transcript
show notes
作为当下最受瞩目、汇聚巨量资源的科技领域，人工智能吸引着无数渴求成功、财富与声望的人。然而，真正能站在前沿、推动突破的，往往并非那些伺机而动的追风者，而是在各自领域深耕多年、最终与浪潮交汇的研究者。
本期嘉宾宋卓异便是这样一位。在她读电气工程本科、自动化硕士的时候，在她博士阶段被迫转向神经生物学的时候，甚至在她与DeepMind创始人Demis Hassabis同处UCL Gatsby计算神经科学部的时候，她都未曾想过自己的专业会和AI产生什么关联。直到近几年与科技巨头的合作，才让她猛然意识到，原来过去二十年的跨学科研究，竟是在铺就一条通往类脑智能的求索之路。
本期节目中，宋博士会科普一系列硬核知识：自动化与反馈控制的核心思想、黑箱系统与白箱系统的差异与意义、如何在电脑里搭建一个“虚拟细胞”，以及AI研究的不同路径。她也会分享作为女性在工科领域摸爬滚打的真实经历，以及她未来最想实现的突破与成就。在她看来，最重要的莫过于fearless——做自己想做的事，承担选择的结果，无怨无悔。
本期嘉宾
宋卓异，英国谢菲尔德大学自动控制与生物医学科学博士，现任职于深圳河套学院，专业方向为脑启发人工智能与计算神经科学的交叉领域，目前专注于构建生物视觉系统的计算模型。
知识点
自动化
自动化是指机器、设备或系统在没有人或较少人直接参与的情况下，按预定的程序或指令自动进行操作或控制的过程。其技术核心是形成“感知-决策-执行”的闭环：通过传感器等装置获取信息（输入），经由控制器或预设逻辑进行分析判断（处理），最后由执行机构完成相应动作（输出）。其根本目的是替代人类的重复性劳动、提高生产效率、保证操作精度和降低安全风险。现代自动化正从基于固定规则的机械执行，向融合人工智能的自主决策方向演进，但本质上它始终是人类意志与能力的延伸工具。
黑箱/白箱
黑箱（Black Box）指那些内部运行机制对观察者不可见或不透明的系统。在自动化领域，观察者只需关注系统的输入（给予什么指令或数据）和输出（得到什么结果或动作），而无需理解内部复杂的运算逻辑或物理过程。例如，当你使用自动驾驶的“跟车模式”时，你踩下油门（输入），车子自动保持距离（输出），但车载芯片内部的神经网络如何决策，对你而言就是一个黑箱。
白箱（White Box / Glass Box）指内部结构、逻辑和原理完全透明、可被理解的系统。观察者不仅知道输入和输出，还能清晰审视其内部的运行规则、算法代码或物理构造。例如，传统的工业机械臂按照你编写的“如果A则B”的PLC代码执行动作，每一步都可追溯、可解释，这就是白箱。
黑箱和白箱核心差异与意义：两者的本质区别在于透明度的不同。传统自动化多追求“白箱”以确保安全与可控，而AI驱动的现代自动化则常引入“黑箱”以换取高性能。这对矛盾提出了新课题：如何在依赖黑箱强大能力的同时，通过“可解释AI”等手段，尽可能向“灰箱”靠拢，以满足关键领域的合规与信任需求。
神经动力学（Neurodynamics）
神经动力学是神经科学、物理学与数学交叉形成的研究领域，核心在于从动态系统的视角，揭示神经系统在时间维度上的演化规律与计算原理。传统神经科学侧重静态的解剖结构或简单的刺激-反应映射，而神经动力学则将大脑视为一个高维非线性动态系统。它关注的核心变量是神经活动的时空模式——即神经元集群的电活动如何随时间流动与变化。
计算神经科学（Computational Neuroscience）
计算神经科学是一门通过数学模型和计算仿真来研究神经系统信息处理功能的交叉学科。计算神经科学与神经动力学虽同属交叉领域且研究对象重合，但二者的核心关切与解释路径存在本质差异。计算神经科学着眼于大脑的功能性计算，试图从信息论和算法层面回答神经系统“完成了什么任务”以及“如何编码与解码信息”，其典型问题涉及视觉重建、决策推理等输入-输出映射关系；而神经动力学则聚焦于机制性过程，关注神经活动在时间轴上的具体演化规律，其分析工具以常微分方程等动力系统分析工具为主。然而，二者绝非彼此割裂，而是互补互促：神经动力学为任何计算模型提供了生物物理层面的“硬件约束”，确保其理论建构不违背真实的动态特性；计算神经科学则为观测到的动力学现象赋予认知层面的“功能释义”，解释动力学机制究竟服务于何种智能目的。
类脑智能（Brain-Inspired Intelligence）
类脑智能是以计算建模为手段，受脑神经机制和认知行为机制启发，通过软硬件协同实现的机器智能。它的核心理念并非简单复制大脑解剖结构，而是抽象和借鉴大脑信息处理的基本规律，在算法、芯片和计算系统等多个层面实现本质性变革。如突破传统人工智能的两大瓶颈：极高能耗和对认知任务处理能力不足。
类脑智能是计算神经科学和神经动力学理论向工程应用的延伸。计算神经科学揭示的神经元与神经系统的编码规则，是类脑算法的生物与模型基础，而神经动力学描述的振荡、同步等时间演化规律，可被抽象出来设计更具动态适应性的类脑芯片与计算架构。从这个意义上说，类脑智能是连接“大脑如何工作”（科学）与“机器如何计算”（工程）的桥梁。
时间轴
08:20 自动化究竟是什么？
14:18 博士转课题：从黑箱到白箱
17:50在电脑上搭建了神经元的全细胞模型
29:45不能只为建模而建模，而要用模型实现深刻的科学洞察
38:02计算神经科学到底有多“交叉”
45:36与华为合作，把过去的研究全串了起来
50:27 AI研发的不同路径：没有哪个山头是终极答案
01:08:41 工科女生的尴尬处境与应对之道
01:16:18 No fear，no regret
本期节目使用的音乐
本期嘉宾推荐
片头曲久石让《天空之城》
片尾曲Taylor Swift《Fearless》
【本期主播】
海云：文化研究博士，一个做媒体的
【制作团队】
·制作人：响子、Daytun
·出品人：红总
【出品方】
上海杭苇教育科技有限公司
【联系我们】
商务合作：reedstudio2022@163.com
欢迎愿意分享经验的女博士通过以下方式报名参与节目：
reedstudio2022@163.com
其他收听途径：小宇宙、podcasts、网易云音乐，搜索“我是女博士”