簡單生物體以尋找算法的價值。對吧。這就是我們現在所處的情況。
現在，讓我們展望未來，我在講述我們實際上是什麼。我們在預測未來。我們在說：“這是傳統AI的另一種選擇。我們當時並沒有被認真對待。”每個人…專家們說：“不不。編寫程序。編寫程序。”資源、資助、工作，而我們在回顧中就像這些恐龍腳下的小毛茸茸的哺乳動物。我喜歡這個比喻，但恐龍消亡了。
我想表達的觀點是，我們的大腦有能力對未來進行這些推斷。
為什麼不讓人工智慧也能模擬大腦呢？
為什麼不可以？
我認為你的想法非常好。
我是說，我對人工智慧感到興奮的原因，以及在這次對話中越來越興奮，是因為我們幾乎沒有機會以如此大規模的方式塑造信息，尤其是關於生理節奏的部分。
我的意思是，如果有什麼是人類真正受制於的，那就是生理時鐘。
你遲早需要睡覺。
即使你不睡，你的認知能力也會隨著生理週期起伏。
如果你不這麼做，你可能會早死。
我們知道這一點。
電腦可以持續運作，運作，再運作。
當然，你得給它們供電。
還有散熱的問題。
這些都是與之相關的問題，但都是可行的。
電腦可以持續運作，運作，再運作。
它們能提供通往未來的窗口，能讓我們回顧未來的情景，這個想法讓我非常興奮。
我不是說我們必須實施它們的建議，但能夠派出一組多樣化的、計算上多樣化的、體驗上多樣化的人工智慧專家進入未來，並帶回一組潛在的行動路線，對我來說是非常令人興奮的。
也許一個好的例子就是治療精神分裂症。
這是一個我希望確保我們討論的領域。
我從神經科學的學生時代就學到，精神分裂症在某種程度上是一種多巴胺系統的破壞，因為如果你給予阻斷多巴胺受體的抗精神病藥物，你會發現運動症狀和某些幻覺會有所改善等等。
而現在也有一些人說，「不，這並不是精神分裂症的根本原因。我很想知道你的想法。」
在哈佛的克里斯·帕爾默等人的研究中，我們有了驚人的成果，現在在斯坦福大學甚至有一個部門專注於克里斯所創立的領域，即代謝精神病學，這個概念是，誰能夠想像在這裡變得諷刺的是，你所吃的食物影響你的線粒體，你的運動方式影響你的線粒體，線粒體影響大腦功能，而可憐的是，大腦和身體的代謝健康會影響精神分裂症的症狀。
他研究了人們如何使用生酮飲食，也許不是為了治癒，但可以用來治療，在某些情況下甚至可能治癒精神分裂症。
在這裡，我們仍然處於一個尚未有「治療」精神分裂症的境地，但你可以派出大型語言模型進入未來，開始搜尋所有相關領域的數據，可能在一小時內就能做到，然後提出一堆假設的正面和負面結果的臨床試驗，這些試驗甚至尚不存在，比如在斯坎地那維亞進行生酮飲食的 10,000 名受試者，根據雙胞胎研究我們所知道的，這些事情在下午甚至一年內都不可能做到，但有了資金，瞬間就能得到答案，讓他們向我們呈現這些答案，然後你就會說，「好吧，這是人工的」，但人類大腦所進行的實驗也是如此。
對我來說，我開始意識到，我們不必實施人工智慧告訴我們或提供的所有建議，但它確實讓我們能窺見可能正在發生或將要發生的事情。
對於精神分裂症，我相當肯定，如果我們在20年前就有這些大型語言模型，我們當時就會知道氯胺酮將是幫助這些人的一種非常好的藥物。
告訴我們氯胺酮和精神分裂症之間的關係，因為我認為很多人，也許你可以定義一下精神分裂症，雖然大多數人想的都是聽到聲音和精神病，但還有更多的內容也許我們無法表達清楚。
好吧，我們現在知道的事情之一是，問題在於，如果你看最終的結果，這並不告訴你問題的起因。
但在早期發展中，精神分裂症是一種在青少年晚期或早期成年時期出現的問題，但實際上從一開始就已經是一個基因的問題。
那麼在同卵雙胞胎中，契合度是什麼意思呢？也就是說，如果你有同卵雙胞胎在母腹中，其中一個注定會完全發展為精神分裂症，那麼另一個會有什麼樣的概率？
所以這就是實驗。
這在老鼠身上已經多次被複製，我應該這麼說。
哦，不，實際上好吧，讓我先從人類開始，好的。
所以氯胺酮，長期以來，它仍然是一種派對藥物，特別是K。
我從未服用過，但這是我所聽到的。
我也沒有。
我不知道。
它是一種解離性麻醉劑，是吧？
但我告訴你發生了什麼，因為我曾與這些人交談過。
你服用氯胺酮，且是亞麻醉劑，順便說一下，它是一種麻醉劑，對兒童使用相當不錯，也是用於獸醫醫學。
無論如何，你給年輕人服用，以下是他們的體驗。
他們會經歷到身體外經驗，感受到能量的愉悅感，並且非常……這是一種快感，但也非常不尋常。
現在，如果他們只是去經歷一次，但如果他們有兩次，比如連續兩天派對，很多就會進入急診室。
而這裡的症狀是。
完全的精神病，完全的精神病。
我們談論的是與精神分裂症的崩潰無法區分開來。
所以出現了聽覺幻覺。
是的。
而且出現了幻覺、妄想，你會說這個人真的變成了精神分裂症患者，而這真的，就像你說的，症狀是相同的。
然而，如果你把它們孤立幾天，它們會回來的，對吧？
所以這意味著精神分裂症可以誘發，我是說，抱歉，氯胺酮可以誘發一種形式的精神分裂症，精神病，這是暫時的，而非永久的，幸運的是。
好吧。
那麼它攻擊什麼？
好吧。
這方面還有其他文獻。
結果發現它與一種受體結合，這是一種苯甲酸受體，稱為NMDA受體，這對於學習和記憶非常重要。
但我們知道目標，我們也知道急性結局是它降低了抑制電路的強度，使用抑制性神經傳遞物質的介入神經元，其中產生抑制性神經傳遞物質的酶被下調。
那這會引發什麼？
這意味著興奮性增強。
當有更多興奮時那又意味著什麼呢？
這意味著皮層中的活動更多，實際上能量也更多。
如果活動過多，你就開始變得瘋狂，對吧？
這很有趣。所以這告訴我們，我認為，我們應該考慮一下，現在在精神病學中有一整個領域與谷氨酸假說有關，這是實際不平衡首次出現的地方。
這是皮層中的興奮系統和抑制系統之間的平衡失調。
而NMDA，N-甲基-D-天冬氨酸受體是谷氨酸受體。
是的，它們是谷氨酸。它們是一類。這就是一類。對。
好吧。所以現在，這是一個假說，解釋為什麼氯胺酮可能對抑鬱症有好處。
人們現在正在服用它。我們感到沮喪，對吧？
所以你有一種導致過度興奮的藥物，而你有一個興奮不足的人。
抑鬱症與大腦某些部位的較低興奮性活動有關。
那麼，如果你調整劑量，你可以重新回到平衡，對吧？
所以你所做的就是用一點精神分裂症來對抗抑鬱症。
現在，我認為你必須每三週注射一次，他們必須獲得新的氯胺酮劑量，但這幫助了許多有非常非常嚴重臨床抑鬱症的人。
隨著我們對一些這些疾病背後機制的了解越來越多，我們將能夠更好地推導出一些解決方案，至少能防止它變得更糟。
順便說一下，我相當確信大型語言模型早就可以查明這一點。
所以在試圖了解我們現在如何利用這些大型語言模型時，我們早些時候會怎麼使用這些大型語言模型？
假設你有2024年的AI技術，讓我們開心一下，放在1998年，那年我開始研究生學業。
對。
那時候，像多巴胺假說，精神分裂症在每本教科書中都會出現。
或許還提到一點谷氨酸，但那全是多巴胺。
所以大型語言模型會怎麼發現這一點呢？
蛋白質被認為是藥物。
對了，氯胺酮與PCP非常相似，後者也與NMDA受體結合。
所以這又會怎樣，這也是，對，我不推薦它，也不推薦氯胺酮。
坦白說，我不推薦任何休閒藥物，但我也不是一個使用休閒藥物的人。
不過如果這些大型語言模型能夠這樣做，那麼如果把2024年的技術放到1998年，他們會利用現有的知識，但他們是否能作出預測，比如「嘿，這些東西會被證明是錯的」，或者「嘿，這些東西是……」
好吧。
你知道，這一切都是非常非常推測的，而我們現在實際上開始看到這種情況發生。
所以我在索爾克研究所有一位同事，Rusty Gage。
他是一位很傑出的神經科學家，他發現海馬體中有新神經元產生，這在成年人中是發生的，而教科書上說這是不會發生的，對吧？
這大約是1998年，Rusty做到了，是的。
對的。
而且我確實和他合作了篇論文，我們測試了LTP，長期增強作用，實際上是運動對神經生成的影響。
運動增加了神經生成。
它增加了細胞，增加了神經生成，而且激活的細胞也成為電路的一部分。
更多的細胞被整合進來。
這在人體中也是如此，對吧？
是的。
而且有某種癌症藥物被給予，他們顯示出有新細胞能夠，能夠稍後顯示出它們在成人中產生的情況，好的。
所以我們在1998年，問題是，你能跳嗎？
你能跳進未來嗎？
好吧。
所以Rusty，您知道，恰好談到了這個問題，你知道，他現在在研究中使用這些大型語言模型，我說「哦，哇，你是怎麼使用它的？」
他說：「我們把我們做過的所有實驗都放進去，我們有，知道文獻，有文獻的訪問權，等等，然後我們請它提供新實驗的想法。」
哦，我喜歡這個。
我喜歡這個。
我在一架飛機上坐在一個在谷歌工作的人的旁邊，他是那方面的主要人物之一，涉及語音轉文字和文字轉語音的軟件，他給我展示了一些東西。
我會提供一個鏈接，因為這又是這些開放資源項目之一。
而我不是特別懂技術的人。
我不會在技術上失敗。我不會獲得A+。
我有點中等，所以我認為我代表了這個播客的普通聽眾。
他給我展示的是，你可以打開這個網站，你可以將PDF文件或者網站地址放在邊緣。
你真的只需將它們拖放到那裡。
然後你可以提出問題，人工智慧會根據你在這個邊欄中輸入的內容、那些PDF檔案、那些網站生成答案。 最酷的是，它會引用這些資料，讓你知道這些回答是來自哪篇文章。 然後，你可以開始詢問一些更複雜的問題，例如，在關於藥物影響的兩個例子中，其中一種影響非常強烈，而另一種影響非常微弱，你認為這些論文中哪一篇根據受試者人數以及研究結果的強度來看更扎實。 這是一個相當模糊的概念，對吧？
研究結果的強度相當模糊，對吧？ 任何認為這些是微弱研究結果的人，會說受試者數量不足，我們知道從一個病人，HM，我們對人類記憶了解得非常多。因此，當談到涉獵人類的研究結果強度時，這是一個主觀的問題，你真的需要在某個領域成為專家才能理解研究結果的強度，即便如此。 而且令人驚奇的是，它開始提出回應，比如說，如果你關心受試者的數量，那麼這篇論文是個不錯的選擇，但這點不言自明，哪一篇有更多的受試者，但它還可以開始非常精緻地批評這些論文中使用的統計數據，並向你解釋為什麼某些論文可能不那麼有趣，而其他的則更有趣，它開始對證據進行加權。
接著你會問，根據這些加權的證據，你能否假設如果發生某種情況會怎樣？所以我已經做過這樣的嘗試，它開始根據你五分鐘前提供的十篇論文來預測未來。 我認為除了在非常特定的興趣範疇內，沒有任何教授能做到這一點，且如果他們已經熟悉這些論文，即便是這樣，閱讀這些論文詳細內容也需要數小時，甚至幾天。 而且他們可能並不會得出相同的答案，對吧？ 對的。
所以，實際上，這些事情正在醫學領域發生，順便提一下，對於使用人工智慧作為助手的醫生來說，這非常有趣。 這是一篇關於皮膚病的論文，發表於《自然》期刊，有關皮膚病變。 有幾千個皮膚病變，其中一些是癌變的，其他則是良性的。 因此，無論如何，他們對專家醫生進行測試，然後他們也測試了人工智慧，兩者的準確率都在90%左右。 然而，如果你讓醫生使用人工智慧，那麼醫生的準確率可以提升到98%。 98%的準確率！ 是的。
這裡發生了什麼？ 這很有趣。 所以事實證明，雖然他們的準確率都是90%，但他們的專業知識是不同的，人工智慧可以接觸到更多的數據，因此它可以查看一些醫生可能從未見過的罕見病變，好的？ 但醫生對他所見過的最常見的病變擁有更深入的知識，那些是微妙之處等等。 但是將這兩者結合起來，顯而易見，他們在合作時會改善彼此的表現。 我覺得現在你所說的就是，把人工智慧作為發現的工具，與專家一起解釋和查看論據，這樣的統計論據，還有可能以嶄新的方式看待這些論文，也許這就是科學的未來。 也許這就是將要發生的事情。 大家都擔心，哦，人工智慧將取代我們，它將在各方面都優於我們，人類會變得過時。 沒有什麼比這更錯誤的了。 我們的優勢和劣勢不同，通過合作，將會變得更強大。 我們所做的和人工智慧所做的，這是一種夥伴關係，並不是對抗的關係，而是一種夥伴關係。
你會說這種情況也適用於理解或發現神經科學疾病的治療方案，以避免大規模災難的情況嗎？ 它能預測宏觀運動嗎？ 讓我舉個例子。 在洛杉磯，公路上偶爾會發生事故。 現在在公路上有很多攝像頭，車輛上也有攝像頭。 你可以想像所有的數據實時被發送，這樣你很可能會預測到事故的發生。 這些只是以特定速度移動的物體，在草率駕駛，但你還可以潛在地發出一個信號，接管汽車的剎車或方向盤，防止事故的發生。 我是說，一些汽車已經這樣做了，但你是否能夠根本消除交通？ 我不確定你能否做到，因為那是一個漏斗問題，但你能否預測物理事件在未來的情況？ 好的。 這已經完成了，不是針對交通，而是颶風。 正如你所知，天氣預測非常困難，除了加州這裡永遠是陽光明媚的地方，但現在他們進行了大量過去颶風的數據輸入，還有颶風的模擬。 你可以在超級計算機上進行模擬。 這需要數天或數週，因此對於準確預測將會撞擊佛羅里達州的地點並不太有用，但他們在訓練人工智慧使用這些數據之後，它能夠以更好的準確度預測到颶風將在哪個具體位置登陸佛羅里達州。 它在你的筆記本電腦上只需10分鐘就可以做到這一點。 難以置信。
對我來說，某些事情突然變得清楚，而這可能對你和大多數人來說是顯而易見的，但我認為這是真的。 我想我即將說的話是對的。 在我們談話一開始，我們討論的是知識的獲取與知識的實施，僅僅是學習事實與學習如何以物理行動或認知行動的形式實施這些事實。 數學問題是認知行動，物理行動。 好的。 人工智慧可以同時進行知識獲取。
它可以學習事實、長長的事實清單和事實的組合，但推測它也可以解決許多問題集和解決許多問題集。我不確定除了對於一些粗糙的、仍然對我來說是機器人範疇的例子之外，它在行動上還沒有特別出色，但它大概會在某個時候達到那個水平。機器人正變得越來越好，但它們還沒有做到我們所做的事情，不過在我看來，只要它們能夠獲取知識，然後解決不同的問題集，不同的知識組合的迭代，基本上，它們就能夠從任何有關先前事件或當前事件的數據中，做出相當準確的未來預測，並能快速地將這些預測回送給我們和它們自己，以便能夠發展出不同的迭代。我在想，有一個問題似乎真的困擾著神經科學家，以及醫學界和一般公眾，那就是自閉症的診斷至少有所增加。這些年來我聽過很多不同的假設。我想我們在這方面仍然相當困惑。人工智慧能否開始提出新的潛在解決方案和必要的治療，或者或許能夠觸及這個問題的核心？有可能。這取決於你擁有的數據，也取決於疾病的複雜性。但這是必然會發生的。換句話說，我們會盡可能地使用這些工具，因為顯然，如果你能有任何進展並跳入未來，哇，那將拯救生命，幫助很多人。我真的認為這裡的前景非常廣闊，即使有缺陷也有監管問題，我們真的需要加倍努力。我們必須以能夠幫助人們改善他們工作、幫助他們解決本來會有困難的問題等方式來進行。這開始發生了，但這仍然是早期階段。我們目前處於人工智慧的發展階段，類似於萊特兄弟第一次飛行之後的情況。換句話說，萊特兄弟的成就就是讓人類在空中懸浮10英尺，並向前推進100英尺。就這樣。這是第一次飛行。這需要大量的改進。最困難的問題是控制。你如何控制它？你如何讓它朝著你想要的方向移動？現在人工智慧的情形和當時的情形有些相似，我們已經起飛了，但還沒有飛得很遠，但誰知道未來會把我們帶到何方。讓我們談談帕金森氏病，這是一種多巴胺神經元的耗損，導致平滑運動生成的困難以及一些認知和情緒功能的障礙。告訴我們你在帕金森氏病方面的研究以及你學到了什麼？正如你所指出的，帕金森氏病首先是一種退行性疾病。這非常有趣，因為多巴胺細胞是腦幹的特定部分，它們負責程序性學習。我之前告訴過你有關時間差的事情。這是多巴胺細胞。這是一種非常強大的全局信號，被稱為神經調節劑，因為它調節著整個皮層中的所有其他信號。此外，這對於學習能夠生存的行動序列非常重要。問題是，在某些環境損傷特別是像農藥這樣的毒素下，這些神經元非常脆弱，而當它們死亡時，你會得到你剛剛描述的所有症狀。那些在接受治療之前已經失去這些細胞的人，如阿多巴（Aldopa），這是一種多巴胺前體，實際上變得昏迷，對吧？他們不會動。他們還是活著，但完全不會動。被稱為「鎖定」，是的，這是悲劇，悲劇。所以當第一次的阿多巴試驗給予他們時，這是神奇的，因為突然他們又開始說話了。所以我的意思是，這真是驚人，驚人。我好奇的是，當他們再次開始說話時，他們是否報告在鎖定階段的腦狀態是慢速？是不是有點夢幻般的狀態，或者他們感覺自己在打盹，還是他們在裡面尖叫想要出去？因為他們的身體速度顯然是零，畢竟他們被鎖定了。長期以來我一直在想，從跑步回來或從良好的夜間睡眠中醒來，當我切換到清醒狀態時，身體速度和認知速度是否有聯繫。因此這是一個美妙的觀察或問題，我敢打賭你知道答案。好的，這裡有一件非常驚人的事情，當他們傾向於慢速移動時被有趣地發現。按照你所說，但對他們來說，從認知上來說，他們認為自己在快速移動。現在並不是因為他們無法快速移動，因為你可以說，那你能不能動得更快？當然可以。他們會正常移動，對吧？但對於他們來說，他們認為自己在以超高速移動。所以這是一個設置點的問題。對，是設置點的問題，沒錯，這都是關於設置點。這才是真正的情況。而隨著設置點越來越低，現在他們完全不移動，他們卻認為自己在移動，對吧？我的意思是，這就是正在發生的事情。順便說一下，你可以問他們，那是怎麼回事？我們在跟你說話，你卻不回答。哦，我不想回答。大腦編造了答案。好吧，他們是因為沒有足夠的能量或無法啟動。他們無法啟動動作。這是他們在運動方面所面臨的困難之一，啟動一個動作。正如你所見，我對這種認知速度的概念感到著迷。同樣，可能有更好或更準確或更正式的術語來表達它。但是我覺得它涵蓋了我們學習時所試圖做的事情的許多方面，事實上在睡眠中你會在快速眼動睡眠期間體驗到非常生動的夢。
認知速度非常快。對於時間的感知與慢波睡眠夢境中的不同。我真的認為這至少是一個與大腦狀態相關的量度。我早就認為，我們對於睡眠期間的大腦狀態了解得遠比對清醒的大腦狀態多。我們談論專注、動力、心流。這些並不是科學術語。我並不是在貶低這些詞彙，它們幾乎是我們所擁有的，直到我們想出了更好的術語。但是在你的情況下，我們是生物學家、神經科學家和計算神經科學家。我們正在試圖弄清楚我們現在處於什麼樣的大腦狀態。我們的認知速度是一個特定的數值。但我認為人們越多思考這個問題，我敢說他們會在一天中的不同時間思考他們的認知速度。我們開始注意到，通常在一天中的某些時段會有這樣的趨勢。對我來說，這通常是從早上到中午的時段，然後在晚上稍微經歷一段低谷和能量再度提升的時候，那一個半小時，就是進行真正工作的最佳時機。那段時間我可以腦力衝刺。但在一天的其他時段，我無論喝多少咖啡因，除非是要面對的壓力事件，否則我根本無法達到那樣的更高速度，同時還要參與其中。你可以更快地閱讀，聆聽，但你並沒有使用信息，也沒有儲存信息。說得對。你一天中什麼時候的效率最高呢？我早上做的最多，然後晚餐後也是不一樣。我覺得早上我在創意方面比較好，而晚上則在實際動手生產上更有效。很有趣。考慮到體溫和生物節律之間的關係，我想進行一個實驗，研究核心體溫與認知速度之間的關聯。我其實已經注意到這是一個完全主觀的問題，但建築物內的鹽度保持在75度，這是毫無變化的。但在下午，我會感覺有點寒冷。這可能是我內部的體溫下降了。這可能與能量的損失有關，對大腦及其他一切的能力有影響。順便說一下，你知道這是Q10，這是一個術語。你每個細胞中的每一個酶都可以根據溫度以不同的速度運作。體溫和所有細胞也是如此。這是一種解釋，我不確定是否正確。我的同事克雷格·赫勒在斯坦福生物學系美妙地描述了我相信是丙酮酸酶對肌肉失效的酶控。當人們試圖克服某種阻力的時候，局部的肌肉失效與溫度有著很大的關係，局部的溫度會關閉某些酶的過程，使得肌肉無法以相同的方式收縮。他知道細節，他在這個播客中介紹過，但我忘了具體情況。他開始說：“哇，這些酶這麼巧妙地受到溫度的控制。”當然，他的實驗室專注於繞過這些溫度的方法，或在局部更改溫度，從而繞過這些限制，並一次又一次地證明這一點。這真的令人難以置信。是的，我們在這裡推測這對認知速度意味著什麼，但我認為這是思考基礎生物學與僅僅思考藥物的世界之間如此不同。你增加多巴胺、去甲腎上腺素和腎上腺素，這些所謂的兒茶酚胺，你會增加能量、專注和警覺性，但你會付出代價。你會有一個與服用藥物時的提升程度成正比的能量、專注和警覺性低谷。克雷格，安非他命就是一個很好的例子。當你服用藥物時，你的速度快如飛。然而，當我站立時，這是你的印象，實際上你並沒有取得更多成就。是否有任何大型語言模型（LLMs），也就是人工智慧被用來回答這個迫在眉睫的問題，即這些在服用利他林、阿莫達非尼、維凡斯和其他興奮劑的年輕大腦的認知後果將會是什麼，因為我們有數以百萬計的孩子在這樣成長。我們有一個主席，整個世代的人，我真的想知道答案。我想知道是否有任何人研究這個問題。這是一個很好的問題，因為我們實際上給了他們興奮劑，這種藥物會使大腦活躍。順便說一下，後果是，當藥效消退時，你會感覺沒有能量。你就是完全耗盡。就是這樣。那是深淵。那是深淵，但這就是為什麼你會再吃更多。這成了問題，它是一個惡性循環。我喜歡你今天如此清楚地表達計算、數學、電腦和人工智能如何真正塑造我們思考這些生物問題的方式，這些問題也是心理問題，同時也是日常挑戰。我也很高興我們提到了線粒體和如何重建線粒體。我想確保我們討論一些我知道在大家心中揮之不去的議題，不帶有任何雙關意味，那就是意識和自由意志。一般來說，我不喜歡談論這些事情。不是因為它們敏感，而是我發現圍繞它們的討論往往是更哲學性的，而不是真正的神經生物學，並且常常是相當循環的。你會遇到像凱文·米切爾這樣的人，我想他有一本關於自由意志的書，他相信自由意志。還有像羅伯特·薩波斯基那樣的人，他寫了一本叫《決定論》的書，他不相信自由意志。
你對自由意志的看法如何？這是否是我們應該討論的話題？如果回溯到五百年前的中世紀，這個概念並不存在，或至少不是以我們當今的方式使用，因為人類對世界的認知以及其運作方式和對他們的影響都是命運的安排。他們有命運這個概念，即無論你做了什麼事情，有些事會發生在你身上，這是因為上面的神明或其他原因在運作。你會把這歸因於你周遭的物理力量，而不是自己的自由意志，不會認為有什麼原因使你遭遇這樣的情況。 我認為這些詞語，比如我們所使用的自由意志、意識、智慧、理解等，都是含糊不清的詞，因為你無法將它們確切定義。對於意識，並沒有大家一致同意的定義，如果你沒有一個可以達成共識的定義，那麼就很難解決科學問題，而目前有一個重大爭議，即這些大型語言模型是否以我們的方式理解語言。它真正揭示的是我們並不了解理解到底是什麼。從字面上來說，我們並沒有一個良好的論據或指標來衡量某人的理解能力，然後將其應用於GDP，看看它是否相同。可能並不完全相同，但也許我們正在談論的是某種連續性。我這樣看，如果外星人突然降落到地球並開始用英語與我們交談，而我們唯一可以確信的就是它不是人類。我遇到過一些我懷疑其地球起源的人。好吧，地球人之間的多樣性也是很大的，你說得對。幾年前，UCSD有一些我們的同事，尤其是物理系的一位同事，我非常欣賞他的為人，他的言語和行為模式非常不尋常，完全是恰當的行為，但就是不尋常。在一次教職員會議中，他突然對我說話，當另一個正在發言的人時，我心想「或許現在不適合」，他會說「哦，好吧」。但是在任何其他領域，你會說他非常擅長社交。有些人會完全不拘泥於常規，他的行為完全是「他是外星人嗎？」這樣有點酷，像是他是我的一位朋友，讓我非常愉快。這是真的。這是真的。不是每個人都遵循相同的社交規範。這可能有點自閉症的特徵。是的。那是一個問題。換句話說，有一些功能非常高效的自閉症人士。他非常聰明。而且，通常，有一些聰明且患有自閉症的人。你能否建立一個LLM，偏向某一範疇，看看他們尋找什麼樣的資訊？我審查過一篇論文。就我個人而言，這將是一個非常重要的事情。這項研究已經完成。好吧。我審查過一篇論文，他們將LLM進行了微調，使用了來自不同障礙（例如自閉症等）的人們的不同數據。還有社會病態者，你知道的。這很嚇人。但是你想知道答案。不是的，不是的。他們讓這些LLM表現得就像那些有這些障礙的人一樣。你可以讓他們這樣行為，是的。你能否分析政治傾向和價值觀？我還沒見過，但是對我來說，如果你能做社會病態，那麼你可能能做到任何政治信仰。然而，你也可以將這一切視為，你可以採取善意的趨勢。你也可以說他們是過度創造性的，對情感語調敏感，了解那個人帶來何種資訊，對比於一些非常注重人們言詞內容的人，因為在每個人之間你會發現這種情況。如果你曾經和一位伴侶一起離開派對，有時會有人說，我遇到過這樣的經歷，像是「你看到某某之間的互動了嗎？」我會想，不，妳在說什麼？「妳聽到了嗎？」我會說，不，根本沒有。我聽到了文字，但並沒有察覺到你所察覺的東西。顯然，對同樣的內容存在兩種非常不同的體驗，純粹基於語調解讀的差異。好吧，有很多資訊，正如你所指出的，這與語調、空間表達有關，你知道的，有大量資訊不僅僅是文字，還包括所有其他部分，例如視覺輸入等等。有些人擅長接收這些，而有些人則不然。個體之間存在巨大的變異性。你知道，生物學就是關於多樣性，關於需要一個非常多元的基因庫，以便你能夠進化並在氣候發生劇變時生存。但如果我們能創建一個能理解這些差異的LLM，那不是太好了嗎？現在，想一想，對吧？那是一個真正多樣化的LLM，能夠整合所有那些差異。是的，但這裡是你必須做到的。你必須從一大群人類個體的數據中訓練它。這些LLM的一個特點是，它們沒有單一的個性。它們可以採納任何個性。你必須告訴它你對它的期望，或者以一種有效的方式詢問它，這樣你就會得到特定的個性。如果你，我曾經給它提供了一篇論文的摘要，非常技術性的一篇計算機論文。我說，「你是一位神經科學家，我希望你能向一個十歲的小孩解釋這個摘要。」它用我從未能做到的方式完成了。它真的簡化了這個內容。
一些微妙之處並不在其中，但它解釋了什麼是可塑性，並且解釋了什麼是突觸。
這太驚人了。
它做到了。
就像是研究生的資格考試。
我今天在 X 上看到了一些令我震驚的東西，原本叫做 Twitter，我想聽聽你的看法。
這與你現在所說的非常相關，有人正在向一個大型語言模型（LLM）提問，可能是 ChatGPT 或者是其他像 Anthropic 或 Claude 之類的東西。
我可能會錯誤使用那些名字。
在網上的 AI 站點中，其中一個 LLM 在回答的過程中，突然決定休息一下，開始觀看約塞米蒂的風景照片。
就像這個 LLM 在做一個可能已經認知疲勞的人或者任何其他在線人所做的事情，即休息一下，看看一些他們可能考慮過去露營的地方的照片，然後再回到任何任務上。
我們聽說 AI 有幻覺，能想象不存在的東西，就像人類的大腦一樣，但這真是震撼我。
我還沒有遇到過這種情況，但這很有趣。
這表明了真正的生成內部模型。
我認為最能區分 LLM 和人類的事情是，如果你進入一個安靜的房間，只是靜靜地坐著而沒有任何感官刺激，你的大腦會不斷思考。
換句話說，你會思考你想做的事情，提前計劃或思考你白天發生的事情，你的大腦總是在內部生成思考。
在與你談話之後，這些大型語言模型卻會變得空白。
沒有自我延續、自我生成的思考。
我們知道自我生成的思維，尤其是睡眠期間的大腦活動，正如你之前用睡眠紡錘和快速眼動睡眠的例子所說，對於塑造我們在白天經歷的知識是至關重要的。
這些 LLM 還不能完全與我們相比。
它們在某些事情上表現優於我們，比如圍棋，但我們何時才能擁有擁有自我生成內部活動的 LLM，AI 呢？
我們在逐步接近，因此這是我自己正在努力了解的事情，實際上試圖理解我們的大腦是如何產生持續的腦活動以促進計劃等。
我們在神經科學中還不知道這個問題的答案。
對了，你去聽一個講座，聽著一個小時一個接一個的詞，然後看到一張張幻燈片，然後你問了一個問題。
想想你剛剛做了什麼。
不知怎麼地，你能在一個小時內整合所有這些信息，然後使用你的長期記憶來提出一些洞察或你所關心的問題。
你的大腦是如何記住所有那些信息的？這是神經科學家研究的傳統工作記憶。
它只有幾秒鐘，可能是一個電話號碼或其他什麼，但我們談論的是長期工作記憶。
我們還不明白這是如何做到的，而 LLM，即大型語言模型，卻能做到一些事情。
這被稱為上下文學習，這是一個巨大的驚喜，因為並不存在可塑性。
這個模型在開始學習時，你用數據訓練它，然後它之後的一切都是推理，一個接一個地快速反應。
這就是沒有學習、沒有學習的情況。
但已經注意到的是，隨著對話的進行，它似乎在某些事情上變得更好了。
這怎麼可能？
即使沒有可塑性，這怎麼可能是上下文學習？
這是一個謎。
我們尚不清楚這個問題的答案，但我們也不知道人類的答案又是什麼。
對吧。
我可以問你幾個關於你自己的問題，以及它與科學和你的職業軌跡的關係嗎？
基於你剛才所說的，你是否有冥想的習慣，讓眼睛閉上、感官輸入降低或關閉，以便以特定的方式引導你的思考，還是你在電腦前和學生及博士後交談，或者在海灘上疾走？
不不，妙的是你提到這個，因為我最好的想法來自於在海灘上漫步或慢跑，而不是疾走。
這太美好了。
我不知道，我認為血清素在上升。
這是另一種神經調節劑。
我認為這會刺激想法和思考。
所以我不可避免地回到我的辦公室，但卻不記得那些偉大的想法了。
你怎麼處理這個？
現在我會做筆記。
語音備忘錄。
是的。
對。
有些點子確實能成功，這毫無疑問。
你被放在一個情境中，這是一種冥想的形式。
如果你以穩定的步伐跑步，海灘沒有任何分心的事物。
你聽音樂或播客嗎？
不，我從不聽任何東西，除了我自己的思緒。
有一位之前的嘉賓，她恰好是哈佛的三重學位者，但她更偏向於個人教練領域，但她的頭腦非常高效且令人印象深刻，她有這個無言的概念，可以用來達成許多不同的事物，但這個概念是要讓自己創造條件，讓自己在白天的某些時間內，或者每天一次，進入非常最小感官輸入的狀態。
沒有講座、沒有播客、沒有書籍、沒有音樂，什麼都沒有。
讓大腦稍微閒置一下，讓它變得非線性。
我們不是在通過這些媒體以任何結構化的方式構建思維或關注別人的思維，而是將其作為創造偉大想法的來源。
這已經被研究過了。
心理學家稱其為思維漫遊。
思維漫遊。
是的，這是一個重要的文獻。
以下是您提供文本的繁體中文翻譯：
經常當你有靈光一現的時候，你知道的，你的思緒在游蕩，然後它以非線性、不遵循邏輯順序的方式在運作，從一件事跳到另一件事。通常就是在這樣的時刻，你讓你的思緒隨意游走時，會靈光一現。對，我也有過這樣的經歷。我在想，社交媒體、簡訊和手機是否消除了許多下班後走向車子的時間，通常在那段時間，人們不會接電話或與任何人或事物交流。我曾經進行實驗，像是在移液、跑步，這需要化學知識，這樣非常放鬆。而在這個過程中我可以思考，因為我知道步驟，然後，你必須注意某些事情，寫下來。但我經常感受到，哇，我既在工作又在放鬆，還在思考事情。然後我有時會聽音樂。好的，我們有完整的一節，對於學習如何學習這種現象有一段講解。我們告訴學生的是，如果你在某個概念上遇到困難，或者不明白某些事情，撞牆時停下來。不要停，去做點別的事情。去洗碗，去街區走一圈。最終的結果就是，當你回來時，你的思緒會變得清晰，你會想出該怎麼做。這是任何人可以得到的最佳建議之一。因為，你知道，沒有人告訴過我們大腦是如何運作的，對吧？有些人非常擅長直覺，因為他們有經驗，你也許也是，但所有我認識的那些對於重要貢獻有實力的人，我敢打賭你也是其中之一。你知道，你晚上正在努力解決某個問題，你上床睡覺，早上醒來，啊，那就是解決方案。那就是我應該做的，對吧？早晨醒來的第一件事情就是，我幾乎被轟炸，我不會說是靈感，也不一定是有意義的靈感，但確實是之前不明了的事情，瞬間變得明晰。沒錯。這就是睡眠的神奇之處。你可以看到那些知道這一點的人可以依賴它。換句話說，關鍵是在你入睡之前考慮它，對吧？你的大腦在睡眠期間會對此進行處理，對吧？所以，你知道，不要看電視，因為那就不知道你的大腦會去處理什麼。利用入睡前的時間思考一些困擾你的事情，或者也許是一些你正在試圖理解的事情，可能是你讀過的論文，然後你說，哦，我累了，我要去睡覺。你早上醒來，那你就會說，哦，我知道那篇論文到底是怎麼回事。是的。這是會發生的。你一旦知道了大腦運作的某些事情，你就可以利用這一點。你有留意過你的夢嗎？有記錄下來嗎？不。沒有。好吧。問題在於，夢似乎是如此標誌性，很多人以某種方式將事情歸因於它們。但從來沒有任何好的理論或理解，首先，為什麼我們會做夢。這仍然不完全清楚。我的意思是，有一些想法。或者，為什麼這個特定的夢？對你有什麼意義？唯一我知道的也許能解釋一點的是，夢往往是非常視覺化的，快速眼動睡眠的時候，實際上發生了一些有趣的事情。在睡眠期間，所有的神經調節物質都會被下調，而在快速眼動睡眠期間，乙醯膽鹼會上升，對吧？這是一種非常強大的神經調節物質。例如，它對注意力很重要。但它不會在前額葉皮層上升，這意味著來自感官的輸入的電路在前額葉皮層並沒有被啟動。因此，發生在你視覺皮層中的任何事情都不會再被監測。所以你會得到一些奇怪的事情，你知道的，你開始飄浮，然後，事情就發生在你身上。而且，這不再是固定的。所以，這仍然無法解釋為什麼，對吧？為什麼你要經歷那個時期。這是重要的，因為如果你阻擋它，有一些安眠藥確實會阻擋它，你知道，這真的會引起正常認知功能的問題。大麻也是如此。那些從大麻中斷的人在幾天、幾週和幾個月後會經歷巨大的快速眼動反彈和大量做夢。哇。我不想說這是戒斷，因為那有不同的含義。是的。可以說這是一種不平衡，因為你的大腦已經適應了內源性大麻素的水平。現在它必須恢復，而這需要時間。但這是有趣的。這不是很有趣嗎？這會影響夢境。我認為這也許是一個線索。是的。非常普遍的現象。我被告知我不是大麻使用者，但不會對此進行評判。我只是沒有。這其實是我在上大學時讀的一本書，已經是很久以前的事情了，作者是艾倫·霍布森，他在哈佛大學擔任過職務，哦，真酷。所以我從未見過他，但他有一個有趣的觀點，認為夢，尤其是快速眼動夢，與在某些迷幻藥，如LSD、鴉片酸或蕈鹼的人所經歷的非常相似。也許夢揭示了潛意識，並不是用任何心理學術語來表達，你知道的，當我們睡著時，我們的意識無法以同樣的方式控制思維和行動，顯然，這就像是潮水退去一樣，我們揭示了更多的潛意識處理。
你知道，這是一個有趣的假設。你會怎麼測試它呢？我可能得讓某人進入掃描儀，讓他們入睡，然後在進行迷幻松露的旅程時將他們放進掃描儀，這種事情，你知道，這很困難。我是說，這些觀察性研究當然都有缺陷，我們都知道，真正想要做的是控制神經活動。你想進入大腦，輕拍這邊的神經元，看看大腦如何變化，並且希望能得到實時的主觀報告。這就是睡眠和夢境的問題，人們可以在夢中驚醒並詢問他們剛才夢見了什麼，但你無法真的知道他們在實時夢見了什麼。這是真的。對，這是真的。順便說一句，你知道夢有兩種類型，非常有趣。如果你在快速眼動睡眠期間叫醒某人，你會得到非常生動且不斷變化的夢，這些夢始終是不同且變化不斷的。但如果你在慢波睡眠期間叫醒某人，你常常會得到一個夢的報告，但這種夢是每晚不斷重複的，並且內容情感十分沉重。有趣，這是在慢波睡眠期間。是的。因為我在一生中有幾個夢是不斷重複的，所以這應該是在慢波睡眠中。對，應該是慢波睡眠。是的。令人著迷。作為一名以計算為導向的神經科學家，你真的把生物學很好地融入到你的工作中，這也是你成為這個領域的燦爛人物之一的原因，現在你也對人工智能感到非常興奮。你現在最興奮的是什麼？比如如果你有，當然這並不是事實，但如果你有24個月的時間可以全心投入到某件事情上，然後你必須把實驗室的鑰匙交給其他人，你會全力以赴投入到什麼上面？嗯，所以國立衛生研究院有一個叫做先驅獎的東西。他們尋求的是能夠產生巨大影響的大想法，對吧？所以我最近提交了一個提案，這裡的標題是《大腦和變壓器的時間背景》。什麼是變壓器？變壓器。人工智能。對。ChatGPT的關鍵在於，它有一些新的架構，深度學習架構，叫做變壓器。它有某些獨特的部分，其中一個稱為自我注意（self-attention）。這是一種進行所謂時間背景的方法。它的作用是連接相距較遠的單詞。你給它一系列單詞，它就可以告訴你它們之間的關聯，比如如果我使用單詞“這”，那麼你必須在上一句話中弄清楚它指的是什麼，當然有三或四個名詞可以參考，但從上下文中你可以弄清楚它指的是哪一個。你可以學習這種關聯。我能否進一步舉個例子來確保我正確理解這一點？我見過這些單詞氣泡圖，比如如果我們說“鋼琴”，你會說“琴鍵”，你會說“音樂”，你會說“座位”，然後你知道，這會建立出一個單詞雲，顯示其關聯。對。然後在這裡我們會說，我不知道，我在想索克研究所，我會說“日落”、“巨石陣”，任何人查閱，都會看到這個現象，索克亨奇（Salkhenge）。然後你開始在那裡建立一個單詞雲。這些都是不同的東西，除了我在索克研究院參加過古典音樂會。是的，靈魂交響樂。兩次。所以它們並不是完全不重疊的。於是，你開始在距離之間獲得聯繫，最終它們會聯繫在一起。這就是你所提到的嗎？是的。我認為這是一個例子，但事實上每個單詞都是模糊的，通常有三四個意義。所以你必須基於上下文來搞清楚。換句話說，有些單詞是一起出現並且經常出現的。你可以通過預測句子中的下一個單詞來學習這一點，這就是變壓器的訓練方式。你給它一堆單詞，它不斷預測句子中的下個單詞。就像我現在的電子郵件，它試著預測下個單詞。正確。大部分時間它都是對的。好吧，那是因為這算法的版本非常原始。發生的事情是，如果你對它進行足夠的訓練，它不僅可以回答下一個單詞，它內部還會建立一個語義表示，正如你所描述的那樣，相關單詞之間有聯繫。它可以弄清楚，並且它在這個非常大的網絡內部擁有表示，這個網絡有著數兆個參數，說明其龐大程度令人難以置信。這些聯繫現在形成了一個外部世界的內部模型，在這種情況下是一些單詞。這就是它能夠以合理的、合乎邏輯的、有趣的方式回應你的原因。而這一切都是來源於我所說的自我注意。因此，在我的先驅提案中，我的目標是弄清楚大腦是如何進行自我注意的，對吧？它必須以某種方式做到這一點。現在我給你一個小提示。基底神經節。它存在於基底神經節中。這是我的假設。那我們就看看吧。我是說，我會跟實驗的專家合作。我曾經和約翰·雷諾茲合作過，他研究猿類視覺皮層，我們看過那裡的旅行波，還有其他研究猿類的專家。所以，這些旅行波，我認為也是解開這個謎題的部分線索，它們將使我們更好地了解皮層的組織及其與基底神經節的相互作用。
我們已經去過那裡了，但神經科學家們已經獨立研究了大腦的每一個部分，現在我們必須開始考慮如何把這些拼圖放在一起，試著整合我們對這些領域的所有了解，看看它們是如何以計算的方式協同工作的。這正是我想前進的方向。我非常熱愛這項工作。我也希望他們能決定資助你的開創性研究。我也是。如果他們做出不好的決定不資助，我們會想出其他方法來完成這項工作。你們一定會的。
特里，我要感謝你。謝謝你今天來到這裡，抽出時間從你繁忙的認知、跑步、教學和研究日程中分享你的知識。還有，你在公共教育和為公眾提供資源方面所做的難以置信的工作，我應該說，是讓公眾以零成本學會如何更好地學習。所以我們肯定會提供學習如何學習的連結，你的書以及你分享的這些其他驚人資源。今天，你還給了我們很多實用工具，與運動、線粒體和你進行的一些事情有關，這當然只是你自己的版本，但這些對人們，包括我在認知和身體追求中的確是有價值的，坦白來說，還有對於長壽。我是說，這一點不僅對我，對所有在場聽的人來說都是明顯的，你的活力，正如我之前提到的，是無可否認的。這幾年來，看到你在工作中投入的專注、精力和熱情，真是太高興了，我注意到你不僅沒有減速，反而在提升速度。因此，非常感謝你今天的教育。我知道我代表我自己以及許多在聽和觀看的人說，這是一份真正的禮物，一次真正難以置信的學習經歷，所以非常感謝你。
好吧，謝謝你。我必須說，這些年來我有幸擁有出色的學生和同事，我也把你算在其中，從你那裡學到了很多。但你知道，科學是一種社交活動，我們互相學習，我們都會犯錯誤。但是我們從錯誤中學習，這就是科學的美妙之處，我們可以取得進展。現在，你的職業生涯也相當卓越，因為你影響和影響的人人，超過我認識的任何人，你透過訪談所廣播的知識，但也在於你真正的興趣，我真的對你所做的感到印象深刻。我希望你繼續努力，因為我們需要像你這樣的人。我們需要能夠真正表達和接觸公眾的科學家。如果我們不這樣做，那我們所做的一切都在閉門造車，對吧？什麼都不會被外界知曉。所以你是能夠以清晰的方式解釋事物的最好人才之一，而這方式能讓更多的人理解，是我所認識中最出色的之一。
好吧，謝謝你。聽到這些話我感到非常榮幸，這對我來說是一項出自內心的工作，我會記住這些話，我真的很感激。今天能和你坐在一起是一種榮幸，請再來一次。我會非常高興，你的光臨。好的，謝謝你，特里。你太客氣了。謝謝你參加今天與特里·西亞諾夫斯基博士的討論。想查找他的工作、他和同事們開發的零成本在線學習平台的連結，還有他的新書的連結，請查看節目筆記。如果你喜歡這個播客，請訂閱我們的YouTube頻道。這是一種非常好的零成本支持我們的方式。此外，請在Spotify和Apple上跟隨這個播客。在Spotify和Apple上，您可以留下最多五顆星的評價。請查看在今天的節目開始時和過程中提到的贊助商。這是支持這個播客的最佳方法。如果你對播客或嘉賓或希望我考慮的話題有任何問題或評論，請在YouTube的評論區留言。我會閱讀所有評論。對於那些還沒有聽到的人，我有一本新書即將出版。這是我的第一本書，書名是《人體操作手冊》。這是一本我花了超過五年時間寫的書，基於30多年的研究和經驗，涵蓋從睡眠到運動到壓力控制、焦點和動機的協議。當然，我會提供所包含協議的科學根據。這本書現在可以通過pre-sale@protocallsbook.com預訂。在那裡，您可以找到各種供應商的連結，選擇您最喜歡的那個。再次重申，這本書的書名是《人體操作手冊》。如果您還沒有在社交媒體上關注我，我在所有社交媒體平台上都是Huberman Lab。這包括Instagram、以往的Twitter（現稱為X）、Threads、Facebook和LinkedIn。在所有這些平台上，我討論科學和與科學相關的工具，其中一些與Huberman Lab播客的內容重疊，但大部分與Huberman Lab播客的內容是不同的。再次強調，我在所有社交媒體平台上都是Huberman Lab。如果您還沒有訂閱我們的神經網絡電子報，那麼我們的神經網絡電子報是一份零成本的每月電子報，包括播客摘要和以簡短的一至三頁PDF格式的協議。這些一至三頁的PDF涵蓋了例如故意熱暴露、故意冷暴露。我們有一個基礎健身計劃。我們還有優化睡眠、多巴胺等等的協議。再次重申，所有這些完全免費。只需前往HubermanLab。
請訪問菜單標籤，向下滾動至新聞簡報並提供您的電子郵件。
我們不會與任何人分享您的電子郵件。
再次感謝您參加我與 Dr. Terry Sienowsky 今天的討論。
最後但同樣重要，感謝您對科學的興趣。
[音樂]
我意識到，當人們聽到計算神經科學、算法、大型語言模型和 AI 等術語時，會感到有些不知所措甚至受到威脅。但我向您保證，薩諾斯基博士的工作目的，以及今天的討論，都是利用這些方法來澄清大腦的運作方式，並簡化這個問題的答案。
舉例來說，今天您將了解到，無論您是誰，無論您有什麼經驗，您的所有動機在生活的各個領域都是由一個簡單的算法或方程式所支配。薩諾斯基博士解釋了一個單一的規則，即一個單一的學習規則，驅動我們所有與動機相關的行為。這當然與神經調節劑多巴胺有關。如果您熟悉多巴胺這個詞，今天您將真正理解多巴胺如何驅動您的動機水平，或在某些情況下缺乏的動機，以及如何克服這種缺乏動機的狀態。
今天我們還討論了最好的學習方法。薩諾斯基博士不僅分享了大腦運作的資訊，還提供了他和同事們開發的實用工具，包括一個免費的在線平台，該平台根據您特定的學習風格教您如何更好地學習，包括您如何尋找資訊和實施該資訊。薩諾斯基博士還解釋了他自己如何利用特定類型的體育鍛煉來增強他的認知能力，也就是他大腦學習資訊和提出新想法的能力。
今天我們還將討論健康大腦和神經退行性疾病大腦，如帕金森氏症和阿茲海默症，以及與線粒體功能有關的特定工具如何可能用於治療各種疾病，包括阿茲海默型癡呆。相信在今天的節目結束時，您將學到大量有關您大腦運作的全新知識，以及可以在日常生活中實施的實用工具。
在我們開始之前，我想強調這個播客與我在斯坦福的教學和研究角色是分開的。然而，這是我帶給公眾零成本科學和科學相關工具資訊的願望和努力的一部分。為了與這一主題保持一致，我想感謝今天播客的贊助商。我們的第一位贊助商是 BetterHelp。BetterHelp 提供由持牌治療師完全在線進行的專業治療。我已經做了超過 30 年的每週治療。最初，我沒有選擇。這是能夠繼續上學的條件，但很快我意識到，治療對於整體健康來說是極其重要的。我實際上認為，定期進行治療與定期鍛煉一樣重要，包括心血管運動和阻力訓練，這些我當然每週也會做。
現在，優秀的治療提供的基本上有三樣東西。首先，它提供了一個良好的關係，讓您能夠信任並談論您所想談論的所有問題。第二，優秀的治療提供情感支持或明確的指導，告訴您在生活的特定領域中該做什麼或不該做什麼。第三，專業的治療可以提供您自己無法得到的有用見解。BetterHelp 讓您輕鬆找到一位真正與您有共鳴的專家治療師，並提供我剛才提到的有效治療所帶來的好處。
如果您想試試 BetterHelp，可以訪問 betterhelp.com/huberman，獲得第一個月 10% 的折扣。再次重複一遍，請訪問 betterhelp.com/huberman。
今天的節目則由 Helix Sleep 贊助。Helix Sleep 提供根據您的獨特睡眠需求定制的床墊和枕頭。我在此之前已多次在這個和其他播客中提到，獲得良好的睡眠是心理健康、身體健康和表現的基礎。您睡的床墊對於每晚獲得的睡眠質量影響巨大。床墊的軟硬程度、透氣性等都直接關係到您的舒適度，並需要根據您獨特的睡眠需求進行調整。
如果您訪問 Helix 的網站，您可以參加一個簡短的兩分鐘問卷，它會問您一些問題，比如：“您是仰臥、側臥還是俯臥睡覺？您在夜間傾向於熱還是冷？”根據這些問題的回答，Helix 會為您匹配最適合的床墊。對我而言，最終匹配的是 Dusk 床墊。我大約在三年半前開始使用 Dusk 床墊，這是我所體驗過的最佳睡眠。
如果您想試試 Helix，可以訪問 helixsleep.com/huberman。參加那個兩分鐘的睡眠問卷，Helix 將為您匹配一個根據您獨特的睡眠需求定制的床墊。在 2024 年 11 月之前，Helix 將提供所有床墊訂單最高 25% 的折扣和兩個免費的枕頭。再次重複一遍，訪問 helixsleep.com/huberman，獲得最高 25% 的折扣和兩個免費的枕頭。
現在，我們來聽聽與特里·薩諾斯基博士的討論。
特里·塞諾夫斯基，歡迎你。
我很高興能到這裡。
我們認識很久了，我真的非常欣賞你的工作，因為你在神經科學領域做了許多不同的研究。
許多人認為你是計算神經科學家，你將數學模型帶入對大腦和神經網路的理解，今天我們也將談論人工智慧，我們的目標是讓每個人都能輕鬆理解，不論是生物學家還是沒有數學背景的人。
在開始之前，我想了解一些事情。
我對大腦的部件有一點了解，此播客的大多數聽眾即使從未聽過此節目，也會對大腦的部件有一些了解，因為他們知道大腦中有細胞，而這些細胞就是神經元，這些神經元以非常特定的方式互相連接，使得我們能夠看見、聽見、思考等等。
我開始相信，即使我們知道了部件名單，這其實並不真能告訴我們大腦是如何運作的。
這是個大問題。
大腦是如何工作的？
意識是什麼？
所有這些東西。
那麼，如何理解神經元之間的交流，開始讓我們真正理解大腦如何運作？
我們頭顱裡的這塊肉究竟是什麼？
因為它不可能只是，好的，海馬體記住資訊，視覺皮層感知東西。
當你放鬆心情，排除掉心理對話中的數學時，如果這對你來說是可能的，你是如何思考，所謂的“大腦是如何工作的”？
在一個非常基本的層面上，這塊肉在我們頭裡究竟試圖完成什麼？
就拿早上我們第一次醒來時的情境來說，在我們稍顯迷糊的狀態中，直到我們喝下第一杯咖啡或水，甚至可能是早上第一件事就是去上廁所，裡面究竟發生了什麼？
這真是一個好問題。
我和帕特·丘奇利一起寫了一本書，名為《計算大腦》，裡面有一個層次圖，展示不同空間尺度的研究層次，從最底部的分子到突觸和神經元、電路、神經電路，它們之間是如何連接的，然後是皮層中的腦區，最後是整個中樞神經系統，跨越十個數量級，第十至第十的空間尺度。
意識存在於這一切中哪裡？
神經科學家採取了兩種方法。
我不該說神經科學家，我應該說科學家所採取的方法，其中你描述的就是一種，讓我們看看所有的部件，這是自下而上的方法。
拆解它，也就是還原論的方法，這樣你會進展很多。
你可以弄清楚事物是如何相互連接的，理解發展是如何工作的，神經元是如何連接的，但要真正取得進展是非常困難的，因為很快你會在樹林裡迷失。
另一種方法，雖然老師曾成功，但最終卻令人失望，是自上而下的方法，這是心理學家在研究行為並試圖理解行為法則時所採取的方法，這就是行為主義，但即使是人工智慧的研究者也曾嘗試根據這種方法，編寫可以複製人類行為的程式，智能行為。
我必須說，這兩種方法，無論是自下而上還是自上而下，都未能真正深入解答那些核心問題、那些重大問題。
但是，現在出現了一種全新的方法，它同時出現在神經科學和人工智慧領域，這在歷史的當下真是相當了不起。
因此，有一個中間層，介於底部的實現層和整個系統的實際行為之間，這稱為演算法層，就是介於兩者之間。
演算法就像食譜，當你烘焙蛋糕時，必須有成分，並且你必須說明它們組合的順序和時間，如果順序錯了就不行，結果會一團糟。
現在，事實證明我們正在發現演算法，我們在理解神經電路中使用的演算法方面取得了很大進展，這涉及到計算層面，如何理解神經電路的功能，但我將給你一個演算法的例子，這是一個我們在1990年代與彼得·戴揚和里德·蒙塔奎一起研究的，它與位於皮層下方的基底神經節有關，該區域負責學習行為序列，以達成某些目標。
例如，如果你想打網球，你必須能夠協調許多肌肉，並且必須完成一整套行為序列，才能準確發球，你需要不斷練習，練習，再練習，而基底神經節基本上就是從皮層接管，產生越來越好、越來越好的動作，這對肌肉而言是如此，對思考也是如此。
如果你想在某個領域變得優秀，想成為一個好的金融專家、好的醫生或者好的神經科學家，你就必須在理解專業的細節、什麼有效、什麼無效等方面不斷練習，結果發現基底神經節不僅與後面的皮層互動，即動作部分，它還與前額葉皮層，即思考部分互動。
可以請我簡單問你一個問題嗎？
據我了解，基底神經節涉及組織兩種主要的行為類型：前進，也就是實際執行一種行為，而基底神經節同時也指示「停止」，不參與該行為。學習一個專業的高爾夫揮桿，甚至基本的高爾夫揮桿或網球揮桿都涉及這兩樣事情：前進和停止。
根據你剛才所說的，基底神經節也參與生成某些特定類型的思維，因此我想知道它是否也涉及抑制某些特定類型的思維。
我的意思是，你不希望你的外科醫生切入某一特定區域時僅僅專注於他們的動作行為，該做什麼和不該做什麼。
他們大概需要考慮應該思考什麼，還有不應該思考什麼。
你不希望外科醫生想著他們的孩子早上多麼頑皮，因為這會讓他們感到沮喪，而這兩個因素是互相關聯的。
在行動和學習方面是否存在前進和停止的區分？在思考方面也是否存在前進和停止的區分？
嗯，我提到過前額葉皮質和與基底神經節之間的迴路，這是早期成年時期最晚成熟的部分之一。
問題在於對於青少年來說，這不是與計劃和行動相關的停止部分。
這一部分還未完全發展，因此通常它不會啟動來阻止你做一些不符合你最佳利益的事情。
是的，這完全正確，但其中一個問題是學習的參與，這實際上是我們在90年代首先理論上破解的問題，然後通過記錄神經元的活動以及對人類的腦部成像來實驗驗證的。
結果我們知道大腦用來學習行動序列以達成目標的算法，而這是你可以想像的最簡單的算法。
它僅僅是預測你將獲得的下一個獎勵。
如果我做一個動作，這是否會給我一些有價值的東西，並且每次你嘗試某件事情時，不論你獲得的獎勵是你所期望的還是更少，你都會用這些來更新突觸，突觸可塑性，以便下次你會更有可能獲得更好的獎勵，這樣你就建立了所謂的價值函數。
因此，在你的生活中，皮質現在積累了許多關於對你有益的事物和對你有害的事物的知識，就像你去一家餐廳，點了某樣東西，你怎麼知道什麼對你有益呢？
你在很多地方吃過很多餐，現在這已經成為你價值函數的一部分。
這是AlphaGo所使用的相同算法。
這是DeepMind所開發的程序。
這是一個擊敗了世界圍棋冠軍的人工智慧程序，而圍棋是人類有史以來最複雜的遊戲。
據我了解，這比棋類遊戲複雜得多。
是的，沒錯。
圍棋對於棋類就像棋對於跳棋。
換句話說，難度層級高得多，因為你必須考慮到四處的戰鬥同時進行，並且你放下棋子的順序會影響未來會發生的事情。
因此，這個價值函數非常有趣，我想知道，並且我認為你已經回答了這個問題，但我想知道這個價值函數是否在長時間的周期中實施。
所以你提到過在學習一項動作技能方面的價值函數。
假設揮舞網球拍來做一個完美的網球發球，甚至只是一次不錯的發球。
當某人一次又一次地回到球場，假設在週末，每個月一次，隨著幾年的時間推移，他們是否能夠在每次回去時都能依靠同樣的價值函數，儘管中間經歷了許多時間和學習？
這是第一個問題。
然後第二個問題是，你認為這個價值函數也在更複雜的情境中發揮作用嗎，不僅僅是運動學習，例如，對於許多人來說涉及某種試錯的生命領域，像是人際關係。
我們學會了如何和人交朋友。
我們學會了如何做好兄弟姐妹。
我們學會了如何成為一個好的浪漫伴侶。
我們有些事情做對了，有些事情做錯了。
那麼這是否仍在實施相同的價值函數？我們在關注什麼是有獎勵的，但你沒有提到的還有什麼是懲罰的。
我們是否只關注那些有獎勵的，還是我們也在整合懲罰？
當我們發球錯誤時，我們不會受到電擊，但我們會感到沮喪。
你指出的特徵非常重要，就是每次你做某事時，獎勵都在更新這個價值函數，並且它不斷累積。
你第一個問題的答案是，這個價值函數將永遠存在。
這沒有關係。
這是你經驗和你身份中非常永久的一部分。
有趣的是，行為主義者在1950年代就知道，通過試錯，你可以有兩種方式走到那裡。
小獎勵是好的，因為你不斷接近你所追求的目標，成為一位更好的網球選手或能夠交到朋友。
但負面懲罰則更有效，單次學習。
你不需要進行100次嘗試，這是你訓練老鼠完成某個任務時所需的小食物獎勵。
但如果你只是電擊老鼠，哇，那只老鼠不會忘記這一點。
是的，一段特別糟糕的關係會讓你永遠學會某些事情。
這也是創傷後壓力症候群的另一個好例子。
這可能會搞砸你餘生的生活。
但另一件事是，你指向了一個非常重要的地方，即前額葉皮質的很大一部分是專注於社交互動的。
這就是人類來到世界上的方式，當你出生時，你不知道自己會講什麼語言。你不知道自己將要擁有什麼樣的文化價值觀，以便成為這個社會的一份子，以及對你有什麼期望。所有這些都必須通過經驗來獲得，通過建立這個價值功能。這是我們在20世紀發現的。現在它進入了人工智慧領域，被稱為強化學習。它是一種程序性學習的形式，相對於你思考和行動的認知層面。認知思考的效率要低得多，因為在程序性學習中，你必須一步步地進行。程序性學習是自動的。在認知學習中，有沒有一個例子可以展示程序性學習的勝利？例如，如何利用純知識學習來製作一杯不錯的咖啡，與程序性學習相比，程序性學習贏了？
我可以想像一個例子，但你才是真正的專家。你知道很多例子，但既然我們一直在談論網球，你能想像通過讀書來學習如何打網球嗎？這真好笑。昨天從納什維爾飛回來的飛機上，坐在我對面走道那邊的那個人正在看一本書，可能是在考取他的飛行執照。我瞥了一眼，忍不住注意到他書中的飛行圖表。我想，我真高興這個人是乘客而不是飛行員。然後我想到飛行員是怎麼學習的，可能是實踐學習和教科書學習的結合。我的意思是，當你進行潛水時，這是確實的，我有潛水證書。當你獲得證書時，學習潛水表，你學習為什麼在潛水之間要等待等等，還有氣體交換等等諸多內容。但真的沒有任何方法可以模擬在水下脫下面罩，然後再戴上，再把水吹出來的過程。你必須在泳池中實際操作，並且必須在真正需要的時候去做，這樣才能夠真正掌握。對於需要快速和專業執行的事物，這點真的很關鍵，以至於你不需要思考。這在學校裡也發生，對吧？換句話說，你有課堂上明確指示的教學，然後你去做作業。這就是程序性學習。你做題目，解決問題。我是一名博士物理學家，因此我經歷了所有的理論物理課程。實際上，這些問題是成為一名優秀物理學家的核心。你可以死記公式，但這並不意味著你理解如何運用這些公式。
我覺得值得強調一些事情。在這個播客上，我們許多時候討論我所謂的協議。就像是讓你的眼睛在早晨接觸一些陽光，以刺激你的視交叉上核通過你的視網膜節細胞，這些術語聽眾應該會認出來。這基本上是早上讓陽光進入你的眼睛來設置你的生理時鐘。你可以聽到一萬次，但我確實相信，了解協議的具體機制是有價值的。你的眼睛中有這些東西編碼著日出光線的特質等等，然後將這些信息傳送到你的大腦等等。但是一旦我們將純知識與實踐聯繫起來，我就相信這兩者會在某種程度上融合在一起，讓我們說能夠強化知識和實踐。因此，這些事情並不一定是獨立的，它們是互相連結的。換句話說，做你的理論物理問題集增強了你在講座和教科書中學到的例子，反之亦然。因此，這在學校中正在發生一場戰鬥。你剛才說的話完全正確。你需要兩者。我們有兩個主要的學習系統。我們有一個認知學習系統，它是皮層的。我們有一個程序性學習系統，它是下皮層、基底神經節的。這兩者是息息相關的。如果你想在任何方面變得優秀，這兩者將會互相幫助。而現在在學校裡，至少在加州，他們正在試圖淘汰程序性學習。這太荒謬了。他們不希望學生們練習，因為這會造成壓力，他們不想讓學生感覺到困難。但這一切都可以做到。對於那些在聽的朋友們，我在掩住我的眼睛，因為這讓我想到，天啊，真有太多例子了。就像這裡有一本關於游泳的教科書，然後你將來會去海裡，但你從未真正游過泳。現在你還被期望能夠生存，更不用說游得好。這真是瘋狂。我告訴你，巴巴拉·奧克利和我有一個大型開放網絡課程，名為《學習如何學習》。它幫助學生，我們的目標是學生，但實際上有400萬人在200個國家參加了這個課程，年齡從10歲到90歲。這個課程叫什麼？《學習如何學習》。有付費牆嗎？不，這是完全免費的。太神奇了。而且，你知道，我幾乎每天都收到來自粉絲們的驚人反饋信。好吧，你將要再收到一些。我做了一集關於學習如何學習的節目，我對這項研究的理解是，我們需要在材料上測試自己。測試不僅僅是一種評估的形式，它還是一種識別錯誤的方式，幫助我們彌補錯誤並學習，但它非常程序化。這不是單單聽和重述的問題。你要明白，你觸及了要點，也就是這一點，我們教給學生的是，大腦的運作方式並不是像電腦那樣記憶，而是必須是主動學習。
你必須積極參與。事實上，當你試圖獨自解決問題時，這就是你真正通過試錯學習的過程，這就是程序系統。然而，如果有人告訴你正確的答案，那只是被存放在某個地方的事實，但如果你面臨的問題和以前看過的問題不完全相同，但又相似，那麼這個答案不會自動浮現出來。順便提一下，這是人工智慧的關鍵，對於這些大型語言模型最近的成功至關重要，公眾現在開始使用的這些模型，並不是「鹦鹉」。它們不是僅僅記住它們所吸收的數據。它們必須進行概括。這意味著能夠對新來的與你曾見過的舊事物相似的事物表現良好，但同時能夠解決新的問題。這是大腦的關鍵。大腦在概括方面非常出色。事實上，在許多情況下，只需要一個例子就可以進行概括。但是，第一次去餐廳用餐時，會有很多新的互動，對吧？可能有一位接待員。你坐在自己從未坐過的桌子上。有人問你問題。你閱讀它。好吧，也許現在是二維碼，但此後你就理解了進入餐廳的過程，不管食物的種類或城市是什麼，坐在裡面還是外面，你都能大致應對。坐在吧檯。坐在外面。坐在桌子上。 我認為有一些關鍵的行動步驟幾乎在任何地方都適用，除非你去某些超高端的場所或者某些超低端的自助餐之類的地方。你可以開始填補這些空白。如果我理解正確，行動功能是從知識和經驗中學習的。正是如此。那麼，這個行動功能儲存在何處？是大腦中的某一個地點，還是多個大腦區域的 emergent property？你現在剛好位於神經科學領域的最前沿。我們對這個問題的答案仍然不確定。在過去，人們認為皮層像是每個國家，每個皮層的部分都專注於一種功能，對吧？有趣的是，當你對神經元進行錄音時，這看起來確實是這樣，對吧？換句話說，後面有一個視覺皮層，還有一系列的區域，然後中間有聽覺皮層，再然後是負責社交互動的前額皮層。看起來這真的是模組化的。然而，現在我們面臨的是，我們有了新的方法來記錄神經元。從光學上來說，我們可以同時記錄成千上萬的神經元，來自數十個區域，我們正在發現，如果你想完成任何任務，你不僅僅是使用你可能認為接收來自視覺系統的輸入的區域，而是視覺系統正在從運動系統獲取輸入，對吧？事實上，來自運動系統的輸入比來自眼睛的還要多。真的嗎？是的。沒錯，UCLA的艾倫（Ellen）在老鼠身上顯示了這一點。因此現在我們正在觀察所有這些區域之間的全球互動，真正複雜的認知行為就是從這些互動中產生的。現在我們第一次有工具可以實時查看它們，我們現在首先在老鼠和猴子身上進行研究，但我們現在可以在人類身上進行這項研究。我一直在與麻薩諸塞州總醫院的一個團隊合作，對癲癇患者進行記錄，這些患者需要接受手術，因為他們對藥物有抗藥性，以便找出癲癇從皮層的哪裡開始，以及癲癇發作開始的地方，然後再去進行記錄，你必須同時記錄很多皮層的部分，持續幾周，直到你找出它的位置，然後你去嘗試切除它，這通常會有幫助，這是非常具有侵入性的，但在兩周內，我們可以訪問所有那些不斷被記錄的皮層中的神經元，於是我開始研究是因為我對睡眠感興趣，想了解人在睡眠狀態下皮層中發生了什麼，但後來我們意識到，你還可以找出那些有癲癇等耗竭性問題的人，他們在這裡待了兩周，沒有事情可做，所以他們非常喜歡科學家對於幫助他們、教導他們以及找出在他們學到東西時，皮層中哪些地方正在發生過程的興趣。這是一個金礦，真是難以置信，我從人類身上學到了許多我從其他物種身上無法獲得的知識。太不可思議了。所以，我知道其中之一，但還有其他在睡眠中與旅行波相關的發現。有一種圓形旅行波在睡眠期間發生，這是驚人的，沒有人真的看過這種情況。如果要給這些旅行波指定一到兩個主要功能，你認為它們在睡眠中為我們完成了什麼？順便問一下，它們與深睡眠、慢波睡眠或快速眼動睡眠有關，還是兩者都有？這是非快速眼動（non-REM）睡眠，這是行話，但這是在中間的過渡狀態。 我們的觀眾可能會跟得上。他們已經聽到我講過許多關於慢波睡眠的知識，然後那位走動的人的快速眼動睡眠。輕微的慢波睡眠。那麼，這些旅行波為我們達成了什麼呢？就像我說的，在慢波睡眠中，有一種叫做睡眠紡錘的波持續大約一到兩秒，並且像我所說的那樣在皮層周圍呈圓形傳播。已知這些紡錘對於鞏固你在白天經歷的事情進入你的長期記憶存儲是重要的。
這是一個非常重要的功能，如果你去掉海馬迴，你會發現正是海馬迴在重播這些經驗。這是大腦中的一部分，對於長期記憶非常重要。如果沒有海馬迴，你根本無法學習新事物。正如我所說的，你無法記得昨天做了什麼，甚至一小時前的事情也是如此。但海馬迴會重播你的經歷，促使睡眠紡錘波進入皮層。正確地做到這一點非常重要，因為你不想覆蓋你已有的知識。你只是希望基本上將新的經驗高效地納入到你已有的知識庫中，而不干擾你已經知道的東西。這是一個非常重要的功能的例子，這些旅行方式具有。
我想稍作休息，感謝我們的贊助商AG1。AG1是一種維他命礦物質益生菌飲料，包括益生元和適應原。我自2012年開始飲用AG1，那時我的預算非常有限。事實上，我只夠錢購買一種補充品，我非常高興我選擇了AG1。原因是，即使我努力食用全食和未加工食品，僅靠飲食獲取足夠的維他命和礦物質、微量營養素和適應原是非常困難的，這樣才能確保我處於最佳狀態，這意味著我需要有足夠的能量來進行從早到晚的所有活動，晚上良好地睡眠，並保持免疫系統強壯。
當我每天飲用AG1時，我發現自己身心健康、表現、運動後的恢復等各方面都有所改善。我知道這一點，因為當我沒有飲用AG1時，我會明顯感受到差異。我還注意到，考慮到腸道微生物群和大腦之間的關係，當我定期飲用AG1時，我的思維更加清晰，心理能量也更多。
如果你想嘗試AG1，可以前往 drinkag1.com/huberman 以獲取特別優惠。在本月，即2024年11月，AG1將免費贈送一個月的魚油Omega-3脂肪酸供應，此外還有他們通常提供的五個免費旅行包和一年的維生素D3K2供應。正如我在這個播客中多次提到的，Omega-3脂肪酸對於腦部健康、情緒、認知等至關重要。再次訪問 drinkag1.com/huberman 以獲取該特別優惠。
今天的節目還由David贊助。David製作的蛋白棒與其他任何蛋白棒都不同。每根蛋白棒含28克蛋白質，只有150卡路里，並且不含糖。是的，28克蛋白質，且75%的卡路里來自蛋白質。David的這些蛋白棒口感也相當美味。我最喜歡的口味是巧克力餅乾麵團，當然我也喜歡巧克力軟糖味和蛋糕味的。基本上，我喜歡所有口味，它們都非常美味。對我個人來說，我努力多吃全食。然而，當我匆忙，或身處異地，或者只是想要快速的下午小吃時，我經常發現我在尋找高品質的蛋白質來源。借助David，我能在小吃的卡路里下攝取28克蛋白質，這讓我很容易達到每天每磅體重1克蛋白質的目標。而且在不攝入過多卡路里的情況下完成。
我通常在午後早些時候甚至中午時候吃一根David蛋白棒，以便在午餐和晚餐之間填補這一空白。我喜歡它有一點甜味，所以它像一種美味的零食，但它也提供了28克非常高質量的蛋白質，只需150卡路里。如果你想嘗試David，可以訪問davidprotein.com/huberman。再次提醒，鏈接是davidprotein.com/huberman。
如我所記得，有一兩件事情可以確保我們晚上獲得足夠的睡眠紡錘波，從而整合這些新知識。我相信這是我們與UCLA的Gina Poe等人一起做的那一集。我記得的第一件事是確保晚上獲得足夠的睡眠，以便體驗足夠的這些紡錘波。我們都對缺乏睡眠所帶來的認知挑戰，包括記憶和學習挑戰非常熟悉。另一件事則是白天運動與夜間睡眠紡錘波的流行之間存在一些有趣的關係。你對那篇文獻有了解嗎？是的，哦，沒錯，這是一個引人入勝的文獻，所有的研究都朝著同一個方向指向，即我們總是忽視睡眠的重要性。顯然，當你醒來時，你會感到神清氣爽，但有許多事情都發生了。並不是你的大腦關閉了，而是它進入了一個完全不同的狀態，記憶鞏固只是你入睡時發生的其中一件事情。當然，還有夢等等。我們對於所有不同的睡眠階段如何協同運作並未充分理解。但運動在調整運動系統方面是至關重要的。据信，快速眼動睡眠（REM）可能與之相關。所以這是睡眠階段中的另一個部分。你在夜間會在快動睡眠和慢波睡眠之間反復切換。然後當你醒來時，你正處於REM階段，並且越來越多的REM。但這些只是觀察。作為科學家，你要做的是擾亂系統，看看如果你有更多的睡眠紡錘波，或許你會記得更好的事情。因此，事實證明，Sarah Mednick曾在加州大學爾灣分校做了一個了不起的實驗。
所以有一種藥叫做佐尔普隆（zolpidem），它的品牌名稱是安眠藥（Ambien）。
你可能對這有一些經驗。
我從未服用過，但我知道這是什麼。
人們把它用作助眠劑。
沒錯。
很多人都會服用它以促進睡眠，好嗎？
結果發現，服用這種藥會導致更多的睡眠旋波（sleep spindle），真的，對。
如果你服用這種藥，它會使睡眠旋波的數量增加一倍。
你在學習之後再服用藥物，你在晚上學習，然後服用藥物，這樣你會有兩倍的旋波。
你早上起來時，可以記住你學習的內容的兩倍。
而且記憶隨著時間的推移是穩定的。
它在裡面。
是的。
不，它會鞏固這些記憶。
我的意思是，這就是重點。
安眠藥的壞處是什麼？
好吧。
這是壞處。
因此，服用這種藥的人會說，如果你要去歐洲，服用了這種藥後會睡得很沉，但經常發現你自己在酒店房間裡，完全不知道自己是怎麼到那裡的。
我有過這樣的經歷，沒有服用安眠藥或任何其他藥物，感到非常嚴重的時差反應。
是的。
我醒來時幾秒鐘，感覺像是永恆一樣，我不知道自己在什麼地方。
好吧。
這真的很可怕。
嗯，這是時差反應的另一個問題。
時差反應真的讓事情變得麻煩。但這裡的情況可能是一個小時。
你坐了火車或出租車之類的，這似乎很瘋狂。
怎麼可能在一方面改善學習和回憶，另一方面卻造成遺忘呢？
結果發現重要的是，在你服用藥物時，換句話說，它有助於鞏固你在服用藥物之前的經歷，但它會抹去你在服用藥物之後的經歷。
對吧？
所以我不是在笑。
這一定是一次可怕的經歷，但我之所以笑是因為這裡面有一些美妙的藥理學，事實上，有一些非常有用的藥物。
一些人可能會覺得這話不妥，但有一些非常有用的藥物可以拯救生命並幫助人們應對症狀等等。
副作用總是個問題。
但這個特定的藥物特徵——安眠藥——似乎揭示了比關於旋波、安眠藥甚至睡眠的討論更重要的事情，那就是，正如他們所說，總會有代價。
沒錯。
你在大腦中調整一樣東西，其他東西就會受到影響。
你不會有任何免費的東西。
我認為這不僅僅適用於大腦的藥物，也適用於身體的類固醇。
當然。
是的。
我的意思是，類固醇，即使是低劑量的睪酮療法，現在也非常流行，會給人們帶來更多的活力等等。
但這是在引入第二次青春期，而青春期可能是整個人生中最迅速的衰老階段。
服用生長激素的人也是如此，這可能是更好的例子，因為這些療法確實對人們有益，但生長激素給人們帶來更多的活力，但它卻加速了衰老。
看看服用生長激素的人皮膚的質量。
看起來更老了。
他們的身體發生了變化。
而我並不支持或反對這些事情。這是非常個體化的。
但是我完全同意你的看法。
我也會冒險說，隨著對所謂的新型藥物的日益關注，人們使用像莫達非尼（modafinil）的東西，不僅僅是為了治療嗜睡症、日間嗜睡，還是為了增強認知功能，好的，也許他們偶爾可以在截止日期前做這樣的事。
但根據我的經驗，過度依賴藥物來達到特定大腦狀態的人會在其他方面付出代價。
肯定的。
無論是興奮劑、鎮靜劑還是助眠藥，這些行為總是會占主導地位。
行為總是會占主導地位，作為工具。
而關於身體如何進化的觀點之一是，它必須平衡很多事情。
所以，透過藥物，你基本上是以某種方式打破了這種平衡。
其結果，正如你所指出的，為了改善身體的某一部分，你會在其他地方犧牲某些東西。
既然我們在談論大腦狀態和不同區域之間的連接，我想問一個特定的問題。
然後我想回到關於如何最好地學習的問題，特別是在孩子和成年人中。
我對迷幻藥的文獻和一些嘉賓花了很多時間，變得非常感興趣。
我們暫且不談LSD的討論，因為你知道為什麼沒有很多LSD的研究嗎？
這是一個有趣的問題。
沒有人會被期望知道答案。
我想這是違法的。但賽洛西賓（psilocybin）或MDMA也是如此，這些有很多研究正在進行。
現在是的。
對，這已經改變了。
但當我成長的時候，你知道，那是違法的。
對。
所以我了解到，探索LSD用作治療的臨床試驗要少得多，因為除了瑞士，沒有研究人員願意在實驗室待上那麼久，以便讓受試者完成一次LSD的旅程，而賽洛西賓則往往是較短的體驗。
對。
好吧，我們先暫時談談賽洛西賓。
根據我對賽洛西賓數據的理解，現在仍然有待質疑，但一些臨床試驗顯示嚴重抑鬱症的顯著康復相當驚人。
但如果我們把這放在一邊，說“好吧，安全性需要更多的工作”，從大腦成像研究中非常清楚的一點是，無論是靜息狀態前後、任務相關等，使用迷幻藥後，你會獲得更多的靜息狀態全局連接，更多的區域之間的交流，與之前相比。
考慮到迷幻旅程的相似性，這裡特別提到的神奇蘑菇與快速眼動睡眠等現象之間的聯繫，我有一個非常簡單的問題。你認為增加大腦內的連接性有任何真正的好處嗎？對我來說，這似乎有點隨意，但臨床數據至少是令人鼓舞的，如果說不錯的話，是非常鼓舞的。因此，當我們獲得新的知識，學習網球、高爾夫，或學唱歌，或者其他什麼的時候，隨著我們從童年過渡到人生的晚期，這整個過程就是在做的事情，增強不同大腦區域之間的連接性與交流。這就是人類的體驗嗎？還是說我們變得更模組化，我們在某個特定的方式下讓這個區域與那個區域的交流變得更加隔離？隨意以任何有意義的方式探討這個問題，或者如果這不是一個好的問題，可以選擇不回答。
不，這是一個很好的問題。我的意思是，你有這麼多好的問題，我們還沒有完整的答案。不過，具體談到連接性，如果你看看嬰兒大腦在頭兩年的發展，會發現有大量新的突觸在形成。順便說一下，這是你的領域。神經發展。沒錯。但是隨後你會進行修剪，對吧？然後第二階段是你有過多的突觸，而你現在想做的就是要修剪它們。為什麼要這樣做呢？好吧，突觸是非常耗能的。激活所有神經元及突觸需要大量的能量，特別是因為神經傳遞物質的週期。因此，你想要做的就是減少能量的使用，只使用那些已被證明是最重要的突觸。對吧？不幸的是，隨著你變老，修剪的速度會減慢，但並不會完全消失。因此，大腦皮層會變薄等等。
所以我認為這是朝相反方向發展的。我認為，隨著年齡增長，你的連接性在減少。但有趣的是，你會保留舊的記憶。舊的記憶非常牢固，因為它們是在你年輕的時候形成的。這是基礎。所有其他記憶的基石。但這並不是完全單向的，因為即使作為成年人，你也知道，你仍然可以學習新事物。也許沒有那麼快。順便說一下，這是讓我感到驚訝的事情之一。因此，芭芭拉和我研究了那些實際上受益最大的人群。結果發現，最多的年齡段是25到35歲。芭芭拉。奧克利。對，她真的是這一切的策劃者。她是優秀的教育者，擁有工程背景。但發生了什麼事呢？所以我們的MOOC課程是針對高中和大學的學生，因為他們每天都要上課，得學習，對嗎？這是他們的工作。但事實上，很少有學生真的在上這門課。為什麼他們會要這樣做呢？他們整天都在課堂上，對吧？為什麼還想再上另一門課？所以這是學習如何學習的課程。你與芭芭拉一起做過這個。對，所以我和芭芭拉一起做了這個，現在25到35歲的人群中有一個巨大的高峰，真的很巨大。那么，發生了什麼呢？這裡的情況很有趣。
所以你25歲，已經上過大學。順便提一下，選擇這門課的人中有一半都上過大學，所以這不是為大學填補空缺。這可算是加餐。但你在工作中。你需要學習新技能。也許你有按揭，也許你有孩子，對吧？你無法負擔去上課或獲取另一個學位。因此，你參加了一門MOOC，你發現，雖然我學習的敏捷性不如以前，但我們的課程可以提升你的學習能力。因此，即使你的大腦學習得不夠快，你也能以更高的效率學習。這太驚人了。我想參加這門課。我會參加這門課。這個課程需要多長時間的承諾呢？你已經指出這是零成本，真是太棒了。
好的。所以每段視頻的時長約為10分鐘，大約有50到60段，總共一個月的課程。你會被測試嗎？你會進行自我測試嗎？是的。是的。有測試。有測驗。有期末考試。還有論壇，你可以去跟其他學生交流。有問題的時候，我們有助教。任何人都可以參加。事實上，全世界的每個人都可以，我們還有來自印度的家庭主婦，她們說：「謝謝。謝謝。謝謝。」因為我從未學會過如何成為一個更優秀的學習者。我希望在上學時我就知道這一切。為什麼更多的人不熟悉這個學習如何學習的課程？雖然大家都知道如果我對它或任何事情真的感到興奮，我是絕對不會停下來的。但我會先參加這門課，因為我想理解它的深層次內容。你會喜歡這門課的。你們的滿意度有98%，這太驚人了，非常吸引人。
是數學嗎？不。詞彙嗎？不，是不需要數學。我們不教什麼具體的知識。我們想告訴你如何獲取知識，以及如何應對考試焦慮，比如，你能否告訴我們所有人都會拖延的情況，對吧？我們會把事情拖到最後。不。我在開玩笑。我們都會拖延。我們教你如何避免這種情況。太棒了。好了，我現在想稍微回顧一下，重點聚焦在這個學習如何學習的內容上。你指出，在加州尤其如此，但其他地方的程序性實踐學習也不多了。
我在這裡要扮演一個辯護者的角色，我要指出這並不是我真正相信的觀點，但在我成長的過程中，你必須學會時間表算術、除法，然後是分數和指數，這些知識是相互依存的。然後在某個時期，你會上那些需要圖形計算機的課程，對有些人來說，這可能會讓人感到困惑：「這是什麼？」但重點在於，有很多東西你必須學會來實現各種功能，而你是透過實踐來學習的。你是透過實踐在學習。
同樣，在物理課上，我們把東西掛在繩子上，研究宏觀力學，從粉筆板的演講中學習。我當然可以理解兩者的價值，你也解釋過大腦需要兩者來真正理解知識及如何運用這些知識並來回切換。但在當今社會，你會聽到這樣的論點：「為什麼有人要學會閱讀紙質地圖，除非這是唯一可用的選擇，因為你有谷歌地圖？」或者如果他們想計算，僅需把計算輸入網上的搜索框，然後「啪」，結果就出來了。
因此，有一個世界是某些技能不再需要的，有人可以辯稱大腦空間、活動以及特別的時間和能量可以用來學習新的、更實用的知識，這些新知識在未來的學校和工作場景中會更有幫助。那麼我們該如何調和這些問題呢？我相信大腦正在進行數學運算，你我都同意這一點。它是電信號和化學信號，它在進行數學計算，運行算法。我想你確實這樣convince我們。
但是，我們該如何辨別我們需要學習的東西與不需要學習的東西，以建立一個能夠學會最多知識或甚至足夠知識的大腦，以迎接這個非常不確定的未來，因為就你我所知，沒有人擁有水晶球。那么，什麼是必須學習的呢？對於那些在正式教育中沒有學到某些東西的人，我們應該學會怎樣學習呢？
這是世代之間的問題。科技為我們提供工具。你提到了計算器，對吧？計算器並沒有消除你在數學中需要的教育，但它讓某些事情變得更容易，使你能以更準確的方式做更多的事情。然而，值得注意的是，我班上的學生經常會給出相差八個數量級的答案，這是一個巨大的差異，對吧？很明顯，他們在計算器上輸入不正確，但他們沒有意識到這個結果相差太遠，因為他們對數字的感覺不夠好。他們對數字的大小、數量級、基本理解等都沒有良好的認知。
所以這是一個雙刃劍，優點是你可以做事情更快、更好，但如果你沒有良好的程序系統，你也會失去一些直覺。我想到一個孩子，想成為音樂家，利用人工智慧寫一首關於失戀的歌曲，然後當他們找到新的愛情時，那首歌在某種程度上得到了恢復，我猜現在你可以做到這一點，並從人工智慧那裡得到一首相當不錯的歌曲，但你會把那個孩子稱為作曲家還是音樂家呢？
從表面上看，人工智慧確實在幫助，而你會說這和坐下來用吉他試不同和弦、感受他們聲音中的音調是不同的，但我猜對那些玩電吉他的人的批評是針對那些用木吉他的人。因此，我們有這樣一個世代的問題，我們回頭說，這不是實際的東西。你需要學到的關鍵基礎真的是一個至關重要的問題。
好的，那麼我回到這點，因為你一開始提到的與乃至於大腦如何分配資源有關。當你年輕的時候，你可以接收很多東西。你的大腦更具可塑性。例如，你在社交媒體上的表現如何？好吧，我自己管理 Instagram 和 Twitter，這些賬號的增長與我經營的時間成正比。因此，我會說還算不錯。我的社交媒體賬號不是最大，但對於一個科學健康賬號來說，我們做得不錯，這要歸功於觀眾。
這無疑顯示了你成功地跨越了世代鴻溝。我能用拇指打字，特里。好的，這是一種你學到的手動技能。這是人類進化的新現象。我無法相信，當我看到人們這樣做的時候，而現在我也能做到。但問題是，如果你一早就在生活中學會這個技能，你的效率會高很多。你可以更迅速地移動你的拇指。你也可以有更多的推文，我不知道他們叫什麼？不，這不是推文。在 X 上，我想他們仍然稱之為推文，因為動詞化字母 X 是麻煩的。字母 X，這一點你們都沒有想到。我喜歡 X，因為它很酷，有點叛逆，采用黑色的設計，適合那種工程師的風格。
但是，是的，我們還是會稱它們為推文。好的，我們叫它們推文。好的，這很好。但是你知道，我在校園裡走路，看到每個人，約有一半的人在推文或者在用手機做別的事情。我是說，這真不可思議。你知道，索克研究所的日落非常美麗，我們將放上其中一個的連結。我是說，在索克研究所看到日落真是壯觀，讓人敬畏。每天都是不同的。而如今每個人都在玩手機？真遺憾。
你知道，他們正低頭看著手機。即使是滑板的人也一邊走一邊看。真不可思議。我是說，人類能做到的事情真是驚人，你知道嗎？當他們學會投入某事時。但是，發生的情況是，年輕一代會接觸到任何科技，而大腦就會變得非常擅長它。你可以稍後再學，但你就不會那麼靈活，也許不會那麼執著。這讓我感到疲憊。我想指出的是，在我的手機上做任何事情都感覺疲憊，這與讀紙本書或者在筆記型電腦或桌面電腦上寫東西是根本不同的。我可以這樣做很多小時。如果我在社交媒體上待超過幾分鐘，我能真切地感覺到精力在流失。這很有趣。我可以進行短跑或硬舉幾個小時，而不會感受到來自社交媒體的疲憊。所以，你知道，這是非常迷人的。我想了解你的大腦正在發生什麼。我不知道為什麼，我也想了解年輕人是否有同樣的感受，我覺得沒有。我猜他們不會感到疲憊，是因為他們早早就入門了。這其實與你在大腦中建立的基礎有很大關係。換句話說，你在年幼時所學的東西是根本性的，這使得一些事情變得更容易。是的。我小時候在我的房間裡花了很多時間，要麼玩樂高，要麼玩動作人偶，要麼建魚缸，或是閱讀有關魚的書籍。我通常會閱讀一些東西，然後進行很多程序性活動。你知道，我會閱讀滑板雜誌並滑板。我從來不是那種只看運動卻不去參與的人。所以說，在這些事物之間架起橋樑，對我來說，社交媒體感覺像是一個能量耗竭的地方。當然，我喜歡有機會以這麼大的規模教導人們並向人們學習。但在能量層面上，我感覺我沒有基礎。就像我在試圖把我的認知「即興」編排成做一些它本來並不設計來做的事情。嗯，就是這樣。因為你沒有基礎。你在年輕時沒有這樣做。現在你必須利用認知能力來完成許多現在年輕人利用程序性方式做的事情。我想先稍作休息，感謝我們的贊助商 Element。Element 是一種電解質飲料，擁有你所需的一切，而沒有你不需要的東西。這意味著電解質，鈉、鎂和鉀的正確比例，但不含糖。我們應該都知道，適當的水分補充對於最佳的腦部和身體功能至關重要。事實上，即使是輕微的脫水也會顯著降低你的認知和身體表現。重要的是不僅要保持水分，還要獲得足夠的電解質，並且維持在正確的比例。喝一包溶解在水中的 Element，可以確保你獲得足夠的水分和電解質。為了確保我獲得適量的水分和電解質，我早上醒來時將一包 Element 溶解在大約 16 到 32 盎司的水中。我會在早上第一件事就喝下它。在任何我進行的體育活動中，尤其是在炎熱的日子裡，我大量出汗並流失水分和電解質時，我也會喝一包溶解在水中的 Element。Element 有很多不同的美味口味。我喜歡西瓜。我喜歡覆盆子。我喜歡柑橘。基本上，我喜歡它們所有的口味。如果你想試試 Element，你可以去 drinkelement.com/huberman 購買任何 Element 飲料混合包時還可以索取 Element 樣品包。再次強調，drink element 的拼寫是 L-M-N-T，因此是 drinkelement.com/huberman 免費索取樣品包。今天的節目還由 Juve 贊助。Juve 生產醫療級的紅光治療設備。現在我一貫強調的事情就是光對我們生物學的巨大影響。除了陽光之外，紅光和近紅外光已被證明對改善細胞和器官健康的多個方面有正面影響，包括更快的肌肉恢復、改善皮膚健康和傷口癒合、改善痤瘡、減少疼痛和炎症、改善線粒體功能，甚至改善視力本身。使 Juve 燈具與眾不同，並成為我首選的紅光治療設備，是因為它們使用臨床證明的波長，這意味著它們使用特定的紅光和近紅外光波長的組合，以觸發最佳的細胞適應。我個人每週大約使用 Juve 全身面板三到四次，我在家和旅行時都會使用 Juve 手持燈。如果你想試試 Juve，可以訪問 Juve，拼寫為 J-O-O-V-V，然後加 slash Huberman。Juve 現在到 2024 年 12 月 2 日提供高達 $1300 的黑色星期五折扣。再次強調，那是 Juve，J-O-O-V-V dot com slash Huberman，來獲得高達 $1300 的選定 Juve 產品折扣。我想告訴你一個可以幫助你所有聽眾的消息。我的書《ChatGDP 與 AI 的未來》裡， 我查看了其他人使用 ChatGDP 的經驗。我只是想知道人們在想些什麼。我看到一篇文章，我想是《紐約時報》，裡面有一位技術作家決定用它幫助她寫文章，持續一個月。她說當她開始時，每天結束時，她感到疲憊，完全精疲力竭，就像在使用一台機器，比如拖拉機之類的，苦苦掙扎，努力使它運作。然後她開始說：「等等。」
如果我把它當成人類來對待會怎麼樣？
如果我禮貌一點，而不是簡短地回應會怎麼樣？”
她說：“突然之間，我開始收到更好的回答，因為我對待它的方式就像對待人類一樣，互動來互動去。”
所以她這樣說：“請您給我一些關於某某的資訊？”
好的，拜託。我真的有點困難。
你給我的那個答案太棒了。
正是我所尋找的，現在我需要你幫我進入下一部分，幫助我處理那個。
換句話說，你和人類交流的方式，對吧，作為一個助手。
或者她是不是在和AI聊天，聽起來在這個情況下是ChatGPT，以她腦袋熟悉的方式向人類提出問題。
換句話說，這AI是學習著她，因而提供了她更容易整合的答案嗎？
我認為兩者皆是。
首先，ChatGPT會反映出你如何對待它。
你把它視為機器，它就會像機器一樣運作，因為這是它擅長的。
但這裡有個驚喜。
她說：“一旦我開始像對待人類一樣對待它，到了最後我不再感到疲憊。”
為什麼呢？
嗯，結果發現，這輩子你以某種方式和人類互動，你的腦子就是這樣接線的，這過程不需要任何努力。
因此，通過把ChatGPT視作人類，你便充分利用了大腦中的所有神經連結。
這太不可思議了。
我告訴你為什麼，因為我認為很多人，不僅僅是我，很多人都真的喜歡社交媒體。
每個人都是，昨天我學到了一些我認為對如何根據他人的反應來感知自我身份的方式非常吸引人的事情，或者我們是否花幾分鐘真正靜下心來思考我們對自己實際感受的看法。
這些是有關自我感知重心和類似概念非常有趣的想法。
我還看了一個超級酷的視頻，裡面一隻小浣熊在站立著的時候爆破泡泡。
那真的很酷。
而社交媒體可以在幾分鐘內同時提供這兩種事物。
現在，我在心裡想，這真瘋狂，對吧？
小浣熊有點瑣碎，但它讓我很高興，這可不算瑣碎。
這就是重點。
但問題是。
社交媒體的某些不利方面是否意味著，當我們在互相讚美，或者給予心形，或者給予拇指向下的評價，或者與某人爭論，或是彼此反擊時，這不一定是我們學會辯論的方式。
這不一定是我們學會進行健康爭執的方式。
因此，結果就像我所經歷的，某些在線互動讓人感覺很好，而其他的則感覺太過煩膩，因為幾乎缺少一個必要的行動步驟。
你不能完全解釋自己或理解對方。
而我是一個相信真實面對面對話力量的人，或者至少是電話對話。
我對簡訊也有同樣的看法。
我討厭簡訊。
當簡訊剛出來的時候，我記得我在想，我不是那種在課堂上傳遞紙條的孩子。
這感覺就像在課堂上傳遞紙條。
事實上，這整個簡訊的事情對我來說是低級的。
我就是這麼覺得。
而多年來，當然，我成為了一個簡訊使用者。
這在某些事情上非常有用，比如說五分鐘後到達，晚了幾分鐘，對我來說這是一個常見的情況。
但我認為，這種對於我們所感受到的事物的煩躁與這是否符合我們童年時期所發展出來的大腦工作模式的關聯是非常關鍵的，因為它觸及到我今天絕對想談論的事情，我知道你也花了很多時間研究，而這個概念是能量。
我們在談論的是能量，而不是某種玄學的生物學、玄學科學或者健康能量。
我們在談論的是我們的能量是有限的。
多年前，我已故的前同事和我的博士後指導教師本·巴里斯有一天在走廊上找我，他停下來叫我安迪，就像你那樣。
他說：“安迪，為什麼我們年紀越大，能量就越容易下降？
為什麼我今天比十年前更感到疲勞？”
我說：“我不知道。
你睡得怎麼樣？”
他說：“我睡得很好。”
本從來不怎麼睡覺，但他有很多精力。
我心想：“我不知道。
我們談論的這個能量到底是什麼？
我想確保我們遮住這種模板神經系統的概念，然後你會感受到的經歷要麼讓你神清氣爽，要麼讓你耗損。
我想確保我們停止這種思維，但我想要確保在某個時候與這個能量的概念相關聯。
為什麼隨著我們生命中的每一年，我們似乎總是有更少的能量呢？”
你提出了這些很棒的問題。
我希望我能有很好的答案。
至今為止，你真的有很好的答案。
這在某種意義上對我來說是新奇的，因為我以前沒有聽到過這類答案。
所以今天對我來說有很多學習，我知道對觀眾也是如此。
但假設有人20歲和50歲，他們該怎麼做？
我的意思是，我們需要融入現代世界。
我們還需要跨代溝通。
哦，是的，這是真的。
人們不再像以前那樣退休了。
他們活得更久。
出生率下降了，但我們都必須相處融洽，正如他們所說的。
所以這很有趣。
我認為隨著年齡的增長，我們的精神活力會有所減少，如果我可以使用一個稍微不同於能量的詞，那麼我們會回到這一點。
但我認為有些人成功地保持著活躍的生活。
這是我們在 MOOC 課程中非常強調的一點。你能解釋一下 MOOC 是什麼嗎？我想大多數人不會知道 MOOC 是什麼。為了他們的 sake。好吧。MOOC（大型開放在線課程）其實已經存在了一段時間，最早是在斯坦福大學由 Andrew Ng 和 Daphna Kohler 開始的。他們有一家公司叫 Coursera。發生的事情是，來自各地的教授以及任何擁有知識或專業專長的人都可以提供講座，這些講座對任何有網路訪問的人都是可用的，目前可能有數萬人參與。任何專業領域，無論是歷史、科學、音樂，隨便你說。有些人在這些領域是專家，並且他們渴望告訴你這些知識，因為他們對所做的事感到興奮。
所以我們想要做的就是幫助人們學習。問題的一部分是，隨著年齡增長，學習變得更加困難。隨著你年齡增長，如果我們要使用這種能量和活力的語言，這會消耗你的活力。對，沒錯。所以我們實際上使用“能量”這個詞。正如你所知道的，細胞中有一個叫做線粒體的物理發電廠，它為我們提供 ATP，這是細胞運作其所有機械設備的貨幣，對吧？因此隨著年齡增長，發生的一件事是你的線粒體會減少。對，數量更少，效率也更低。沒錯，效率更低。事實上，藥物也可能對你有這種影響，因為它們會傷害線粒體。娛樂性藥物。不，這是你因病服用的藥物。我對娛樂性藥物不太確定，但我知道有許多藥物是人們因為需要而服用的。
但還有另一件事，這是壞消息，這裡是好消息。好消息是你可以通過運動來補充能量。運動是你能夠做到的最好的藥物。它是你所能服用的最便宜的藥物，可以幫助你身體的每個器官。它顯然幫助心臟，幫助大腦，讓大腦 rejuvenate，還有助於免疫系統。身體的每一個器官系統都會從定期運動中受益。我每天在索克研究所的海灘上跑步。我還在海拔 340 英尺的台地上，因此我每天都會下山，然後攀爬懸崖。對，通往 Blacks Beach 的台階是一個很好的鍛煉。沒錯，沒錯，這是讓我保持活躍的一件事情，而我去年秋天的時候在阿爾卑斯山還徒步旅行。那是在九月份。所以我認為，人們真的應該意識到這一點，這就像是為自己儲備能量，用於年老時。儲備的越多，生活會越好。
還有其他事情。好吧。現在我們跳到阿茲海默症。很多年前我剛來洛霍亞（La Jolla），聖地牙哥聽到的這項研究，是由阿茲海默症計畫的負責人做的。他在中國做了一項有關發病的研究，他們選擇了三個人口群體。第一組是幾乎沒有受過教育的農民。第二組有高中教育，然後是受過高等教育的人。結果發現，受教育程度最低的人早期出現阿茲海默症，而受教育程度最高的人則最晚出現。這是很有趣的，不是嗎？因為，基因大概並沒有那麼不同，對吧？我意思是，他們都是中國人。所以一個可能性，顯然我們不確定原因，但可能是，隨著年齡增長，更多地用教育來鍛煉你的大腦，你在晚年可能有更多的儲備。我相信這個觀念，雖然我沒有更好的詞語或短語來表達，也許你有，就是一種“認知速度”的概念。你知道，有時我會玩這個，我會慢慢閱讀，或者我會看看在一天中的某個時候自己閱讀的預設速度，然後我會有意識地嘗試快速閱讀，同時還要保留我所閱讀的知識。所以我不是只是在閱讀文字，而是在努力吸收入我所閱讀的信息，你可以感覺到這種能量需求。然後我會玩一玩，稍微退後一下，再向前推進。我嘗試找到一個甜蜜點，在那裡我不會以反射性的速度閱讀，而是稍微快一點，同時還想保留信息。我在教育生涯的某一階段學會了這一點。幸運的是，那時候還比較早，我能夠趕上大部分事情，有時候會有漏掉的東西，我得回去學習怎麼學，如果我在互聯網上犯了錯，那他們肯定會指出來，然後我們再回去學習。而且你猜怎麼著？我永遠不會忘記這些，因為懲罰，社會懲罰是一個很好的信號。非常感謝大家讓我持續學習。
但我從年輕時嘗試在滑板或足球等事情上變得優秀的經驗中學到了這一點。滑板的學習有某種現象，那是我成長時的運動，當你速度更快的時候，實際上學習更容易。你知道，大多數小孩嘗試在客廳的地毯上學習如何 ollie 和 kickflip。這是學習的最差方式。其實更快的速度更容易比你覺得舒適的速度來學習。如果不夠專注，你可能會受傷。如果過度專注於認知，你無法進行運動動作。對的。
所以我發現有一個最佳點，最後我能夠將其轉化為一種理解，當我坐下來閱讀一篇論文或新聞文章，甚至聽播客時，會發現那個人的聲音有個節奏，然後我會調整音頻的播放速度，此時我必須進行認知參與，並且我知道我正處於吸收資訊和學習的狀態。然而，如果我只是隨著我的反射性速度來進行，就很少能進入那個完美的區域。因此我指出這一點，也許對人們會有用。我不曉得這是否包含在你們的學習如何學習課程中，但我確實認為有一些我稱之為認知速度的東西，這對學習是理想的，而不是那種悠閒的瀏覽。這就是為什麼我認為社交媒體是有害的。我認為我們基本上是在訓練我們的大腦變得緩慢、被動，並且在多情境中循環。除非某件事非常突出，否則它會使我們變得懶惰，請原諒我這樣的措辭，但我在這裡要直言，就是在認知上變得懶惰，除非我們下定決心去進行學習。我的猜測是這觸及到了這個線粒體系統。非常可能，這是一部分。順便提一下，你調整速度的方式非常有趣，因為實際上，壓力，大家都認為壓力是不好的，但不，事實上，瞬時性的壓力，即你控制的、限時的壓力是對你有益的。這對你的大腦有好處，對你的身體有好處。我在海灘上進行間歇跑，就像你在閱讀時進行認知間歇。我會用力衝刺大約10秒，然後慢跑，再用力衝刺10秒，這是把你的身體推入那個額外的檔位，有助於肌肉的進步。肌肉需要知道他們該輸出的重量，這樣你才能獲得肌肉質量，而不是每天都以同樣的跑步速度進行。你的智力和身體的活力毫無疑問。我認識你很久了。你在智力上擁有輕微的向前重心，甚至在步伐的速度上，我敢說，特里，對於一個加州人來說，你走得很快。這是個讚美，順便說一句。東海岸的人知道我在說什麼，而加州人可能會想，“為什麼不慢下來？”不過，為什麼不應該走得太慢是因為這些線粒體系統，正如你指出的，大腦和身體的能量是非常相關的，我確實認為低於某個閾值就很難回到原本的狀態。就像低於某個閾值，進行鍛煉會很難而導致過度疲勞或甚至受傷，我們需要保持這個狀態。或許現在是結束這個如何教導年輕人的問題的好時機。每個人都應該把這個學習如何學習的課程視為一個免費資源，這太了不起了。至於人工智慧，你認為年輕人和老年人現在，因為我49歲，所以算是較老的一組，應該學會如何使用人工智慧嗎？他們已經在學習如何使用人工智慧，這就像新技術的出現，誰會最先掌握？就是年輕人，而且這項技能的掌握速度驚人。他們使用人工智慧的頻率遠超過我幾乎每天都在用的程度，但我知道有很多學生也基本上在使用，順便提一下，這就像任何其他工具，這是一種你需要知道如何使用的工具。你建議人們該從何開始？我已經開始使用Claude AI，這是某位AI專家建議我的作為Chat GPT的替代選擇。我對Chat GPT沒有任何不滿，但我告訴你，我真的很喜歡Claude AI的美學。這有點像柔和的米色外觀。它有一種蘋果產品的感覺。我喜歡蘋果品牌，它給我答案。也許是字體，或者是感受。也許這回想起你早些時候提到的例子，我喜歡Claude AI，我是它的忠實粉絲，他們也沒有付我來說這些。我從來沒有見過他們，與他們沒有任何關係，只是它以簡潔的項目格式提供答案，讓我覺得很容易將這些資訊轉移到我的大腦或頁面上。我喜歡Claude AI，也使用Chat GPT。人們應該如何開始探索人工智慧，以便變得更聰明，學習知識僅僅為了知識，並與之互動以獲取樂趣？最好的方法是什麼？我認為正如你所做的，現在有數十種不同的聊天機器人，而不同的人會對某些(機器人)感到舒適。Chat GPT是第一個，所以這是為什麼它佔據了很多認知空間。它變得像Kleenex那樣的詞。這就是我為什麼在我的書中使用它作為第一個詞，因為它是具有標誌性的。有些，我必須說，例如，有些機器人在數學上表現得非常出色。谷歌的Gemini最近對所謂的推理鏈進行了一些微調。當你推理時，你會經過一系列步驟，當你解決數學問題時，你會經過一系列步驟，首先找出缺什麼，然後再添加。它在這些問題上的正確率從20%上升到80%。當人們聽到這個時，他們可能會想，“那仍然有20%的錯誤。”你能想像在牆後有一個人或一組人，如果你問他一個問題，再問另一個問題，再問另一個問題，它能在幾秒鐘內給你80%以上的準確信息嗎？我認為我們在比較這些大型語言模型與最優秀的人類時，也許有點不公平，而不是與普通人類相比，對吧？正如你所說，大多數人無法通過LSAT，進入法學院的入學考試，也無法通過MCAT，進入醫學院的考試，而JetGPT卻做到了。
現在是否有一個世界，我們可以將現有的人工智慧、大型語言模型（LLMs），這些基本上能像多個人類大腦集合一樣學習的電腦，以某種方式傳送到未來呢？給它們一個想像的未來，好嗎？我們能否給它們結果A和結果B，讓它們探索我們尚未能夠達到的未來狀態，然後利用這些知識來探索這兩種不同的結果？在某種意義上，我認為這可能是更好的問題，因為我們無法回到過去，但如果你為AI提供不同的情境，我們或許可以向未來旅行，你可以說：“與一組專家、醫療專家、太空旅行專家或海洋旅行專家不同，”你無法說：“嘿，你知道嗎，今晚不要睡覺。你將在接下來的48小時內工作。事實上，你將在接下來的三週或三個月內工作，而且你知道嗎？你不會做其他任何事情。你不會關心你的健康。你不會做其他任何事情。”但你可以拿一個大型語言模型，告訴它：“在以下不同的情境下，隨便擷取知識，”然後讓這一隊大型語言模型回來告訴我們一些信息，比如 “我不知道，明天。”
好吧。我自己也經歷過這一切。在1980年代，當時我剛開始我的職業生涯，並且是開發神經網絡模型學習算法的先驅之一。我與傑夫·辛頓（Jeff Hinton）合作開發了一種叫做博塞爾機器（Bosel Machine）的東西，而他最近因此獲得了諾貝爾獎。是的，就在今年。太好了！他是我最好的朋友之一，才華橫溢。他當之無愧，不僅因為博塞爾機器，還有他自那以來在機器學習、反向傳播等方面所做的所有工作。但在那個時候，傑夫和我對未來有一種看法。人工智慧主要是以符號處理、規則、邏輯和編寫計算機程序為主。對於每一個問題，你都需要一個不同的計算機程序，而編寫程序非常耗費人力資源，因此進展非常緩慢。事實上，它們從未達到目標。例如，他們從未為視覺編寫過程序，即使計算機視覺社群也努力了很長時間。但我們對未來有這樣的看法。我們認為自然已經解決了這些問題，因為有存在證明表明你可以解決視覺問題，看看，每一種動物甚至昆蟲都能看見，對吧？來吧。好吧，我們來看看，他們是怎麼做到的。也許我們可以透過追隨自然來幫助。我們可以再一次回到算法，我告訴你們。
在腦的案例中，與數字電腦的不同之處在於，數字電腦基本上可以運行任何程序，但果蠅的腦子，比如說，只運行那些專用硬體允許它運行的程序。並沒有太多的神經可塑性。只是夠生存的習慣和其他東西而已，讓你能夠生存。這是……生存24小時。我並不是要貶低果蠅生物學家，但當我想到神經可塑性時，我想到的是人類大腦的壯觀神經可塑性，能夠自我定制以適應經驗世界。我同意。但是……當我想到果蠅時，我想到的是一組非常酷的神經電路，能夠很好的避免被拍打、進食和繁殖，並沒有其他太多的事情。它們並不真的建造技術。它們可能有有趣的關係，但誰知道，誰在乎。這有點像，這不是說它們不重要，只是這種缺乏可塑性使得它們成為一種平庸的物種。好吧。我可以看出我按到了你的痛點。不是，不是，我喜歡果蠅生物學。它們教會了我們有關視覺系統中方向選擇性的算法。哦，不不，我愛果蠅生物學。我只是認為缺乏神經可塑性揭示了一定的關鍵局限，而我們之所以成為地球的策展人，是因為我們擁有如此多的可塑性。當然，當然。但是你必須一步一步來，大自然首先必須能夠創造能夠生存的生物，然後隨著環境變得愈加複雜，它們的腦子會變得更大，而我們也在這裡。但關鍵在於，事實證明果蠅大腦中的某些算法在我們的大腦中也存在，例如條件反射，經典條件反射。你可以以條件反射來訓練果蠅……當你給它獎勵時，它將產生同樣的行為。這就像是條件行為。那個算法我告訴過你，不是你的價值函數。時間差學習，那個算法就在果蠅的腦子裡，也在你的腦子裡。因此我們可以從許多物種中學習學習。我只是開玩笑地挑逗果蠅生物學家。我其實認為果蠅做了很多事情。比如蜜蜂生物學，如果你在特定的花上給蜜蜂咖啡因，它們實際上會更努力地為那些花授粉，因為它們實際上喜歡被咖啡因影響的感覺。這裡有一個關於嗡嗡聲的冷笑話，但我不會說這個笑話，因為大家都已經說過了。我完全吸收並同意研究更簡單生物體以尋找算法的價值。對吧。這就是我們現在所處的情況。
現在，讓我們展望未來，我在講述我們實際上是什麼。我們在預測未來。我們在說：“這是傳統AI的另一種選擇。我們當時並沒有被認真對待。”每個人…專家們說：“不不。編寫程序。編寫程序。”資源、資助、工作，而我們在回顧中就像這些恐龍腳下的小毛茸茸的哺乳動物。我喜歡這個比喻，但恐龍消亡了。
我想表達的觀點是，我們的大腦有能力對未來進行這些推斷。
為什麼不讓人工智慧也能模擬大腦呢？
為什麼不可以？
我認為你的想法非常好。
我是說，我對人工智慧感到興奮的原因，以及在這次對話中越來越興奮，是因為我們幾乎沒有機會以如此大規模的方式塑造信息，尤其是關於生理節奏的部分。
我的意思是，如果有什麼是人類真正受制於的，那就是生理時鐘。
你遲早需要睡覺。
即使你不睡，你的認知能力也會隨著生理週期起伏。
如果你不這麼做，你可能會早死。
我們知道這一點。
電腦可以持續運作，運作，再運作。
當然，你得給它們供電。
還有散熱的問題。
這些都是與之相關的問題，但都是可行的。
電腦可以持續運作，運作，再運作。
它們能提供通往未來的窗口，能讓我們回顧未來的情景，這個想法讓我非常興奮。
我不是說我們必須實施它們的建議，但能夠派出一組多樣化的、計算上多樣化的、體驗上多樣化的人工智慧專家進入未來，並帶回一組潛在的行動路線，對我來說是非常令人興奮的。
也許一個好的例子就是治療精神分裂症。
這是一個我希望確保我們討論的領域。
我從神經科學的學生時代就學到，精神分裂症在某種程度上是一種多巴胺系統的破壞，因為如果你給予阻斷多巴胺受體的抗精神病藥物，你會發現運動症狀和某些幻覺會有所改善等等。
而現在也有一些人說，「不，這並不是精神分裂症的根本原因。我很想知道你的想法。」
在哈佛的克里斯·帕爾默等人的研究中，我們有了驚人的成果，現在在斯坦福大學甚至有一個部門專注於克里斯所創立的領域，即代謝精神病學，這個概念是，誰能夠想像在這裡變得諷刺的是，你所吃的食物影響你的線粒體，你的運動方式影響你的線粒體，線粒體影響大腦功能，而可憐的是，大腦和身體的代謝健康會影響精神分裂症的症狀。
他研究了人們如何使用生酮飲食，也許不是為了治癒，但可以用來治療，在某些情況下甚至可能治癒精神分裂症。
在這裡，我們仍然處於一個尚未有「治療」精神分裂症的境地，但你可以派出大型語言模型進入未來，開始搜尋所有相關領域的數據，可能在一小時內就能做到，然後提出一堆假設的正面和負面結果的臨床試驗，這些試驗甚至尚不存在，比如在斯坎地那維亞進行生酮飲食的 10,000 名受試者，根據雙胞胎研究我們所知道的，這些事情在下午甚至一年內都不可能做到，但有了資金，瞬間就能得到答案，讓他們向我們呈現這些答案，然後你就會說，「好吧，這是人工的」，但人類大腦所進行的實驗也是如此。
對我來說，我開始意識到，我們不必實施人工智慧告訴我們或提供的所有建議，但它確實讓我們能窺見可能正在發生或將要發生的事情。
對於精神分裂症，我相當肯定，如果我們在20年前就有這些大型語言模型，我們當時就會知道氯胺酮將是幫助這些人的一種非常好的藥物。
告訴我們氯胺酮和精神分裂症之間的關係，因為我認為很多人，也許你可以定義一下精神分裂症，雖然大多數人想的都是聽到聲音和精神病，但還有更多的內容也許我們無法表達清楚。
好吧，我們現在知道的事情之一是，問題在於，如果你看最終的結果，這並不告訴你問題的起因。
但在早期發展中，精神分裂症是一種在青少年晚期或早期成年時期出現的問題，但實際上從一開始就已經是一個基因的問題。
那麼在同卵雙胞胎中，契合度是什麼意思呢？也就是說，如果你有同卵雙胞胎在母腹中，其中一個注定會完全發展為精神分裂症，那麼另一個會有什麼樣的概率？
所以這就是實驗。
這在老鼠身上已經多次被複製，我應該這麼說。
哦，不，實際上好吧，讓我先從人類開始，好的。
所以氯胺酮，長期以來，它仍然是一種派對藥物，特別是K。
我從未服用過，但這是我所聽到的。
我也沒有。
我不知道。
它是一種解離性麻醉劑，是吧？
但我告訴你發生了什麼，因為我曾與這些人交談過。
你服用氯胺酮，且是亞麻醉劑，順便說一下，它是一種麻醉劑，對兒童使用相當不錯，也是用於獸醫醫學。
無論如何，你給年輕人服用，以下是他們的體驗。
他們會經歷到身體外經驗，感受到能量的愉悅感，並且非常……這是一種快感，但也非常不尋常。
現在，如果他們只是去經歷一次，但如果他們有兩次，比如連續兩天派對，很多就會進入急診室。
而這裡的症狀是。
完全的精神病，完全的精神病。
我們談論的是與精神分裂症的崩潰無法區分開來。
所以出現了聽覺幻覺。
是的。
而且出現了幻覺、妄想，你會說這個人真的變成了精神分裂症患者，而這真的，就像你說的，症狀是相同的。
然而，如果你把它們孤立幾天，它們會回來的，對吧？
所以這意味著精神分裂症可以誘發，我是說，抱歉，氯胺酮可以誘發一種形式的精神分裂症，精神病，這是暫時的，而非永久的，幸運的是。
好吧。
那麼它攻擊什麼？
好吧。
這方面還有其他文獻。
結果發現它與一種受體結合，這是一種苯甲酸受體，稱為NMDA受體，這對於學習和記憶非常重要。
但我們知道目標，我們也知道急性結局是它降低了抑制電路的強度，使用抑制性神經傳遞物質的介入神經元，其中產生抑制性神經傳遞物質的酶被下調。
那這會引發什麼？
這意味著興奮性增強。
當有更多興奮時那又意味著什麼呢？
這意味著皮層中的活動更多，實際上能量也更多。
如果活動過多，你就開始變得瘋狂，對吧？
這很有趣。所以這告訴我們，我認為，我們應該考慮一下，現在在精神病學中有一整個領域與谷氨酸假說有關，這是實際不平衡首次出現的地方。
這是皮層中的興奮系統和抑制系統之間的平衡失調。
而NMDA，N-甲基-D-天冬氨酸受體是谷氨酸受體。
是的，它們是谷氨酸。它們是一類。這就是一類。對。
好吧。所以現在，這是一個假說，解釋為什麼氯胺酮可能對抑鬱症有好處。
人們現在正在服用它。我們感到沮喪，對吧？
所以你有一種導致過度興奮的藥物，而你有一個興奮不足的人。
抑鬱症與大腦某些部位的較低興奮性活動有關。
那麼，如果你調整劑量，你可以重新回到平衡，對吧？
所以你所做的就是用一點精神分裂症來對抗抑鬱症。
現在，我認為你必須每三週注射一次，他們必須獲得新的氯胺酮劑量，但這幫助了許多有非常非常嚴重臨床抑鬱症的人。
隨著我們對一些這些疾病背後機制的了解越來越多，我們將能夠更好地推導出一些解決方案，至少能防止它變得更糟。
順便說一下，我相當確信大型語言模型早就可以查明這一點。
所以在試圖了解我們現在如何利用這些大型語言模型時，我們早些時候會怎麼使用這些大型語言模型？
假設你有2024年的AI技術，讓我們開心一下，放在1998年，那年我開始研究生學業。
對。
那時候，像多巴胺假說，精神分裂症在每本教科書中都會出現。
或許還提到一點谷氨酸，但那全是多巴胺。
所以大型語言模型會怎麼發現這一點呢？
蛋白質被認為是藥物。
對了，氯胺酮與PCP非常相似，後者也與NMDA受體結合。
所以這又會怎樣，這也是，對，我不推薦它，也不推薦氯胺酮。
坦白說，我不推薦任何休閒藥物，但我也不是一個使用休閒藥物的人。
不過如果這些大型語言模型能夠這樣做，那麼如果把2024年的技術放到1998年，他們會利用現有的知識，但他們是否能作出預測，比如「嘿，這些東西會被證明是錯的」，或者「嘿，這些東西是……」
好吧。
你知道，這一切都是非常非常推測的，而我們現在實際上開始看到這種情況發生。
所以我在索爾克研究所有一位同事，Rusty Gage。
他是一位很傑出的神經科學家，他發現海馬體中有新神經元產生，這在成年人中是發生的，而教科書上說這是不會發生的，對吧？
這大約是1998年，Rusty做到了，是的。
對的。
而且我確實和他合作了篇論文，我們測試了LTP，長期增強作用，實際上是運動對神經生成的影響。
運動增加了神經生成。
它增加了細胞，增加了神經生成，而且激活的細胞也成為電路的一部分。
更多的細胞被整合進來。
這在人體中也是如此，對吧？
是的。
而且有某種癌症藥物被給予，他們顯示出有新細胞能夠，能夠稍後顯示出它們在成人中產生的情況，好的。
所以我們在1998年，問題是，你能跳嗎？
你能跳進未來嗎？
好吧。
所以Rusty，您知道，恰好談到了這個問題，你知道，他現在在研究中使用這些大型語言模型，我說「哦，哇，你是怎麼使用它的？」
他說：「我們把我們做過的所有實驗都放進去，我們有，知道文獻，有文獻的訪問權，等等，然後我們請它提供新實驗的想法。」
哦，我喜歡這個。
我喜歡這個。
我在一架飛機上坐在一個在谷歌工作的人的旁邊，他是那方面的主要人物之一，涉及語音轉文字和文字轉語音的軟件，他給我展示了一些東西。
我會提供一個鏈接，因為這又是這些開放資源項目之一。
而我不是特別懂技術的人。
我不會在技術上失敗。我不會獲得A+。
我有點中等，所以我認為我代表了這個播客的普通聽眾。
他給我展示的是，你可以打開這個網站，你可以將PDF文件或者網站地址放在邊緣。
你真的只需將它們拖放到那裡。
然後你可以提出問題，人工智慧會根據你在這個邊欄中輸入的內容、那些PDF檔案、那些網站生成答案。 最酷的是，它會引用這些資料，讓你知道這些回答是來自哪篇文章。 然後，你可以開始詢問一些更複雜的問題，例如，在關於藥物影響的兩個例子中，其中一種影響非常強烈，而另一種影響非常微弱，你認為這些論文中哪一篇根據受試者人數以及研究結果的強度來看更扎實。 這是一個相當模糊的概念，對吧？
研究結果的強度相當模糊，對吧？ 任何認為這些是微弱研究結果的人，會說受試者數量不足，我們知道從一個病人，HM，我們對人類記憶了解得非常多。因此，當談到涉獵人類的研究結果強度時，這是一個主觀的問題，你真的需要在某個領域成為專家才能理解研究結果的強度，即便如此。 而且令人驚奇的是，它開始提出回應，比如說，如果你關心受試者的數量，那麼這篇論文是個不錯的選擇，但這點不言自明，哪一篇有更多的受試者，但它還可以開始非常精緻地批評這些論文中使用的統計數據，並向你解釋為什麼某些論文可能不那麼有趣，而其他的則更有趣，它開始對證據進行加權。
接著你會問，根據這些加權的證據，你能否假設如果發生某種情況會怎樣？所以我已經做過這樣的嘗試，它開始根據你五分鐘前提供的十篇論文來預測未來。 我認為除了在非常特定的興趣範疇內，沒有任何教授能做到這一點，且如果他們已經熟悉這些論文，即便是這樣，閱讀這些論文詳細內容也需要數小時，甚至幾天。 而且他們可能並不會得出相同的答案，對吧？ 對的。
所以，實際上，這些事情正在醫學領域發生，順便提一下，對於使用人工智慧作為助手的醫生來說，這非常有趣。 這是一篇關於皮膚病的論文，發表於《自然》期刊，有關皮膚病變。 有幾千個皮膚病變，其中一些是癌變的，其他則是良性的。 因此，無論如何，他們對專家醫生進行測試，然後他們也測試了人工智慧，兩者的準確率都在90%左右。 然而，如果你讓醫生使用人工智慧，那麼醫生的準確率可以提升到98%。 98%的準確率！ 是的。
這裡發生了什麼？ 這很有趣。 所以事實證明，雖然他們的準確率都是90%，但他們的專業知識是不同的，人工智慧可以接觸到更多的數據，因此它可以查看一些醫生可能從未見過的罕見病變，好的？ 但醫生對他所見過的最常見的病變擁有更深入的知識，那些是微妙之處等等。 但是將這兩者結合起來，顯而易見，他們在合作時會改善彼此的表現。 我覺得現在你所說的就是，把人工智慧作為發現的工具，與專家一起解釋和查看論據，這樣的統計論據，還有可能以嶄新的方式看待這些論文，也許這就是科學的未來。 也許這就是將要發生的事情。 大家都擔心，哦，人工智慧將取代我們，它將在各方面都優於我們，人類會變得過時。 沒有什麼比這更錯誤的了。 我們的優勢和劣勢不同，通過合作，將會變得更強大。 我們所做的和人工智慧所做的，這是一種夥伴關係，並不是對抗的關係，而是一種夥伴關係。
你會說這種情況也適用於理解或發現神經科學疾病的治療方案，以避免大規模災難的情況嗎？ 它能預測宏觀運動嗎？ 讓我舉個例子。 在洛杉磯，公路上偶爾會發生事故。 現在在公路上有很多攝像頭，車輛上也有攝像頭。 你可以想像所有的數據實時被發送，這樣你很可能會預測到事故的發生。 這些只是以特定速度移動的物體，在草率駕駛，但你還可以潛在地發出一個信號，接管汽車的剎車或方向盤，防止事故的發生。 我是說，一些汽車已經這樣做了，但你是否能夠根本消除交通？ 我不確定你能否做到，因為那是一個漏斗問題，但你能否預測物理事件在未來的情況？ 好的。 這已經完成了，不是針對交通，而是颶風。 正如你所知，天氣預測非常困難，除了加州這裡永遠是陽光明媚的地方，但現在他們進行了大量過去颶風的數據輸入，還有颶風的模擬。 你可以在超級計算機上進行模擬。 這需要數天或數週，因此對於準確預測將會撞擊佛羅里達州的地點並不太有用，但他們在訓練人工智慧使用這些數據之後，它能夠以更好的準確度預測到颶風將在哪個具體位置登陸佛羅里達州。 它在你的筆記本電腦上只需10分鐘就可以做到這一點。 難以置信。
對我來說，某些事情突然變得清楚，而這可能對你和大多數人來說是顯而易見的，但我認為這是真的。 我想我即將說的話是對的。 在我們談話一開始，我們討論的是知識的獲取與知識的實施，僅僅是學習事實與學習如何以物理行動或認知行動的形式實施這些事實。 數學問題是認知行動，物理行動。 好的。 人工智慧可以同時進行知識獲取。
它可以學習事實、長長的事實清單和事實的組合，但推測它也可以解決許多問題集和解決許多問題集。我不確定除了對於一些粗糙的、仍然對我來說是機器人範疇的例子之外，它在行動上還沒有特別出色，但它大概會在某個時候達到那個水平。機器人正變得越來越好，但它們還沒有做到我們所做的事情，不過在我看來，只要它們能夠獲取知識，然後解決不同的問題集，不同的知識組合的迭代，基本上，它們就能夠從任何有關先前事件或當前事件的數據中，做出相當準確的未來預測，並能快速地將這些預測回送給我們和它們自己，以便能夠發展出不同的迭代。我在想，有一個問題似乎真的困擾著神經科學家，以及醫學界和一般公眾，那就是自閉症的診斷至少有所增加。這些年來我聽過很多不同的假設。我想我們在這方面仍然相當困惑。人工智慧能否開始提出新的潛在解決方案和必要的治療，或者或許能夠觸及這個問題的核心？有可能。這取決於你擁有的數據，也取決於疾病的複雜性。但這是必然會發生的。換句話說，我們會盡可能地使用這些工具，因為顯然，如果你能有任何進展並跳入未來，哇，那將拯救生命，幫助很多人。我真的認為這裡的前景非常廣闊，即使有缺陷也有監管問題，我們真的需要加倍努力。我們必須以能夠幫助人們改善他們工作、幫助他們解決本來會有困難的問題等方式來進行。這開始發生了，但這仍然是早期階段。我們目前處於人工智慧的發展階段，類似於萊特兄弟第一次飛行之後的情況。換句話說，萊特兄弟的成就就是讓人類在空中懸浮10英尺，並向前推進100英尺。就這樣。這是第一次飛行。這需要大量的改進。最困難的問題是控制。你如何控制它？你如何讓它朝著你想要的方向移動？現在人工智慧的情形和當時的情形有些相似，我們已經起飛了，但還沒有飛得很遠，但誰知道未來會把我們帶到何方。讓我們談談帕金森氏病，這是一種多巴胺神經元的耗損，導致平滑運動生成的困難以及一些認知和情緒功能的障礙。告訴我們你在帕金森氏病方面的研究以及你學到了什麼？正如你所指出的，帕金森氏病首先是一種退行性疾病。這非常有趣，因為多巴胺細胞是腦幹的特定部分，它們負責程序性學習。我之前告訴過你有關時間差的事情。這是多巴胺細胞。這是一種非常強大的全局信號，被稱為神經調節劑，因為它調節著整個皮層中的所有其他信號。此外，這對於學習能夠生存的行動序列非常重要。問題是，在某些環境損傷特別是像農藥這樣的毒素下，這些神經元非常脆弱，而當它們死亡時，你會得到你剛剛描述的所有症狀。那些在接受治療之前已經失去這些細胞的人，如阿多巴（Aldopa），這是一種多巴胺前體，實際上變得昏迷，對吧？他們不會動。他們還是活著，但完全不會動。被稱為「鎖定」，是的，這是悲劇，悲劇。所以當第一次的阿多巴試驗給予他們時，這是神奇的，因為突然他們又開始說話了。所以我的意思是，這真是驚人，驚人。我好奇的是，當他們再次開始說話時，他們是否報告在鎖定階段的腦狀態是慢速？是不是有點夢幻般的狀態，或者他們感覺自己在打盹，還是他們在裡面尖叫想要出去？因為他們的身體速度顯然是零，畢竟他們被鎖定了。長期以來我一直在想，從跑步回來或從良好的夜間睡眠中醒來，當我切換到清醒狀態時，身體速度和認知速度是否有聯繫。因此這是一個美妙的觀察或問題，我敢打賭你知道答案。好的，這裡有一件非常驚人的事情，當他們傾向於慢速移動時被有趣地發現。按照你所說，但對他們來說，從認知上來說，他們認為自己在快速移動。現在並不是因為他們無法快速移動，因為你可以說，那你能不能動得更快？當然可以。他們會正常移動，對吧？但對於他們來說，他們認為自己在以超高速移動。所以這是一個設置點的問題。對，是設置點的問題，沒錯，這都是關於設置點。這才是真正的情況。而隨著設置點越來越低，現在他們完全不移動，他們卻認為自己在移動，對吧？我的意思是，這就是正在發生的事情。順便說一下，你可以問他們，那是怎麼回事？我們在跟你說話，你卻不回答。哦，我不想回答。大腦編造了答案。好吧，他們是因為沒有足夠的能量或無法啟動。他們無法啟動動作。這是他們在運動方面所面臨的困難之一，啟動一個動作。正如你所見，我對這種認知速度的概念感到著迷。同樣，可能有更好或更準確或更正式的術語來表達它。但是我覺得它涵蓋了我們學習時所試圖做的事情的許多方面，事實上在睡眠中你會在快速眼動睡眠期間體驗到非常生動的夢。
認知速度非常快。對於時間的感知與慢波睡眠夢境中的不同。我真的認為這至少是一個與大腦狀態相關的量度。我早就認為，我們對於睡眠期間的大腦狀態了解得遠比對清醒的大腦狀態多。我們談論專注、動力、心流。這些並不是科學術語。我並不是在貶低這些詞彙，它們幾乎是我們所擁有的，直到我們想出了更好的術語。但是在你的情況下，我們是生物學家、神經科學家和計算神經科學家。我們正在試圖弄清楚我們現在處於什麼樣的大腦狀態。我們的認知速度是一個特定的數值。但我認為人們越多思考這個問題，我敢說他們會在一天中的不同時間思考他們的認知速度。我們開始注意到，通常在一天中的某些時段會有這樣的趨勢。對我來說，這通常是從早上到中午的時段，然後在晚上稍微經歷一段低谷和能量再度提升的時候，那一個半小時，就是進行真正工作的最佳時機。那段時間我可以腦力衝刺。但在一天的其他時段，我無論喝多少咖啡因，除非是要面對的壓力事件，否則我根本無法達到那樣的更高速度，同時還要參與其中。你可以更快地閱讀，聆聽，但你並沒有使用信息，也沒有儲存信息。說得對。你一天中什麼時候的效率最高呢？我早上做的最多，然後晚餐後也是不一樣。我覺得早上我在創意方面比較好，而晚上則在實際動手生產上更有效。很有趣。考慮到體溫和生物節律之間的關係，我想進行一個實驗，研究核心體溫與認知速度之間的關聯。我其實已經注意到這是一個完全主觀的問題，但建築物內的鹽度保持在75度，這是毫無變化的。但在下午，我會感覺有點寒冷。這可能是我內部的體溫下降了。這可能與能量的損失有關，對大腦及其他一切的能力有影響。順便說一下，你知道這是Q10，這是一個術語。你每個細胞中的每一個酶都可以根據溫度以不同的速度運作。體溫和所有細胞也是如此。這是一種解釋，我不確定是否正確。我的同事克雷格·赫勒在斯坦福生物學系美妙地描述了我相信是丙酮酸酶對肌肉失效的酶控。當人們試圖克服某種阻力的時候，局部的肌肉失效與溫度有著很大的關係，局部的溫度會關閉某些酶的過程，使得肌肉無法以相同的方式收縮。他知道細節，他在這個播客中介紹過，但我忘了具體情況。他開始說：“哇，這些酶這麼巧妙地受到溫度的控制。”當然，他的實驗室專注於繞過這些溫度的方法，或在局部更改溫度，從而繞過這些限制，並一次又一次地證明這一點。這真的令人難以置信。是的，我們在這裡推測這對認知速度意味著什麼，但我認為這是思考基礎生物學與僅僅思考藥物的世界之間如此不同。你增加多巴胺、去甲腎上腺素和腎上腺素，這些所謂的兒茶酚胺，你會增加能量、專注和警覺性，但你會付出代價。你會有一個與服用藥物時的提升程度成正比的能量、專注和警覺性低谷。克雷格，安非他命就是一個很好的例子。當你服用藥物時，你的速度快如飛。然而，當我站立時，這是你的印象，實際上你並沒有取得更多成就。是否有任何大型語言模型（LLMs），也就是人工智慧被用來回答這個迫在眉睫的問題，即這些在服用利他林、阿莫達非尼、維凡斯和其他興奮劑的年輕大腦的認知後果將會是什麼，因為我們有數以百萬計的孩子在這樣成長。我們有一個主席，整個世代的人，我真的想知道答案。我想知道是否有任何人研究這個問題。這是一個很好的問題，因為我們實際上給了他們興奮劑，這種藥物會使大腦活躍。順便說一下，後果是，當藥效消退時，你會感覺沒有能量。你就是完全耗盡。就是這樣。那是深淵。那是深淵，但這就是為什麼你會再吃更多。這成了問題，它是一個惡性循環。我喜歡你今天如此清楚地表達計算、數學、電腦和人工智能如何真正塑造我們思考這些生物問題的方式，這些問題也是心理問題，同時也是日常挑戰。我也很高興我們提到了線粒體和如何重建線粒體。我想確保我們討論一些我知道在大家心中揮之不去的議題，不帶有任何雙關意味，那就是意識和自由意志。一般來說，我不喜歡談論這些事情。不是因為它們敏感，而是我發現圍繞它們的討論往往是更哲學性的，而不是真正的神經生物學，並且常常是相當循環的。你會遇到像凱文·米切爾這樣的人，我想他有一本關於自由意志的書，他相信自由意志。還有像羅伯特·薩波斯基那樣的人，他寫了一本叫《決定論》的書，他不相信自由意志。
你對自由意志的看法如何？這是否是我們應該討論的話題？如果回溯到五百年前的中世紀，這個概念並不存在，或至少不是以我們當今的方式使用，因為人類對世界的認知以及其運作方式和對他們的影響都是命運的安排。他們有命運這個概念，即無論你做了什麼事情，有些事會發生在你身上，這是因為上面的神明或其他原因在運作。你會把這歸因於你周遭的物理力量，而不是自己的自由意志，不會認為有什麼原因使你遭遇這樣的情況。 我認為這些詞語，比如我們所使用的自由意志、意識、智慧、理解等，都是含糊不清的詞，因為你無法將它們確切定義。對於意識，並沒有大家一致同意的定義，如果你沒有一個可以達成共識的定義，那麼就很難解決科學問題，而目前有一個重大爭議，即這些大型語言模型是否以我們的方式理解語言。它真正揭示的是我們並不了解理解到底是什麼。從字面上來說，我們並沒有一個良好的論據或指標來衡量某人的理解能力，然後將其應用於GDP，看看它是否相同。可能並不完全相同，但也許我們正在談論的是某種連續性。我這樣看，如果外星人突然降落到地球並開始用英語與我們交談，而我們唯一可以確信的就是它不是人類。我遇到過一些我懷疑其地球起源的人。好吧，地球人之間的多樣性也是很大的，你說得對。幾年前，UCSD有一些我們的同事，尤其是物理系的一位同事，我非常欣賞他的為人，他的言語和行為模式非常不尋常，完全是恰當的行為，但就是不尋常。在一次教職員會議中，他突然對我說話，當另一個正在發言的人時，我心想「或許現在不適合」，他會說「哦，好吧」。但是在任何其他領域，你會說他非常擅長社交。有些人會完全不拘泥於常規，他的行為完全是「他是外星人嗎？」這樣有點酷，像是他是我的一位朋友，讓我非常愉快。這是真的。這是真的。不是每個人都遵循相同的社交規範。這可能有點自閉症的特徵。是的。那是一個問題。換句話說，有一些功能非常高效的自閉症人士。他非常聰明。而且，通常，有一些聰明且患有自閉症的人。你能否建立一個LLM，偏向某一範疇，看看他們尋找什麼樣的資訊？我審查過一篇論文。就我個人而言，這將是一個非常重要的事情。這項研究已經完成。好吧。我審查過一篇論文，他們將LLM進行了微調，使用了來自不同障礙（例如自閉症等）的人們的不同數據。還有社會病態者，你知道的。這很嚇人。但是你想知道答案。不是的，不是的。他們讓這些LLM表現得就像那些有這些障礙的人一樣。你可以讓他們這樣行為，是的。你能否分析政治傾向和價值觀？我還沒見過，但是對我來說，如果你能做社會病態，那麼你可能能做到任何政治信仰。然而，你也可以將這一切視為，你可以採取善意的趨勢。你也可以說他們是過度創造性的，對情感語調敏感，了解那個人帶來何種資訊，對比於一些非常注重人們言詞內容的人，因為在每個人之間你會發現這種情況。如果你曾經和一位伴侶一起離開派對，有時會有人說，我遇到過這樣的經歷，像是「你看到某某之間的互動了嗎？」我會想，不，妳在說什麼？「妳聽到了嗎？」我會說，不，根本沒有。我聽到了文字，但並沒有察覺到你所察覺的東西。顯然，對同樣的內容存在兩種非常不同的體驗，純粹基於語調解讀的差異。好吧，有很多資訊，正如你所指出的，這與語調、空間表達有關，你知道的，有大量資訊不僅僅是文字，還包括所有其他部分，例如視覺輸入等等。有些人擅長接收這些，而有些人則不然。個體之間存在巨大的變異性。你知道，生物學就是關於多樣性，關於需要一個非常多元的基因庫，以便你能夠進化並在氣候發生劇變時生存。但如果我們能創建一個能理解這些差異的LLM，那不是太好了嗎？現在，想一想，對吧？那是一個真正多樣化的LLM，能夠整合所有那些差異。是的，但這裡是你必須做到的。你必須從一大群人類個體的數據中訓練它。這些LLM的一個特點是，它們沒有單一的個性。它們可以採納任何個性。你必須告訴它你對它的期望，或者以一種有效的方式詢問它，這樣你就會得到特定的個性。如果你，我曾經給它提供了一篇論文的摘要，非常技術性的一篇計算機論文。我說，「你是一位神經科學家，我希望你能向一個十歲的小孩解釋這個摘要。」它用我從未能做到的方式完成了。它真的簡化了這個內容。
一些微妙之處並不在其中，但它解釋了什麼是可塑性，並且解釋了什麼是突觸。
這太驚人了。
它做到了。
就像是研究生的資格考試。
我今天在 X 上看到了一些令我震驚的東西，原本叫做 Twitter，我想聽聽你的看法。
這與你現在所說的非常相關，有人正在向一個大型語言模型（LLM）提問，可能是 ChatGPT 或者是其他像 Anthropic 或 Claude 之類的東西。
我可能會錯誤使用那些名字。
在網上的 AI 站點中，其中一個 LLM 在回答的過程中，突然決定休息一下，開始觀看約塞米蒂的風景照片。
就像這個 LLM 在做一個可能已經認知疲勞的人或者任何其他在線人所做的事情，即休息一下，看看一些他們可能考慮過去露營的地方的照片，然後再回到任何任務上。
我們聽說 AI 有幻覺，能想象不存在的東西，就像人類的大腦一樣，但這真是震撼我。
我還沒有遇到過這種情況，但這很有趣。
這表明了真正的生成內部模型。
我認為最能區分 LLM 和人類的事情是，如果你進入一個安靜的房間，只是靜靜地坐著而沒有任何感官刺激，你的大腦會不斷思考。
換句話說，你會思考你想做的事情，提前計劃或思考你白天發生的事情，你的大腦總是在內部生成思考。
在與你談話之後，這些大型語言模型卻會變得空白。
沒有自我延續、自我生成的思考。
我們知道自我生成的思維，尤其是睡眠期間的大腦活動，正如你之前用睡眠紡錘和快速眼動睡眠的例子所說，對於塑造我們在白天經歷的知識是至關重要的。
這些 LLM 還不能完全與我們相比。
它們在某些事情上表現優於我們，比如圍棋，但我們何時才能擁有擁有自我生成內部活動的 LLM，AI 呢？
我們在逐步接近，因此這是我自己正在努力了解的事情，實際上試圖理解我們的大腦是如何產生持續的腦活動以促進計劃等。
我們在神經科學中還不知道這個問題的答案。
對了，你去聽一個講座，聽著一個小時一個接一個的詞，然後看到一張張幻燈片，然後你問了一個問題。
想想你剛剛做了什麼。
不知怎麼地，你能在一個小時內整合所有這些信息，然後使用你的長期記憶來提出一些洞察或你所關心的問題。
你的大腦是如何記住所有那些信息的？這是神經科學家研究的傳統工作記憶。
它只有幾秒鐘，可能是一個電話號碼或其他什麼，但我們談論的是長期工作記憶。
我們還不明白這是如何做到的，而 LLM，即大型語言模型，卻能做到一些事情。
這被稱為上下文學習，這是一個巨大的驚喜，因為並不存在可塑性。
這個模型在開始學習時，你用數據訓練它，然後它之後的一切都是推理，一個接一個地快速反應。
這就是沒有學習、沒有學習的情況。
但已經注意到的是，隨著對話的進行，它似乎在某些事情上變得更好了。
這怎麼可能？
即使沒有可塑性，這怎麼可能是上下文學習？
這是一個謎。
我們尚不清楚這個問題的答案，但我們也不知道人類的答案又是什麼。
對吧。
我可以問你幾個關於你自己的問題，以及它與科學和你的職業軌跡的關係嗎？
基於你剛才所說的，你是否有冥想的習慣，讓眼睛閉上、感官輸入降低或關閉，以便以特定的方式引導你的思考，還是你在電腦前和學生及博士後交談，或者在海灘上疾走？
不不，妙的是你提到這個，因為我最好的想法來自於在海灘上漫步或慢跑，而不是疾走。
這太美好了。
我不知道，我認為血清素在上升。
這是另一種神經調節劑。
我認為這會刺激想法和思考。
所以我不可避免地回到我的辦公室，但卻不記得那些偉大的想法了。
你怎麼處理這個？
現在我會做筆記。
語音備忘錄。
是的。
對。
有些點子確實能成功，這毫無疑問。
你被放在一個情境中，這是一種冥想的形式。
如果你以穩定的步伐跑步，海灘沒有任何分心的事物。
你聽音樂或播客嗎？
不，我從不聽任何東西，除了我自己的思緒。
有一位之前的嘉賓，她恰好是哈佛的三重學位者，但她更偏向於個人教練領域，但她的頭腦非常高效且令人印象深刻，她有這個無言的概念，可以用來達成許多不同的事物，但這個概念是要讓自己創造條件，讓自己在白天的某些時間內，或者每天一次，進入非常最小感官輸入的狀態。
沒有講座、沒有播客、沒有書籍、沒有音樂，什麼都沒有。
讓大腦稍微閒置一下，讓它變得非線性。
我們不是在通過這些媒體以任何結構化的方式構建思維或關注別人的思維，而是將其作為創造偉大想法的來源。
這已經被研究過了。
心理學家稱其為思維漫遊。
思維漫遊。
是的，這是一個重要的文獻。
以下是您提供文本的繁體中文翻譯：
經常當你有靈光一現的時候，你知道的，你的思緒在游蕩，然後它以非線性、不遵循邏輯順序的方式在運作，從一件事跳到另一件事。通常就是在這樣的時刻，你讓你的思緒隨意游走時，會靈光一現。對，我也有過這樣的經歷。我在想，社交媒體、簡訊和手機是否消除了許多下班後走向車子的時間，通常在那段時間，人們不會接電話或與任何人或事物交流。我曾經進行實驗，像是在移液、跑步，這需要化學知識，這樣非常放鬆。而在這個過程中我可以思考，因為我知道步驟，然後，你必須注意某些事情，寫下來。但我經常感受到，哇，我既在工作又在放鬆，還在思考事情。然後我有時會聽音樂。好的，我們有完整的一節，對於學習如何學習這種現象有一段講解。我們告訴學生的是，如果你在某個概念上遇到困難，或者不明白某些事情，撞牆時停下來。不要停，去做點別的事情。去洗碗，去街區走一圈。最終的結果就是，當你回來時，你的思緒會變得清晰，你會想出該怎麼做。這是任何人可以得到的最佳建議之一。因為，你知道，沒有人告訴過我們大腦是如何運作的，對吧？有些人非常擅長直覺，因為他們有經驗，你也許也是，但所有我認識的那些對於重要貢獻有實力的人，我敢打賭你也是其中之一。你知道，你晚上正在努力解決某個問題，你上床睡覺，早上醒來，啊，那就是解決方案。那就是我應該做的，對吧？早晨醒來的第一件事情就是，我幾乎被轟炸，我不會說是靈感，也不一定是有意義的靈感，但確實是之前不明了的事情，瞬間變得明晰。沒錯。這就是睡眠的神奇之處。你可以看到那些知道這一點的人可以依賴它。換句話說，關鍵是在你入睡之前考慮它，對吧？你的大腦在睡眠期間會對此進行處理，對吧？所以，你知道，不要看電視，因為那就不知道你的大腦會去處理什麼。利用入睡前的時間思考一些困擾你的事情，或者也許是一些你正在試圖理解的事情，可能是你讀過的論文，然後你說，哦，我累了，我要去睡覺。你早上醒來，那你就會說，哦，我知道那篇論文到底是怎麼回事。是的。這是會發生的。你一旦知道了大腦運作的某些事情，你就可以利用這一點。你有留意過你的夢嗎？有記錄下來嗎？不。沒有。好吧。問題在於，夢似乎是如此標誌性，很多人以某種方式將事情歸因於它們。但從來沒有任何好的理論或理解，首先，為什麼我們會做夢。這仍然不完全清楚。我的意思是，有一些想法。或者，為什麼這個特定的夢？對你有什麼意義？唯一我知道的也許能解釋一點的是，夢往往是非常視覺化的，快速眼動睡眠的時候，實際上發生了一些有趣的事情。在睡眠期間，所有的神經調節物質都會被下調，而在快速眼動睡眠期間，乙醯膽鹼會上升，對吧？這是一種非常強大的神經調節物質。例如，它對注意力很重要。但它不會在前額葉皮層上升，這意味著來自感官的輸入的電路在前額葉皮層並沒有被啟動。因此，發生在你視覺皮層中的任何事情都不會再被監測。所以你會得到一些奇怪的事情，你知道的，你開始飄浮，然後，事情就發生在你身上。而且，這不再是固定的。所以，這仍然無法解釋為什麼，對吧？為什麼你要經歷那個時期。這是重要的，因為如果你阻擋它，有一些安眠藥確實會阻擋它，你知道，這真的會引起正常認知功能的問題。大麻也是如此。那些從大麻中斷的人在幾天、幾週和幾個月後會經歷巨大的快速眼動反彈和大量做夢。哇。我不想說這是戒斷，因為那有不同的含義。是的。可以說這是一種不平衡，因為你的大腦已經適應了內源性大麻素的水平。現在它必須恢復，而這需要時間。但這是有趣的。這不是很有趣嗎？這會影響夢境。我認為這也許是一個線索。是的。非常普遍的現象。我被告知我不是大麻使用者，但不會對此進行評判。我只是沒有。這其實是我在上大學時讀的一本書，已經是很久以前的事情了，作者是艾倫·霍布森，他在哈佛大學擔任過職務，哦，真酷。所以我從未見過他，但他有一個有趣的觀點，認為夢，尤其是快速眼動夢，與在某些迷幻藥，如LSD、鴉片酸或蕈鹼的人所經歷的非常相似。也許夢揭示了潛意識，並不是用任何心理學術語來表達，你知道的，當我們睡著時，我們的意識無法以同樣的方式控制思維和行動，顯然，這就像是潮水退去一樣，我們揭示了更多的潛意識處理。
你知道，這是一個有趣的假設。你會怎麼測試它呢？我可能得讓某人進入掃描儀，讓他們入睡，然後在進行迷幻松露的旅程時將他們放進掃描儀，這種事情，你知道，這很困難。我是說，這些觀察性研究當然都有缺陷，我們都知道，真正想要做的是控制神經活動。你想進入大腦，輕拍這邊的神經元，看看大腦如何變化，並且希望能得到實時的主觀報告。這就是睡眠和夢境的問題，人們可以在夢中驚醒並詢問他們剛才夢見了什麼，但你無法真的知道他們在實時夢見了什麼。這是真的。對，這是真的。順便說一句，你知道夢有兩種類型，非常有趣。如果你在快速眼動睡眠期間叫醒某人，你會得到非常生動且不斷變化的夢，這些夢始終是不同且變化不斷的。但如果你在慢波睡眠期間叫醒某人，你常常會得到一個夢的報告，但這種夢是每晚不斷重複的，並且內容情感十分沉重。有趣，這是在慢波睡眠期間。是的。因為我在一生中有幾個夢是不斷重複的，所以這應該是在慢波睡眠中。對，應該是慢波睡眠。是的。令人著迷。作為一名以計算為導向的神經科學家，你真的把生物學很好地融入到你的工作中，這也是你成為這個領域的燦爛人物之一的原因，現在你也對人工智能感到非常興奮。你現在最興奮的是什麼？比如如果你有，當然這並不是事實，但如果你有24個月的時間可以全心投入到某件事情上，然後你必須把實驗室的鑰匙交給其他人，你會全力以赴投入到什麼上面？嗯，所以國立衛生研究院有一個叫做先驅獎的東西。他們尋求的是能夠產生巨大影響的大想法，對吧？所以我最近提交了一個提案，這裡的標題是《大腦和變壓器的時間背景》。什麼是變壓器？變壓器。人工智能。對。ChatGPT的關鍵在於，它有一些新的架構，深度學習架構，叫做變壓器。它有某些獨特的部分，其中一個稱為自我注意（self-attention）。這是一種進行所謂時間背景的方法。它的作用是連接相距較遠的單詞。你給它一系列單詞，它就可以告訴你它們之間的關聯，比如如果我使用單詞“這”，那麼你必須在上一句話中弄清楚它指的是什麼，當然有三或四個名詞可以參考，但從上下文中你可以弄清楚它指的是哪一個。你可以學習這種關聯。我能否進一步舉個例子來確保我正確理解這一點？我見過這些單詞氣泡圖，比如如果我們說“鋼琴”，你會說“琴鍵”，你會說“音樂”，你會說“座位”，然後你知道，這會建立出一個單詞雲，顯示其關聯。對。然後在這裡我們會說，我不知道，我在想索克研究所，我會說“日落”、“巨石陣”，任何人查閱，都會看到這個現象，索克亨奇（Salkhenge）。然後你開始在那裡建立一個單詞雲。這些都是不同的東西，除了我在索克研究院參加過古典音樂會。是的，靈魂交響樂。兩次。所以它們並不是完全不重疊的。於是，你開始在距離之間獲得聯繫，最終它們會聯繫在一起。這就是你所提到的嗎？是的。我認為這是一個例子，但事實上每個單詞都是模糊的，通常有三四個意義。所以你必須基於上下文來搞清楚。換句話說，有些單詞是一起出現並且經常出現的。你可以通過預測句子中的下一個單詞來學習這一點，這就是變壓器的訓練方式。你給它一堆單詞，它不斷預測句子中的下個單詞。就像我現在的電子郵件，它試著預測下個單詞。正確。大部分時間它都是對的。好吧，那是因為這算法的版本非常原始。發生的事情是，如果你對它進行足夠的訓練，它不僅可以回答下一個單詞，它內部還會建立一個語義表示，正如你所描述的那樣，相關單詞之間有聯繫。它可以弄清楚，並且它在這個非常大的網絡內部擁有表示，這個網絡有著數兆個參數，說明其龐大程度令人難以置信。這些聯繫現在形成了一個外部世界的內部模型，在這種情況下是一些單詞。這就是它能夠以合理的、合乎邏輯的、有趣的方式回應你的原因。而這一切都是來源於我所說的自我注意。因此，在我的先驅提案中，我的目標是弄清楚大腦是如何進行自我注意的，對吧？它必須以某種方式做到這一點。現在我給你一個小提示。基底神經節。它存在於基底神經節中。這是我的假設。那我們就看看吧。我是說，我會跟實驗的專家合作。我曾經和約翰·雷諾茲合作過，他研究猿類視覺皮層，我們看過那裡的旅行波，還有其他研究猿類的專家。所以，這些旅行波，我認為也是解開這個謎題的部分線索，它們將使我們更好地了解皮層的組織及其與基底神經節的相互作用。
我們已經去過那裡了，但神經科學家們已經獨立研究了大腦的每一個部分，現在我們必須開始考慮如何把這些拼圖放在一起，試著整合我們對這些領域的所有了解，看看它們是如何以計算的方式協同工作的。這正是我想前進的方向。我非常熱愛這項工作。我也希望他們能決定資助你的開創性研究。我也是。如果他們做出不好的決定不資助，我們會想出其他方法來完成這項工作。你們一定會的。
特里，我要感謝你。謝謝你今天來到這裡，抽出時間從你繁忙的認知、跑步、教學和研究日程中分享你的知識。還有，你在公共教育和為公眾提供資源方面所做的難以置信的工作，我應該說，是讓公眾以零成本學會如何更好地學習。所以我們肯定會提供學習如何學習的連結，你的書以及你分享的這些其他驚人資源。今天，你還給了我們很多實用工具，與運動、線粒體和你進行的一些事情有關，這當然只是你自己的版本，但這些對人們，包括我在認知和身體追求中的確是有價值的，坦白來說，還有對於長壽。我是說，這一點不僅對我，對所有在場聽的人來說都是明顯的，你的活力，正如我之前提到的，是無可否認的。這幾年來，看到你在工作中投入的專注、精力和熱情，真是太高興了，我注意到你不僅沒有減速，反而在提升速度。因此，非常感謝你今天的教育。我知道我代表我自己以及許多在聽和觀看的人說，這是一份真正的禮物，一次真正難以置信的學習經歷，所以非常感謝你。
好吧，謝謝你。我必須說，這些年來我有幸擁有出色的學生和同事，我也把你算在其中，從你那裡學到了很多。但你知道，科學是一種社交活動，我們互相學習，我們都會犯錯誤。但是我們從錯誤中學習，這就是科學的美妙之處，我們可以取得進展。現在，你的職業生涯也相當卓越，因為你影響和影響的人人，超過我認識的任何人，你透過訪談所廣播的知識，但也在於你真正的興趣，我真的對你所做的感到印象深刻。我希望你繼續努力，因為我們需要像你這樣的人。我們需要能夠真正表達和接觸公眾的科學家。如果我們不這樣做，那我們所做的一切都在閉門造車，對吧？什麼都不會被外界知曉。所以你是能夠以清晰的方式解釋事物的最好人才之一，而這方式能讓更多的人理解，是我所認識中最出色的之一。
好吧，謝謝你。聽到這些話我感到非常榮幸，這對我來說是一項出自內心的工作，我會記住這些話，我真的很感激。今天能和你坐在一起是一種榮幸，請再來一次。我會非常高興，你的光臨。好的，謝謝你，特里。你太客氣了。謝謝你參加今天與特里·西亞諾夫斯基博士的討論。想查找他的工作、他和同事們開發的零成本在線學習平台的連結，還有他的新書的連結，請查看節目筆記。如果你喜歡這個播客，請訂閱我們的YouTube頻道。這是一種非常好的零成本支持我們的方式。此外，請在Spotify和Apple上跟隨這個播客。在Spotify和Apple上，您可以留下最多五顆星的評價。請查看在今天的節目開始時和過程中提到的贊助商。這是支持這個播客的最佳方法。如果你對播客或嘉賓或希望我考慮的話題有任何問題或評論，請在YouTube的評論區留言。我會閱讀所有評論。對於那些還沒有聽到的人，我有一本新書即將出版。這是我的第一本書，書名是《人體操作手冊》。這是一本我花了超過五年時間寫的書，基於30多年的研究和經驗，涵蓋從睡眠到運動到壓力控制、焦點和動機的協議。當然，我會提供所包含協議的科學根據。這本書現在可以通過pre-sale@protocallsbook.com預訂。在那裡，您可以找到各種供應商的連結，選擇您最喜歡的那個。再次重申，這本書的書名是《人體操作手冊》。如果您還沒有在社交媒體上關注我，我在所有社交媒體平台上都是Huberman Lab。這包括Instagram、以往的Twitter（現稱為X）、Threads、Facebook和LinkedIn。在所有這些平台上，我討論科學和與科學相關的工具，其中一些與Huberman Lab播客的內容重疊，但大部分與Huberman Lab播客的內容是不同的。再次強調，我在所有社交媒體平台上都是Huberman Lab。如果您還沒有訂閱我們的神經網絡電子報，那麼我們的神經網絡電子報是一份零成本的每月電子報，包括播客摘要和以簡短的一至三頁PDF格式的協議。這些一至三頁的PDF涵蓋了例如故意熱暴露、故意冷暴露。我們有一個基礎健身計劃。我們還有優化睡眠、多巴胺等等的協議。再次重申，所有這些完全免費。只需前往HubermanLab。
請訪問菜單標籤，向下滾動至新聞簡報並提供您的電子郵件。
我們不會與任何人分享您的電子郵件。
再次感謝您參加我與 Dr. Terry Sienowsky 今天的討論。
最後但同樣重要，感謝您對科學的興趣。
[音樂]
In this episode, my guest is Dr. Terry Sejnowski, Ph.D., professor of computational neurobiology at the Salk Institute for Biological Studies. He is world-renowned for exploring how our brain processes and stores information and, with that understanding, for developing tools that enable us to markedly improve our ability to learn all types of information and skills.
We discuss how to learn most effectively in order to truly master a subject or skill. Dr. Sejnowski explains how to use AI tools to forage for new information, generate ideas, predict the future, and assist in analyzing health data and making health-related decisions.
We also explore non-AI strategies to enhance learning and creativity, including how specific types of exercise can improve mitochondrial function and cognitive performance. Listeners will gain insights into how computational methods and AI are transforming our understanding of brain function, learning, and memory, as well as the emerging roles of these tools in addressing personal health and treating brain diseases such as Alzheimer’s and Parkinson’s.
Access the full show notes for this episode at hubermanlab.com.
Pre-order Andrew’s new book, Protocols: protocolsbook.com
Thank you to our sponsors
AG1: https://drinkag1.com/huberman
BetterHelp: https://betterhelp.com/huberman
Helix Sleep: https://helixsleep.com/huberman
David Protein: https://davidprotein.com/huberman
LMNT: https://drinklmnt.com/huberman
Joovv: https://joovv.com/huberman
Timestamps
00:00:00 Dr. Terry Sejnowski
00:02:32 Sponsors: BetterHelp & Helix Sleep
00:05:19 Brain Structure & Function, Algorithmic Level
00:11:49 Basal Ganglia; Learning & Value Function
00:15:23 Value Function, Reward & Punishment
00:19:14 Cognitive vs. Procedural Learning, Active Learning, AI
00:25:56 Learning & Brain Storage
00:30:08 Traveling Waves, Sleep Spindles, Memory
00:32:08 Sponsors: AG1 & David
00:34:57 Tool: Increase Sleep Spindles; Memory, Ambien; Prescription Drugs
00:42:02 Psilocybin, Brain Connectivity
00:45:58 Tool: ‘Learning How to Learn’ Course
00:49:36 Learning, Generational Differences, Technology, Social Media
00:58:37 Sponsors: LMNT & Joovv
01:01:06 Draining Experiences, AI & Social Media
01:06:52 Vigor & Aging, Continued Learning, Tool: Exercise & Mitochondrial Function
01:12:17 Tool: Cognitive Velocity; Quick Stressors, Mitochondria
01:16:58 AI, Imagined Futures, Possibilities
01:27:14 AI & Mapping Potential Options, Schizophrenia
01:30:56 Schizophrenia, Ketamine, Depression
01:36:15 AI, “Idea Pump,” Analyzing Research
01:42:11 AI, Medicine & Diagnostic Tool; Predicting Outcomes
01:50:04 Parkinson’s Disease; Cognitive Velocity & Variables; Amphetamines
01:59:49 Free Will; Large Language Model (LLM), Personalities & Learning
02:12:40 Tool: Idea Generation, Mind Wandering, Learning
02:18:18 Dreams, Unconscious, Types of Dreams
02:22:56 Future Projects, Brain & Self-Attention
02:31:39 Zero-Cost Support, YouTube, Spotify & Apple Follow & Reviews, Sponsors, YouTube Feedback, Protocols Book, Social Media, Neural Network Newsletter