主要观点：近几十年神经科学受机器学习启发，重新审视实验数据并发展新理论，可借此解密大脑、获得新视角，也能更深入理解大语言模型技术，文章主题涵盖大脑的多个过程。
关键信息：

• 大脑包含超 100 亿神经元，学习在微观层面是神经元连接，包括建立、消失、加强、减弱等；宏观层面通过构建现实世界模型，以参考系为基础，通过“感觉运动”模式学习，会简化信息存储等。
• 大脑通过学习完成建模，最初靠感知，后借助语言、工具等拓展模型，如 vlog、直播等能拓展个体视角。
• 大脑可利用模型预测，速度快且节省资源，会把熟练流程变为“自动加工”，预测后若结果与预测不同会更新模型，机器学习推荐算法本质也是预测。
• 大脑中“伏隔核”与奖赏等行为相关，多巴胺通过“奖赏预测误差”机制分泌，结果超出预期才会产生多巴胺，如游戏、工资等例子。
  重要细节：
• 神经元连接加强是短时记忆变长期记忆机制，大脑模型具有稳定性可维护对世界的稳定认知，还包括社会规范等。
• 语言帮助拓展世界模型，工具如望远镜等也有此作用，不同媒介能建立更精细准确模型。
• 快是预测节能，慢是思考耗费脑力，自动加工可代替分析判断快速反应。
• 游戏通关前预测是否通关会产生多巴胺，通关后则不再产生，打游戏和看通关视频产生的多巴胺不同，固定工资和意外奖励产生多巴胺的情况也不同。