在人工智能领域，研究人员一直试图理解大型语言模型(LLM)如何处理和存储信息。一项来自AI初创公司Goodfire.ai的新研究提供了令人信服的证据，表明AI模型中的记忆存储与逻辑推理能力实际上存在于完全不同的神经通路中，这一发现可能彻底改变我们对AI工作方式的理解。
记忆与推理的分离现象
当工程师从训练数据构建AI语言模型(如GPT-5)时，至少会出现两种主要处理功能：记忆(精确复述之前见过的文本，如著名引言或书籍段落)和所谓的"推理"(使用一般原理解决新问题)。Goodfire.ai的研究首次提供了清晰证据，表明这些不同功能实际上通过模型架构中完全独立的神经通路运行。
研究人员发现，这种分离异常清晰。在10月底发布的一篇预印本论文中，他们描述了当移除记忆通路后，模型失去了97%精确复述训练数据的能力，但几乎保持了所有"逻辑推理"能力的完整性。
以艾伦人工智能研究所的OLMo-7B语言模型第22层为例，研究人员根据称为"曲率"的指标(下文将详细解释)将所有权重组件(处理信息的数学值)从高到低排序。当他们检查这些排序后的组件时，排名后50%的权重组件在记忆数据上的激活度高23%，而排名前10%在普通、非记忆文本上的激活度高26%。
换句话说，专门用于记忆的组件集中在排名的底部，而问题解决组件则集中在顶部。这种机制上的分离使研究人员能够"外科手术式"地移除记忆，同时保留其他能力。他们发现可以删除排名靠后的组件来消除记忆，同时保留处理问题解决的排名靠前的组件。
算术能力与记忆的关联
最令人惊讶的是，研究人员发现算术操作似乎与记忆共享相同的神经通路，而非逻辑推理。当移除记忆电路时，数学性能骤降至66%，而逻辑任务几乎未受影响。这一发现可能解释了为什么AI语言模型在未使用外部工具时 notoriously 在数学方面表现不佳。
它们试图从有限的记忆表中回忆算术，而不是进行计算，就像一个记住了乘法表但从未理解乘法如何运作的学生。这一发现表明，在当前规模下，语言模型将"2+2=4"更多地视为记忆事实而非逻辑操作。
值得注意的是，AI研究中的"推理"涵盖了一系列能力，这些能力不一定与我们人类所说的推理相匹配。在这项最新研究中，即使移除了记忆，仍然存留的逻辑推理包括评估真/假陈述和遵循if-then规则等任务，这些任务本质上是将学习到的模式应用于新输入。这也与当前AI模型即使在模式匹配能力保持完整的情况下仍然 struggle 的证明或新颖问题解决所需的更深层次的"数学推理"不同。
神经景观的探索
为了理解Goodfire的研究人员如何在神经网络中区分记忆与推理，了解AI中称为"损失景观"的概念会有所帮助。"损失景观"是一种可视化AI模型预测正确或错误程度的方法，同时调整其内部设置(称为"权重")。
想象一下，你正在调整一台有数百万个旋钮的复杂机器。"损失"衡量机器犯错的次数。高损失意味着许多错误，低损失意味着错误很少。"景观"就是如果你能映射出每个旋钮设置组合的错误率时看到的样子。
在训练过程中，AI模型本质上在这个景观中"滚下山坡"(梯度下降)，调整其权重以找到犯错最少的山谷。这个过程提供了AI模型的输出，如问题答案。
研究人员分析了特定AI语言模型损失景观的"曲率"，测量模型性能对不同神经网络权重微小变化的敏感度。尖锐的峰谷代表高曲率(微小变化引起大效果)，而平坦的平原代表低曲率(变化影响最小)。他们使用这些曲率值将权重组件从高到低排序，如前所述。
使用称为K-FAC(Kronecker-Factored Approximate Curvature)的技术，他们发现单个记忆事实在这个景观中创造了尖锐的尖峰，但由于每个记忆项目在不同的方向上产生尖峰，当平均在一起时它们创造了平坦的轮廓。与此同时，许多不同输入依赖的推理能力在整个景观中保持一致的适度曲线，就像无论从哪个方向接近都保持大致相同形状的起伏山丘。
研究人员写道："实现许多输入共享机制的 directions 会相干地相加，并且在平均上保持高曲率，"描述推理通路。相比之下，记忆使用"与特定示例相关的特殊尖锐 directions"，在跨数据平均时呈现平坦。
不同任务揭示的机制谱系
研究人员在多个AI系统上测试了他们的技术，以验证这些发现在不同架构中的一致性。他们主要使用艾伦研究所的OLMo-2开放语言模型系列，特别是70亿和10亿参数版本，选择它们是因为其训练数据公开可访问。对于视觉模型，他们在ImageNet上训练了定制的8600万参数Vision Transformer(ViT-Base模型)，并故意使用错误标签的数据来创造受控的记忆场景。他们还对照现有的记忆移除方法(如BalancedSubnet)验证了他们的发现，以建立性能基准。
该团队通过从这些训练好的模型中选择性地移除低曲率权重组件来测试他们的发现。记忆内容从近100%的回忆率下降到3.4%。与此同时，逻辑推理任务保持了95%到106%的基线性能。
这些逻辑任务包括布尔表达式评估、逻辑推理谜题(解决者必须跟踪"如果A比B高"等关系)、通过多次交换进行目标跟踪，以及基准测试如用于是/否推理的BoolQ、用于常识推理的Winogrande和需要根据提供的事实进行推理的科学问题OpenBookQA。一些任务介于这两个极端之间，揭示了机制的谱系。
数学运算和闭书事实检索与记忆共享通路，在编辑后性能下降到66%到86%。研究人员发现算术特别脆弱。即使模型生成相同的推理链，在移除低曲率组件后，它们在计算步骤仍然失败。
"算术问题本身在7B规模下被记忆，或者因为它们需要使用狭窄使用的方向进行精确计算，"团队解释道。依赖提供上下文而非内部知识的开书问答证明对编辑程序最稳健，保持了接近完整的性能。
有趣的是，机制分离因信息类型而异。像国家首都这样的常见事实在编辑后几乎没有变化，而像公司首席执行官这样的罕见事实下降了78%。这表明模型根据信息在训练中出现的频率分配不同的神经资源。
K-FAC技术在不记忆内容的训练示例的情况下，优于现有的记忆移除方法。在未见过的历史引言上，K-FAC实现了16.1%的记忆率，而之前最好的方法BalancedSubnet为60%。
视觉变压器显示出类似的模式。当故意使用错误标签的图像训练时，模型为记忆错误标签与学习正确模式发展出不同的通路。移除记忆通路恢复了先前错误标记图像上66.5%的准确性。
记忆移除的局限性
然而，研究人员承认他们的技术并不完美。一旦被移除的记忆可能会在模型接收更多训练时返回，因为其他研究表明，当前的遗忘方法只是抑制信息，而不是完全从神经网络的权重中擦除它。这意味着"被遗忘"的内容只需针对这些被抑制区域的几个训练步骤就可以重新激活。
研究人员也无法完全解释为什么某些能力，如数学，在移除记忆时如此容易崩溃。目前尚不清楚模型是否真的记忆了所有算术，或者数学恰好使用了与记忆相似的神经电路。此外，一些复杂能力在他们的检测方法中可能看起来像记忆，即使它们实际上是复杂的推理模式。最后，他们用来测量模型"景观"的数学工具在极端情况下可能变得不可靠，尽管这不会影响实际的编辑过程。
未来展望
展望未来，如果信息移除技术在未来得到进一步发展，AI公司有一天可能能够从神经网络中移除受版权保护的内容、私人信息或有害记忆文本，同时不破坏模型执行转换任务的能力。然而，由于神经网络以仍然不完全理解的方式存储信息，研究人员目前表示，他们的方法"不能保证敏感信息的完全消除"。这是AI新研究方向中的早期步骤。
这项研究的意义远超出学术范畴。它为开发更安全、更可靠的AI系统提供了新思路，特别是在处理敏感数据和避免有害内容方面。通过理解记忆与推理在神经网络中的分离，研究人员可以设计出更精确的干预方法，在不损害核心推理能力的情况下移除不需要的记忆。
此外，这一发现可能解释了为什么当前AI系统在数学任务中表现不佳，为改进AI的数学能力提供了新方向。如果能够将算术能力从记忆通路转移到推理通路，AI系统可能会在数学计算方面取得显著进步。
结论
Goodfire.ai的研究揭示了AI神经网络中记忆与推理的分离现象，这一发现挑战了我们对AI工作方式的传统理解。研究表明，AI模型中的记忆存储与逻辑推理能力确实存在于不同的神经通路中，而算术能力与记忆而非逻辑推理相关联。
这一发现不仅增进了我们对AI内部工作机制的理解，还为开发更安全、更高效的AI系统提供了新思路。随着技术的进一步发展，我们可能会看到更多基于这一原理的应用，从改进AI的数学能力到更精确地控制模型记忆的内容。
虽然目前的技术仍有限制，但这一研究方向无疑是AI领域的重要一步，可能会在未来几年内产生深远影响。随着我们对神经网络理解的深入，AI系统的能力和安全性都将得到显著提升。
