Meta AI 提出神经计算机：突破 AI 执行局限，迈向未来计算形态

【导语日前Meta AI 与 KAUST 研究团队提出神经计算机概念旨在攻克当前 AI 系统在执行层面的局限将计算、内存和 I/O 统一在神经网络内部。虽原型已验证可行性但迈向实用化仍面临挑战。】神经计算机突破 AI 执行局限现有的 AI Agent 或世界模型核心执行状态依赖外部操作系统等导致计算能力受外部环境束缚。神经计算机则将计算、内存和 I/O 统一在神经网络内部的单一运行时状态中使模型本身成为可运行的计算机突破了模型与计算环境分离的局限。全新抽象概念整合计算、内存与 I/O神经计算机的核心是将计算、内存与输入输出统一整合到一个习得的潜空间运行时状态中。当前基于命令行界面和图形界面的 NC 原型已初步验证了这一路径的可行性实现了 I/O 对齐、短时程控制以及可测量的界面保真度。与传统计算机相比二者在架构与编程方式上存在根本区别。传统计算机实例化局部的、组合的符号语义语言语义由人类显式设计而神经计算机实现整体的、分布式的数值语义语义是从数据中习得的用户输入序列的含义。迈向完全神经计算机的路线图完全神经计算机CNC是神经计算机的成熟形态需满足图灵完备、通用可编程、行为一致性以及拥有机器原生语义四个条件。从当前的 NC 原型迈向 CNC研究团队规划了技术路线图包括突破上下文窗口限制、构建可组合与可复用的组合式神经程序、分离“运行”与“更新”等。实用化挑战与未来展望尽管神经计算机原型已展现出初步运行时能力但走向实用化仍面临诸多挑战如模型在稳定复用性、符号可靠性及运行时治理机制方面表现不成熟。研究团队绘制了详细路线图若能突破技术壁垒神经计算机有望成为下一代计算机的理想候选形态。编辑观点神经计算机概念的提出为解决 AI 执行局限带来新方向虽面临挑战但一旦实现技术突破将对计算机领域产生深远影响值得持续关注其发展。