如今的AI能作詩(shī)，能開汽車，甚至能通過高難度的數(shù)學(xué)物理考試和司法考試。但許多人類大腦輕而易舉能完成的事情，比如擺好洗碗機(jī)中的餐具，AI至今無法做到。AI企業(yè)家麥克斯·班尼特（Max Bennett)提出了他的解釋：答案深藏于人腦進(jìn)化的10億年歷史中，而這段歷程充斥著無數(shù)試錯(cuò)、災(zāi)難與精妙的創(chuàng)新。班尼特將龐雜的進(jìn)化史凝練為“五次突破”，每次突破都標(biāo)志著人腦進(jìn)化的重要躍遷。結(jié)合AI科學(xué)的前沿進(jìn)展，班尼特總結(jié)了當(dāng)前AI系統(tǒng)在哪些領(lǐng)域已比肩或超越人腦，又在何處仍顯不足。

本書廣受當(dāng)代頂尖神經(jīng)科學(xué)家贊譽(yù)，它以恢宏的視野與顛覆性的洞見試圖論證：唯有以遠(yuǎn)古智慧為燈塔，AI方能突破未來的可能性邊界。

下文為本書譯者林橋津撰寫的書評(píng)。林橋津現(xiàn)任香港科技大學(xué)（廣州）腦與智能研究所助理教授，曾任劍橋大學(xué)卡萊爾學(xué)院研究員，擔(dān)任多本神經(jīng)科學(xué)期刊審稿人。

《智能簡(jiǎn)史》（中譯出版社，2025年7月）

撰文 | 林橋津（香港科技大學(xué)（廣州）腦與智能研究所助理教授）

麥克斯·班尼特（Max Bennett)，經(jīng)濟(jì)學(xué)與數(shù)學(xué)出身、沒進(jìn)過一天實(shí)驗(yàn)室的創(chuàng)業(yè)者，用五年時(shí)間干了件瘋狂的事：在經(jīng)營(yíng)人工智能（AI）公司的同時(shí)，他硬是從入門課本啃到最新論文，將40億年生物智能演化的進(jìn)程熔鑄成了一部《智能簡(jiǎn)史：進(jìn)化、AI與人腦的突破》（后文簡(jiǎn)稱《智能簡(jiǎn)史》）。我們不禁好奇，這位既沒博士學(xué)位，又非科班出身的“科學(xué)門外漢”，究竟靠哪些獨(dú)門絕技叩開神經(jīng)科學(xué)領(lǐng)域的大門？

Photo Credit：Gary O.Bennett

答案藏在商業(yè)實(shí)戰(zhàn)與科學(xué)探索的碰撞中。身為多家AI公司的創(chuàng)始人、福布斯U30精英，班尼特的探索始于商業(yè)前線的切身體驗(yàn)。他與合伙人共同創(chuàng)立的Bluecore公司通過AI技術(shù)幫助中小企業(yè)對(duì)抗商業(yè)巨頭，但越是深入算法底層，他越發(fā)現(xiàn)：現(xiàn)有的AI系統(tǒng)能夠擊敗圍棋世界冠軍卻學(xué)不會(huì)做家務(wù)。這種“高能低效”的反差，與生物智能的精妙形成鮮明的對(duì)比。

這個(gè)看似簡(jiǎn)單的問題，成了橫在班尼特面前的一道坎。他起初只想找?guī)妆旧窠?jīng)科學(xué)教科書補(bǔ)補(bǔ)課，卻發(fā)現(xiàn)書上對(duì)“意識(shí)怎么形成”或“記憶怎么存儲(chǔ)”這樣的基礎(chǔ)問題竟無定論。這個(gè)發(fā)現(xiàn)讓他眼前一亮：既然專家還在爭(zhēng)論不休，或許我這個(gè)搞企業(yè)的人能帶來新視角？他先試著給幾位神經(jīng)學(xué)家發(fā)郵件請(qǐng)教，但所有郵件都石沉大海。面對(duì)學(xué)術(shù)高墻的沉默，這位創(chuàng)業(yè)家迅速啟動(dòng)商場(chǎng)上慣用的Plan B：與其被動(dòng)等待指導(dǎo)，不如主動(dòng)輸出觀點(diǎn)。他將自己的假設(shè)和理論整理成學(xué)術(shù)論文投稿，即便不被錄用，至少能通過審稿意見獲得專業(yè)反饋。意外的是，這篇“跨界作業(yè)”居然通過了同行評(píng)審并被雜志接受了。這份來自學(xué)術(shù)圈的意外認(rèn)可成了班尼特的敲門磚，陸續(xù)有神經(jīng)學(xué)家開始和他討論，他們碰撞出的思維火花最終形成了《智能簡(jiǎn)史》的核心框架。從自購(gòu)教材搭建知識(shí)地圖，到用論文審評(píng)打磨理論精度，再到與頂尖學(xué)者頭腦風(fēng)暴，這種“用企業(yè)思維破解學(xué)術(shù)壁壘”的路徑，正如他創(chuàng)辦Alby公司時(shí)顛覆傳統(tǒng)商業(yè)邏輯的策略：當(dāng)既定規(guī)則失效時(shí)，創(chuàng)造新規(guī)則本身就是解決方案。

書中貫穿的跨界智慧，源自作者對(duì)學(xué)科邊界的主動(dòng)突圍。從主動(dòng)抽離充滿競(jìng)爭(zhēng)的金融交易行業(yè)轉(zhuǎn)向AI創(chuàng)業(yè)，再到深潛神經(jīng)科學(xué)破解智能密碼，班尼特的軌跡印證了“興趣是最高效的驅(qū)動(dòng)力”。在書中，他將這種探索精神具象化為生物進(jìn)化史的關(guān)鍵躍遷：線蟲靠趨利避害的本能應(yīng)對(duì)環(huán)境動(dòng)蕩，哺乳動(dòng)物為躲避恐龍進(jìn)化出風(fēng)險(xiǎn)預(yù)判能力，每一次突破都是生命對(duì)生存困境的創(chuàng)造性回應(yīng)。當(dāng)2023年全網(wǎng)為GPT-4狂歡時(shí)，班尼特卻從25億年前藍(lán)藻制造的氧氣災(zāi)難中，看到算力軍備競(jìng)賽可能引發(fā)的“生態(tài)危機(jī)”；又從靈長(zhǎng)類心智進(jìn)化史中，揭示AI倫理的根本挑戰(zhàn)——真正的智能躍遷不在于模型參數(shù)的堆砌，而在于能否像語言系統(tǒng)重構(gòu)人類認(rèn)知那樣，重塑AI的底層邏輯。正如線蟲用持久的行為偏好化解環(huán)境不確定性，未來AI需在類腦架構(gòu)中植入生物級(jí)能耗意識(shí)，將智能發(fā)展模式從“恐龍式盲目擴(kuò)張”轉(zhuǎn)變?yōu)椤熬€蟲式精準(zhǔn)生存”。

作為同齡人，譯者在字里行間讀到的不僅是知識(shí)密度，更是一個(gè)跨界破壁者對(duì)認(rèn)知邊疆的敬畏與熱望。班尼特用5年時(shí)間搭建的“神經(jīng)科學(xué)-AI”對(duì)話橋梁，恰似他書中揭示的智能本質(zhì)：既要讀懂生命進(jìn)化的說明書，也要掌握技術(shù)創(chuàng)新的核心算法。

AI與神經(jīng)科學(xué)的雙向賦能

“老師，我們?cè)趺磸纳飳W(xué)上理解卷積神經(jīng)網(wǎng)絡(luò)？有沒有好辦法改進(jìn)強(qiáng)化學(xué)習(xí)模型？”我任教的本科基礎(chǔ)生物課程中，不少學(xué)生對(duì)AI和大數(shù)據(jù)有著強(qiáng)烈的興趣，也時(shí)常期待我從神經(jīng)生物學(xué)角度對(duì)這些AI難題給出答案。“神經(jīng)網(wǎng)絡(luò)”“強(qiáng)化學(xué)習(xí)”“工作記憶”這些詞語對(duì)于我來說既熟悉又陌生，因?yàn)樗鼈冊(cè)贏I和神經(jīng)科學(xué)領(lǐng)域中有相關(guān)卻又不同的含義。比如，神經(jīng)網(wǎng)絡(luò)在AI領(lǐng)域往往代表著高緯度數(shù)據(jù)運(yùn)算，而在神經(jīng)科學(xué)領(lǐng)域則表示生物體內(nèi)由神經(jīng)元通過突觸連接形成的網(wǎng)狀結(jié)構(gòu)。這種術(shù)語的認(rèn)知錯(cuò)位，讓我看見兩個(gè)領(lǐng)域如同互補(bǔ)的拼圖：算法中的神經(jīng)網(wǎng)絡(luò)映射著生物突觸的聯(lián)結(jié)邏輯，而神經(jīng)科學(xué)對(duì)意識(shí)涌現(xiàn)的探索，正不斷重塑機(jī)器學(xué)習(xí)可解釋性的邊界。

正是這種跨學(xué)科研究的魅力，讓我接下《智能簡(jiǎn)史》的中文版翻譯邀約。作者在序言中的自白深得我心：“我寫這本書只是因?yàn)槲蚁胱x這本書”。作為譯者，我翻譯此書的最大動(dòng)力，同樣源于對(duì)書中提出的核心命題的強(qiáng)烈好奇：生物智能與AI的共性與差異，能否為我們揭示智能的本質(zhì)？

我的課題組聚焦神經(jīng)元內(nèi)的RNA代謝與蛋白合成機(jī)制，觀察這些微觀分子如何編織學(xué)習(xí)記憶的神經(jīng)網(wǎng)絡(luò)。博士期間，我曾花費(fèi)大量時(shí)間手動(dòng)分析顯微成像數(shù)據(jù)，甚至連續(xù)十多個(gè)小時(shí)坐在電腦前，標(biāo)注上百?gòu)埳窠?jīng)元圖像中每個(gè)突觸的熒光信號(hào)強(qiáng)度。如今AI圖像工具能在幾分鐘內(nèi)完成我們團(tuán)隊(duì)好幾天的工作量。這讓我既驚喜于技術(shù)突破，也開始思考一個(gè)關(guān)鍵問題：為什么機(jī)器能高效處理實(shí)驗(yàn)數(shù)據(jù)分析這類技術(shù)活，卻無法解釋其背后的生物學(xué)意義？

顯微鏡下的神經(jīng)元圖像，高亮的結(jié)構(gòu)是熒光標(biāo)記的突觸蛋白

這種矛盾在實(shí)驗(yàn)室日常工作中愈發(fā)凸顯。我們和大多國(guó)內(nèi)外以濕實(shí)驗(yàn)為主的課題組一樣，大部分實(shí)驗(yàn)仍保持著最傳統(tǒng)的手工操作流程。比如需要將裝有細(xì)胞的培養(yǎng)皿從三樓送到一樓的顯微鏡室時(shí)，若遇到電梯故障，人類研究員會(huì)立刻改走樓梯，并根據(jù)皿內(nèi)狀態(tài)調(diào)整步速；而自動(dòng)化物流系統(tǒng)只會(huì)機(jī)械地等待程序響應(yīng)。這種“最后一公里”困境恰似當(dāng)前AI發(fā)展的縮影：它能處理封閉場(chǎng)景的標(biāo)準(zhǔn)任務(wù)，卻復(fù)現(xiàn)不了實(shí)驗(yàn)員面對(duì)突發(fā)狀況時(shí)的急中生智。而那些糅合經(jīng)驗(yàn)與直覺的應(yīng)變智慧，正是智能難以被編碼的奧秘。

正是這些日常教學(xué)和科研中的真實(shí)困境，讓我在翻譯《智能簡(jiǎn)史》時(shí)產(chǎn)生強(qiáng)烈共鳴。作者對(duì)生物智能獨(dú)特性的剖析，既解答了我對(duì)AI技術(shù)邊界的困惑，也成為我翻譯此書的最大動(dòng)力：AI智能的提升需要從生物進(jìn)化中汲取靈感，而神經(jīng)科學(xué)對(duì)大腦奧秘的追問，也需要借助AI技術(shù)的工具箱。謹(jǐn)以此譯本，獻(xiàn)給所有在神經(jīng)科學(xué)與人工智能交叉地帶拓荒的探索者。當(dāng)我們教會(huì)機(jī)器識(shí)別人臉時(shí)，或許更該思考嬰兒如何從母親眼神中建立情感連接；當(dāng)我們?cè)噲D構(gòu)建更聰明的機(jī)器時(shí)，或許更應(yīng)回歸生命科學(xué)最本真的追問。智能革命的終極答案，或許正藏在生命系統(tǒng)通過億萬年進(jìn)化來打磨的“笨功夫”里。

五步解鎖40億年智能密碼

翻開《智能簡(jiǎn)史》，你會(huì)見證一場(chǎng)顛覆認(rèn)知的“生物算法展”——沒有大腦的珊瑚蟲的捕食機(jī)制堪稱海洋版二進(jìn)制開關(guān)：當(dāng)浮游生物觸碰它的觸須、神經(jīng)元所產(chǎn)生的信號(hào)超過閾值時(shí)，這個(gè)海洋程序員的“if-else語句”立即觸發(fā)“張口捕食程序”；而當(dāng)刺激消失，觸手又像關(guān)閉的電路般恢復(fù)平靜。這種基于閾值反饋的生存智慧，正是掃地機(jī)器人Roomba的靈感原型。初代Roomba的碰撞轉(zhuǎn)向系統(tǒng)，復(fù)刻了5.5億年前原始生物的避險(xiǎn)絕技——當(dāng)秀麗線蟲用頭部感受器探測(cè)到前方出現(xiàn)的鹽分劇變時(shí)，會(huì)像觸電般猛然調(diào)頭，正如你家掃地機(jī)器人撞到桌腿時(shí)“咔嗒”一聲自動(dòng)轉(zhuǎn)向。從遠(yuǎn)古海底到現(xiàn)代客廳，這場(chǎng)智能革命的核心密碼從未改變：不需要構(gòu)建環(huán)境地圖，不依賴中央處理器，用即時(shí)反饋替代復(fù)雜計(jì)算，讓生存需求驅(qū)動(dòng)行為邏輯。當(dāng)Roomba的碰撞傳感器在桌腿間反復(fù)修正路線，它正重演著線蟲在遠(yuǎn)古海洋摸索前行的神經(jīng)脈沖。

第一代掃地機(jī)器人Roomba（左），珊瑚蟲（中），秀麗隱桿線蟲（右）丨圖源：《智能簡(jiǎn)史》

作者以五次在生死邊緣鍛造出的“智能升級(jí)”為主線，串起一部生命與機(jī)器的進(jìn)化史：

第一次突破：轉(zhuǎn)向

6億年前，最早能分清左右的兩側(cè)對(duì)稱動(dòng)物，靠著“遇食物前進(jìn)，遇危險(xiǎn)轉(zhuǎn)向”的原始算法稱霸海洋，為今天的自動(dòng)駕駛程序?qū)懞昧说讓哟a。

第二次突破：強(qiáng)化

5億年前，寒武紀(jì)魚類在黑暗洞穴中冒險(xiǎn)時(shí)，多巴胺分泌機(jī)制鎖定了“高風(fēng)險(xiǎn)高收益”法則，成為強(qiáng)化學(xué)習(xí)的生物模板。

第三次突破：模擬

2億年前，松鼠在枝頭蓄力躍起的剎那，大腦新皮層已能在一秒內(nèi)預(yù)演多種落地姿勢(shì)。這場(chǎng)進(jìn)化催生的“生存策略模擬器”，成為現(xiàn)代AI生成式推理的神經(jīng)生物原型。

第四次突破：心智化

1500萬年前，靈長(zhǎng)類動(dòng)物看穿同伴心思的能力，演化成了社交平臺(tái)的博弈算法，至今還在影響短視頻的推薦機(jī)制。

第五次突破：語言

10萬年前至今，人類將百萬年生存智慧打包成語言符號(hào)，就像把整座圖書館壓縮成二維碼，這種分布式存儲(chǔ)模式直接催生了ChatGPT的對(duì)話能力。

然而，這些用億萬年進(jìn)化打磨出的智能模板，在照亮AI前路的同時(shí)也投下認(rèn)知陰影。書中描述的“飛機(jī)寓言”直指當(dāng)前AI研究困局：假設(shè)19世紀(jì)末癡迷于人工飛行的研究者們，偶然穿越到20世紀(jì)90年代并登上波音747客機(jī)。當(dāng)他們帶著對(duì)“未來飛行科技”的震撼回歸后，卻陷入致命的認(rèn)知誤區(qū)——誤將客艙的傾斜座椅、雙層舷窗和塑料內(nèi)飾當(dāng)作核心技術(shù)，傾盡全力復(fù)現(xiàn)這些表象特征，卻對(duì)空氣動(dòng)力學(xué)原理、渦輪引擎設(shè)計(jì)等本質(zhì)突破視而不見。正如今天的AI研究過度聚焦人腦終局形態(tài)，可能正在錯(cuò)過線蟲導(dǎo)航算法這類原始智慧。作者用進(jìn)化論的階梯思維指明道路：智能革命需要復(fù)現(xiàn)從風(fēng)箏（線蟲趨利避害）到滑翔機(jī)（魚類強(qiáng)化學(xué)習(xí)），最終抵達(dá)噴氣時(shí)代（人類語言系統(tǒng)）的完整路徑。

黑猩猩的江湖與AI的社交困境

在剛果雨林的密影中，一場(chǎng)跨越物種的“猩球諜戰(zhàn)”悄然上演。雌黑猩猩貝兒與雄性首領(lǐng)洛克的較量，堪稱1500萬年前的《權(quán)力的游戲》。起初，貝兒天真地分享藏食地點(diǎn)，卻眼睜睜看著洛克蠻橫地奪走所有果實(shí)。這場(chǎng)背叛點(diǎn)燃了她的“黑化”之路：她先是像守財(cái)奴般一屁股坐在藏食點(diǎn)上，用身體筑起防線；發(fā)現(xiàn)洛克會(huì)暴力推開她后，她進(jìn)化出“聲東擊西”的絕活——等洛克看向別處時(shí)迅速刨土，搶在對(duì)方回神前狼吞虎咽；甚至發(fā)展出高階騙術(shù)，故意誤導(dǎo)洛克走向錯(cuò)誤的方向。而洛克這位“猩族影帝”也不遑多讓，他學(xué)會(huì)假裝心不在焉，但用余光追蹤貝兒的微表情，判斷她究竟是不是在“演我呢”，并在她松懈時(shí)突然轉(zhuǎn)身飛撲，搶走食物。[1]

科學(xué)家們用腦科學(xué)實(shí)驗(yàn)破解了這場(chǎng)宮斗大戲的神經(jīng)密碼。當(dāng)貝兒策劃騙局時(shí)，她的前額葉皮層，也就是大腦的“謀略中心”，會(huì)像諜戰(zhàn)片里的情報(bào)官一樣高速運(yùn)轉(zhuǎn)，分析洛克瞳孔的收縮幅度、解碼他肩膀肌肉的緊繃程度，甚至模擬“如果我把食物埋在西邊，但指向東邊，洛克上當(dāng)?shù)母怕视卸喔?？”?/p>

靈長(zhǎng)類動(dòng)物學(xué)家埃米爾·門澤爾（Emil Menzel）筆下這場(chǎng)“雨林版《甄嬛傳》”的背后，藏著心智進(jìn)化的殘酷真相：沒有爾虞我詐的江湖，就煉不出七竅玲瓏的頭腦。就像人類在辦公室政治中磨礪情商，黑猩猩每撒一個(gè)謊、每識(shí)破一次騙局，都在為大腦刻寫更深層的社交算法。這種嵌套式心理博弈（“我知道你知道我知道”），正是當(dāng)前AI最渴求卻最匱乏的“心智化”能力。

當(dāng)自動(dòng)駕駛的汽車因誤判行人意圖引發(fā)事故時(shí)，問題根源與雨林中的博弈如出一轍。現(xiàn)有AI能識(shí)別人體輪廓，卻無法像貝兒解讀洛克那樣，從行人抓握手機(jī)的手臂角度推測(cè)對(duì)方是因接電話而駐足，還是因分心而即將闖紅燈。家庭機(jī)器人更是頻頻遭遇“社死”：當(dāng)它遞出茶杯時(shí)若人類突然抬手揉眼，機(jī)械臂會(huì)僵在半空，因?yàn)樗焕斫膺@是眼睛進(jìn)沙的生理反應(yīng)，而非對(duì)遞茶動(dòng)作的拒絕。這些尷尬暴露了AI的認(rèn)知盲區(qū)，它們的思考被困在了行為表層，它們既讀不懂動(dòng)作背后的動(dòng)機(jī)，也構(gòu)建不出“人類此刻在想什么”的心理模型。

正如貝兒需要數(shù)百萬年進(jìn)化出遞歸推理的神經(jīng)環(huán)路，AI的心智化革命可能要重走進(jìn)化階梯。第一步要像初代掃地機(jī)器人Roomba那樣，掌握線蟲級(jí)的“趨利避害”本能；接著在虛擬叢林里模仿魚類的強(qiáng)化學(xué)習(xí)；最終復(fù)現(xiàn)黑猩猩的嵌套心智，讓AI在多智能體博弈中自發(fā)生成欺騙策略。比如購(gòu)物推薦算法不僅能預(yù)測(cè)你的消費(fèi)偏好，還能推演“如果推送奢侈品廣告，用戶會(huì)認(rèn)為我在誘導(dǎo)透支，還是提供品質(zhì)生活參考？”。這種動(dòng)態(tài)意圖建模的能力，正是人類用千萬年進(jìn)化寫在基因里的社交算法。

語言突破：深度學(xué)習(xí)和大模型的騰飛

非洲草原上森林的逐漸消失，迫使我們的祖先離開樹木來到地面，生存競(jìng)爭(zhēng)驟然加劇。正是在這樣嚴(yán)酷的生存壓力下，智能發(fā)展的第五個(gè)突破——語言應(yīng)運(yùn)而生。

想象這樣一個(gè)場(chǎng)景：當(dāng)其他動(dòng)物還在靠吼叫示警時(shí)，早期人類已經(jīng)能夠通過語言傳遞“三里外有獅群在喝水”這樣的具體信息。更神奇的是，他們還能分享“昨天誰偷吃了大家的存糧”這樣的八卦。正是這種獨(dú)特的信息交流能力，讓人類實(shí)現(xiàn)了認(rèn)知的飛躍。語言就像一臺(tái)“思維加速器”，它讓知識(shí)不再隨著個(gè)體死亡而消失。老一輩可以把生存經(jīng)驗(yàn)口口相傳，年輕人則在這些經(jīng)驗(yàn)基礎(chǔ)上繼續(xù)創(chuàng)新。這種代際間的智慧累積，最終讓人類在進(jìn)化長(zhǎng)跑中脫穎而出。可以說，沒有語言這個(gè)“智能催化劑”，就不會(huì)有人類文明的誕生。

開發(fā)AI的關(guān)鍵目標(biāo)之一，就是教會(huì)機(jī)器說“人話”。這就像教一個(gè)外國(guó)朋友學(xué)中文——不僅要記住詞語的意思，還得理解話里的潛臺(tái)詞和言外之意，以及人類文化積累帶來的豐富上下文背景。只有讓計(jì)算機(jī)真正掌握人類語言，它們才能像朋友一樣和我們自然交流。

然而在很長(zhǎng)一段時(shí)間里，由于算法不夠成熟和計(jì)算能力有限，AI“學(xué)說話”這件事一直進(jìn)展緩慢。直到21世紀(jì)初，隨著GPU顯卡和分布式計(jì)算技術(shù)的突破，計(jì)算機(jī)的運(yùn)算能力突然像坐上了火箭。這個(gè)關(guān)鍵突破，為AI的騰飛鋪好了硬件跑道。

突破首先來源于識(shí)別圖像這個(gè)略微簡(jiǎn)單的任務(wù)。2012年，AI領(lǐng)域迎來了一場(chǎng)“大地震”。深度學(xué)習(xí)泰斗杰弗里·辛頓（Geoffrey E. Hinton）帶領(lǐng)的團(tuán)隊(duì)，在被譽(yù)為“計(jì)算機(jī)視覺奧林匹克”的ImageNet大賽中，用AlexNet這個(gè)新型神經(jīng)網(wǎng)絡(luò)驚艷了全世界。這場(chǎng)勝利不僅終結(jié)了手寫數(shù)字識(shí)別這個(gè)困擾學(xué)界多年的難題，更像點(diǎn)燃了一根導(dǎo)火索，引爆了全球AI研究的熱潮。從此，深度學(xué)習(xí)開始在各個(gè)領(lǐng)域大放異彩，開啟了AI的新紀(jì)元。2024年，憑借對(duì)神經(jīng)網(wǎng)絡(luò)和AI發(fā)展的卓越貢獻(xiàn)，辛頓獲得諾貝爾物理學(xué)獎(jiǎng)。

2015年，殘差神經(jīng)網(wǎng)絡(luò)（ResNet）誕生。它創(chuàng)新性地引入“殘差連接”設(shè)計(jì)，就像學(xué)生學(xué)習(xí)時(shí)準(zhǔn)備了一本小抄，學(xué)習(xí)新知識(shí)點(diǎn)時(shí)仍然不會(huì)忘記舊知識(shí)點(diǎn)，完美解決了超深層網(wǎng)絡(luò)的訓(xùn)練難題和梯度消失問題，為后續(xù)語言大模型的出現(xiàn)奠定基礎(chǔ)。它在ImageNet大賽中以4.94%的錯(cuò)誤率奪冠，首次超越人類水平 (約5%)。

2017年，Transformer橫空出世，谷歌提出的這個(gè)新架構(gòu)徹底改變了AI的游戲規(guī)則。它模仿人類大腦的注意力，采用“自注意力”機(jī)制，讓模型像人類一樣學(xué)會(huì)抓重點(diǎn)，這為后來的GPT等明星語言模型奠定基礎(chǔ)。2019年，OpenAI推出GPT-2，它能寫出流暢的文章并與人類對(duì)話。一時(shí)間，AI寫作從實(shí)驗(yàn)室走向現(xiàn)實(shí)，機(jī)器終于能像模像樣地“說人話”了。這不僅是技術(shù)突破，更是人機(jī)交流史上重要的里程碑。

在語言模型的基礎(chǔ)上，2020年，DeepMind推出的AlphaFold解決了困擾生物學(xué)界50年的蛋白質(zhì)折疊難題，其預(yù)測(cè)準(zhǔn)確度達(dá)到實(shí)驗(yàn)水平，被譽(yù)為“世紀(jì)突破”，為藥物研發(fā)開辟新途徑。2024年，DeepMind公司的丹米斯·哈薩比斯（Demis Hassabis）和約翰·喬普（John M.Jumper）因其在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方面的貢獻(xiàn)獲得諾貝爾化學(xué)獎(jiǎng)。

2024年末，深度求索（DeepSeek）震撼發(fā)布DeepSeek-V3，成為當(dāng)時(shí)最強(qiáng)大的開源大模型之一，在語言理解、代碼生成和數(shù)學(xué)推理方面表現(xiàn)卓越。2025年初，DeepSeek再掀浪潮，推出 DeepSeek-R1，該模型憑借極致的算法優(yōu)化，以遠(yuǎn)低于行業(yè)平均的訓(xùn)練成本，實(shí)現(xiàn)了全球領(lǐng)先的性能，甚至超越了一些閉源商業(yè)模型（如 OpenAI 的最新 GPT 系列）。相比 OpenAI 等公司的模型，DeepSeek-R1 在同等性能下，訓(xùn)練成本降低95% 以上，這意味著AI研發(fā)的門檻被進(jìn)一步拉低，讓更多研究機(jī)構(gòu)和企業(yè)能以更低成本訓(xùn)練高性能AI。同時(shí)，它證明了“大算力”并非唯一出路，算法優(yōu)化同樣能創(chuàng)造奇跡。

AI雖然進(jìn)步神速，但背后暗藏危機(jī)。現(xiàn)在的AI大模型就像個(gè)“數(shù)據(jù)黑洞”，模型變得越來越復(fù)雜，但能提供給它訓(xùn)練的真實(shí)數(shù)據(jù)卻快不夠用了。更麻煩的是，這些AI的工作原理就像在玩“文字接龍”，總是選擇最可能的下一個(gè)詞和下一句話。這就導(dǎo)致兩個(gè)致命缺陷：

第一，AI會(huì)選擇性“失明”。那些不常見但重要的信息，很容易被當(dāng)成“噪音”過濾掉；而網(wǎng)上泛濫的虛假信息，反而可能被AI當(dāng)成“正確答案”。結(jié)果就是AI經(jīng)常一本正經(jīng)地胡說八道，產(chǎn)生所謂的“幻覺”。例如，一個(gè)廣泛流傳的謠言，“中國(guó)80后死亡率超過5.2%”，據(jù)上海網(wǎng)絡(luò)辟謠平臺(tái)推斷，數(shù)據(jù)的最初來源很可能是與AI對(duì)話所得。

第二，AI正在成為“隱形操盤手”。科技巨頭掌握著調(diào)整AI偏好的生殺大權(quán)，可以悄無聲息地讓AI選擇性輸出信息。試想一下，如果一個(gè)AI聊天程序被刻意調(diào)教，它可以批量制造以假亂真的謠言，甚至操控輿論風(fēng)向。這種技術(shù)特權(quán)實(shí)在太危險(xiǎn)了！

正如《智能簡(jiǎn)史》揭示的進(jìn)化法則，真正的智能革命從不在無約束中野蠻生長(zhǎng)。當(dāng)參數(shù)膨脹的AI列車在數(shù)據(jù)軌道上狂飆，我們亟須植入生命歷史進(jìn)化出的安全基因。AI若想跨越當(dāng)前困局，就必須重拾這份被驗(yàn)證了40億年的生存哲學(xué)：創(chuàng)造力的綻放，永遠(yuǎn)需要安全邊際的托舉。畢竟，當(dāng)AI開始影響現(xiàn)實(shí)社會(huì)運(yùn)轉(zhuǎn)時(shí)，我們得確保它不會(huì)變成脫韁的野馬。

人工智能的下一次突破：具身智能

AI的發(fā)展，讓計(jì)算機(jī)在“看”和“聽”方面取得了巨大進(jìn)步。比如：

·通過小區(qū)門禁時(shí)瞬間完成的人臉識(shí)別；

·網(wǎng)購(gòu)時(shí)24小時(shí)在線的智能客服；

·從照片里提取文本信息的文字識(shí)別軟件；

·能自動(dòng)生成文案的AI寫作助手；

·新能源汽車上輔助駕駛的自動(dòng)駕駛系統(tǒng)。

這些技術(shù)都屬于"離身智能"。它們就像是一個(gè)個(gè)聰明但"沒有身體"的數(shù)字大腦，擅長(zhǎng)處理圖片、文字或者語音數(shù)據(jù)，但無法像人類一樣直接觸摸、移動(dòng)或與物理世界互動(dòng)。比如：

·人臉識(shí)別系統(tǒng)能認(rèn)出你，卻不能端茶倒水；

·智能客服能解答問題，但不能幫你拿快遞；

·文字識(shí)別軟件能幫你提取文本信息，卻無法幫你整理文件柜；

·AI寫作助手能生成報(bào)告，但不會(huì)幫你打印裝訂；

·自動(dòng)駕駛系統(tǒng)能輔助駕駛，卻不能幫你修理汽車。

而“具身智能”則讓AI真正“活”了起來！它不僅會(huì)思考，還能像人一樣動(dòng)手動(dòng)腳、感知世界。如書中所言，未來的智能體可能會(huì)出現(xiàn)在人類所創(chuàng)造的計(jì)算機(jī)乃至機(jī)器人上。2025年蛇年春晚，宇樹科技會(huì)扭秧歌的人形機(jī)器人憑借靈活的舞姿驚艷全場(chǎng)，這正是具身智能技術(shù)突飛猛進(jìn)的最好證明。這背后離不開兩大“智能法寶”：“小腦”系統(tǒng)就像人類小腦控制肢體動(dòng)作一樣，確保每個(gè)動(dòng)作行云流水；“大腦”系統(tǒng)則整合視覺、語言和行動(dòng)，讓機(jī)器人能看會(huì)想還能做。

想象一下，在不久的將來，你家的機(jī)器人管家不僅能聽懂指令，還會(huì)主動(dòng)收拾散落的玩具；醫(yī)院的機(jī)器人護(hù)士可以精準(zhǔn)地協(xié)助醫(yī)生完成手術(shù)；救災(zāi)機(jī)器人能在廢墟中靈活穿梭，拯救被困人員。

圖片來源：文心一言。提示詞：機(jī)器人護(hù)士協(xié)助人類醫(yī)生手術(shù)

這些曾經(jīng)只存在于科幻電影中的場(chǎng)景，正在通過具身智能一步步走進(jìn)現(xiàn)實(shí)。這一切的突破都源于離身智能三大技術(shù)支柱的協(xié)同發(fā)展：深度神經(jīng)網(wǎng)絡(luò)就像機(jī)器人的“神經(jīng)元”，通過模擬突觸的連接方式，讓AI不僅能識(shí)別圖像和語音，還能學(xué)會(huì)控制身體動(dòng)作；GPU等高性能芯片充當(dāng)機(jī)器人的“線粒體”，為復(fù)雜的動(dòng)作計(jì)算提供動(dòng)力；而數(shù)以百萬計(jì)的動(dòng)作視頻、傳感器數(shù)據(jù)就像機(jī)器人的“教科書”，讓它們能通過持續(xù)試錯(cuò)自主優(yōu)化運(yùn)動(dòng)技能，在動(dòng)態(tài)環(huán)境中進(jìn)化出精準(zhǔn)的動(dòng)作控制能力。正是這些技術(shù)的融合，讓原本只會(huì)“紙上談兵”的AI真正獲得了動(dòng)手能力。從能說會(huì)道的智能助手，到能跑會(huì)跳的機(jī)器人，AI正在完成從“數(shù)字大腦”到“實(shí)體智能”的華麗轉(zhuǎn)身。

然而目前，具身智能的發(fā)展仍然還有一段路要走。雖然目前的AI工具能生成流利對(duì)話，但其認(rèn)知本質(zhì)上是通過海量數(shù)據(jù)建立的統(tǒng)計(jì)相關(guān)性網(wǎng)絡(luò)。正如維特根斯坦（Ludwig Wittgenstein）揭示的困境“語言界限即世界界限”，當(dāng)機(jī)器沒有感知過熱水的灼燙和冰水的寒冷時(shí)，那么它對(duì)溫度的理解就永遠(yuǎn)停留在詞語層面上。這種具身經(jīng)驗(yàn)的匱乏不僅表現(xiàn)在“觸覺記憶”的缺失，更導(dǎo)致多感官協(xié)同的協(xié)調(diào)短板。物理交互中的基礎(chǔ)數(shù)據(jù)（物體形變時(shí)的壓力梯度場(chǎng)、運(yùn)動(dòng)關(guān)節(jié)的扭矩反饋曲線），還未被有效轉(zhuǎn)化為神經(jīng)網(wǎng)絡(luò)的表征語言。而正是這些“身體記憶”的缺失，讓具身智能暫時(shí)還難以突破“數(shù)字幽靈”的邊界。

現(xiàn)實(shí)世界永遠(yuǎn)充滿變數(shù)，但機(jī)器人的行動(dòng)方式卻像被程序卡死的齒輪。比如讓機(jī)器人拿水杯，人類能輕松應(yīng)對(duì)桌上物品的挪動(dòng)，但機(jī)器人哪怕遇到毫米級(jí)的位置偏移，都可能像迷路的小孩一樣手足無措。它得重新掃描桌面、計(jì)算軌跡，最后還不一定能準(zhǔn)確放回原位。人類的學(xué)習(xí)是摸爬滾打出來的真功夫，就像小孩折紙飛機(jī)：隨手一扔看它栽進(jìn)花叢，換個(gè)折法再試，摔個(gè)十次八次就摸到門道。而現(xiàn)在的AI更像一個(gè)“數(shù)據(jù)學(xué)霸”，它能從百萬次實(shí)驗(yàn)數(shù)據(jù)里總結(jié)出“翅膀角度30度時(shí)飛行距離最長(zhǎng)”的規(guī)律表，但你要它根據(jù)風(fēng)向變化實(shí)時(shí)調(diào)整投擲角度？它只會(huì)僵在原地重復(fù)失敗動(dòng)作。

要讓機(jī)器人真正突破動(dòng)作遲滯的困境，不僅需要更靈巧的算法，更要掌握生物“省著用能量”的訣竅——人類大腦只需20瓦的能耗（相當(dāng)于一個(gè)普通電燈泡），就能展現(xiàn)出驚人的智能。而訓(xùn)練當(dāng)前的大模型需要上萬張GPU，耗電量堪比一個(gè)小城市，帶來的智能提升卻越來越有限。近期，中國(guó)科學(xué)家團(tuán)隊(duì)在《Science》上發(fā)表了一項(xiàng)突破性研究[2]，他們發(fā)現(xiàn)，哺乳動(dòng)物的大腦就像一座精密的“智能城市”，里面有一套獨(dú)特的“按需供電”系統(tǒng)。具體來說，大腦在每個(gè)“信息傳遞站”（突觸）附近都配備了“智能發(fā)電站”（線粒體）。當(dāng)神經(jīng)細(xì)胞開始工作時(shí)，這些發(fā)電站能自動(dòng)感應(yīng)到，并立即啟動(dòng)“發(fā)電模式”。更神奇的是，它們還能根據(jù)工作量大小，智能調(diào)節(jié)發(fā)電量，確保能量供應(yīng)剛剛好。這項(xiàng)發(fā)現(xiàn)讓我們更清楚地認(rèn)識(shí)到：大腦不僅會(huì)處理信息，還很會(huì)“精打細(xì)算”地管理能量，這可能是人類智能如此高效的重要原因之一。

與此同時(shí)，來自澳大利亞的團(tuán)隊(duì)將微電極陣列芯片（Multielectrode Arrays; MEA）與人類神經(jīng)元相結(jié)合，構(gòu)建了一個(gè)由80萬神經(jīng)元組成的體外神經(jīng)智能系統(tǒng)[3]。這個(gè)“迷你大腦”在實(shí)時(shí)電生理實(shí)驗(yàn)中展現(xiàn)出驚人的環(huán)境適應(yīng)性，它不僅學(xué)會(huì)玩復(fù)古電子游戲《乒乓》，更催生出近期發(fā)布的全球首款可編程生物計(jì)算機(jī)CL1[4]。這項(xiàng)突破的本質(zhì)，是讓機(jī)器首次實(shí)現(xiàn)了環(huán)境驅(qū)動(dòng)的“自主認(rèn)知進(jìn)化”，神經(jīng)元在電信號(hào)刺激下自發(fā)形成了信息處理路徑。這一科技突破呼應(yīng)了《智能簡(jiǎn)史》帶給我們的啟示：“用硅基芯片模擬碳基智能，如同用蒸汽機(jī)設(shè)計(jì)航天飛機(jī)?！本呱碇悄艿耐黄撇粫?huì)來自更大規(guī)模的GPU工廠，而必須回歸生命最原始的生存策略：在物理約束中迭代，于環(huán)境反饋中塑形。當(dāng)機(jī)器學(xué)會(huì)像胚胎發(fā)育般在硬件限制中自我優(yōu)化，像人類神經(jīng)元網(wǎng)絡(luò)那樣在環(huán)境中延展感知，才是智能真正掙脫數(shù)字囚籠的時(shí)刻。

培養(yǎng)在微電極陣列芯片上的人類神經(jīng)元（左）；這些神經(jīng)元正在預(yù)測(cè)“乒乓球”的運(yùn)動(dòng)軌跡，并通過電信號(hào)指揮“乒乓”球拍的實(shí)時(shí)移動(dòng)（右）丨圖源：https://corticallabs.com/[3]和Brettet al.,Neuron, 2022[4]

參考資料

[1] Menzel Jr, E. W. (1974). A group of young chimpanzees in a one-acre field. InBehavior of nonhuman primates(Vol. 5, pp. 83-153). Elsevier.

[2] Li, W., Li, J., Li, J., Wei, C., Laviv, T., Dong, M., ... & Ma, H. (2024). Boosting neuronal activity-driven mitochondrial DNA transcription improves cognition in aged mice.Science386(6728), eadp6547.

[3] Kagan, B. J., Kitchen, A. C., Tran, N. T., Habibollahi, F., Khajehnejad, M., Parker, B. J., ... & Friston, K. J. (2022). In vitro neurons learn and exhibit sentience when embodied in a simulated game-world.Neuron110(23), 3952-3969.

[4] https://corticallabs.com/

注：本文封面圖片來自版權(quán)圖庫(kù)，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛。

特 別 提 示

1. 進(jìn)入『返樸』微信公眾號(hào)底部菜單“精品專欄“，可查閱不同主題系列科普文章。

2. 『返樸』提供按月檢索文章功能。關(guān)注公眾號(hào)，回復(fù)四位數(shù)組成的年份+月份，如“1903”，可獲取2019年3月的文章索引，以此類推。