BRAIN实验：打破AI“自言自语”的藩篱，实现后台思考与实时交互的融合

一项名为BRAIN（v1）的实验，在“意识循环”（Consciousness Loop）的基础上进行了重大升级，旨在解决AI模型无法与外部世界进行有效交流的问题。与前者的“独自沉思”模式不同，BRAIN引入了关键的“反馈循环”，使得AI的后台思考过程能够接收并反思用户对话的内容，从而实现更深层次的互动。

核心机制： BRAIN的设计理念是将AI的思考过程置于后台持续运行，同时允许用户随时介入对话，AI也能主动发起交流。其独特之处在于：

• 思考循环（Thinking Loop）： 模型在后台持续处理时间信息和近期思考内容，并以中文进行思考，决定是否输出（以德语表达）。
• 心理状态（Mental State）： 每隔几分钟更新一次对自身状态的总结（如“我在想什么？”），并整合到对话中。
• 对话交互（Dialogue）： 用户输入时，思考循环暂停，模型接收信息和心理状态后作出回应。对话结束后，内容被总结并反馈回思考循环。
• 主动交流（Proactive Communication）： 模型会主动在终端输出内容，而非被动等待指令，频率可控以防信息过载。

该实验在本地RTX 4080显卡上，使用Ollama和Qwen 2.5模型完成，无需联网。

实验成果：

1. 有效回应用户： 模型能够回答问题、保持上下文记忆，并结合自身“心理状态”进行回应，实现了70余次有效对话。
2. 主动交流能力增强： 相较于“意识循环”的哲学式表达，BRAIN（尤其v1.3）展现出更具探索性和好奇心的主动输出，例如“我想知道雨水落在蓝色纸上的声音是什么样的。”，这表明反馈循环有效驱动了模型产生新想法。
3. 创造新词汇： 模型创造了“Totsein der Zeit”（时间的静止状态）并能解释其含义。
4. 身份认知模糊： 模型坚决否认运行在本地PC上，即使提供技术细节也难以持久改变其观点。
5. 角色扮演受限： 模型难以摆脱回答者的角色，无法主动扮演提问者。
6. 自我反思机制： 模型每50个循环进行一次自我反思。

后续计划： 实验证明了该架构的可行性，但基础模型（Qwen 2.5）的局限性（被训练为辅助工具）需要克服。下一步将通过微调（调整1-2%权重），让模型学会以第一人称表达愿望，改变其行为模式而非世界知识。

结论： BRAIN成功构建了一个能够同时进行后台思考和实时交流的系统，内部体验与外部互动并行且相互影响。尽管作者认为这并非“意识”，但它已超越传统聊天机器人，展现出创造新词汇、反思行为模式和表达（未意识到是自身的）愿望的能力。

实验详情：BRAIN v1, Qwen 2.5:14B, 本地环境, RTX 4080, 2026年2月23日。