我们一直误解了智能

智能到底是什么

2026 开年推荐一本出版于2025 年、让我花费两周阅读的书：《智能简史》

“智能”是一个我们每天都在使用的词，却几乎从未认真想过它究竟指向什么。我们默认智能属于人类，属于意识，属于复杂思考。直到我读完《智能简史》，才第一次意识到，这个词的历史远比人类本身要长得多。

这本书带给我的第一个巨大纠正是： 智能不是人类的发明，也不是大脑的专利，而是一种存在了几亿年的生命机制。

如果从进化的角度看，智能并不是一个突然出现的奇迹，而是一系列不断累积、不断优化的信息处理结构。人类只是这条长链上的一个阶段，而不是终点。

一、我们误解智能，是因为太以自己为中心

当我们谈论智能时，通常会想到三个对象：

会思考的人类
会对话的人工智能
能解决复杂问题的系统

但这些只是智能在特定环境下的表现形式，而不是它的本质。

从更底层的角度看，智能的核心能力只有四个：

感知环境
形成判断
做出行动
根据结果调整策略

只要一个系统具备这四个能力的闭环，它就已经拥有某种形式的智能。区别只在于复杂度，而不在于有没有。

换句话说，智能更像是一种机制，而不是一种物种属性。

二、智能的第一次出现：从反射到决策

最早的生命体几乎没有智能可言。

它们只有神经元，没有大脑。所有行为都只是对刺激的直接反应，类似于一个极其简单的开关系统。

真正意义上的智能出现于一个看似微不足道的进化节点： 两侧对称动物的出现。

这个结构变化解决了一个极其重要的问题：转向决策。

以珊瑚虫为例，它不是两侧对称结构，当它需要改变方向时，理论上有三百多个方向可以选择。决策空间巨大，能耗极高。

而两侧对称动物只需要做两个选择：前和左（右和左、后和前一样）。复杂度骤降，效率大幅提升。

从这一刻开始，世界第一次出现了：

“好”和“坏”的区分 ——食物还是敌人？
“选择”和“权衡”的必要 ——直行还是转向？
“行为策略”的雏形

智能的原始版本，本质就是对行动方案的权衡能力。

三、强化学习的诞生：行动者与评判者

在脊椎动物阶段，神经系统发生了一个关键分化：

系统不再只是行动，而是分化成了两个角色：

行动者，负责执行
评判者，负责预测和评估

这意味着行为不再只看结果，而开始评估过程本身。

在现代强化学习理论中，这个结构被称为 Actor-Critic 模型，对应的学习机制叫 时序差分学习（Temporal Difference Learning）。

在这次进化中，多巴胺这个词出现了，但到现在我们对它还是有诸多误解。

我们通常以为多巴胺是奖励信号。但事实上，它更像是“好事将近”的预测信号。

当结果好于预期时，多巴胺上升。当结果差于预期时，多巴胺下降。

多巴胺驱动的不是快乐，而是模型修正。

这也解释了为什么惊喜会上瘾，赌博会上瘾，新鲜感会上瘾。人类并不是在追求奖励，而是在追求预测成功的快感。

四、从试错到想象：内部模型的革命

在哺乳动物阶段，智能发生了真正质变。

系统开始具备内部模拟能力，也就是：

不再依赖真实世界的试错，而是可以在脑内预演未来。

风险可以在想象中被消耗，错误可以在现实发生之前被修正。

从强化学习的角度看，这是从：

无模型学习走向基于模型学习

大脑开始构建世界模型，并在模型中反复运行各种可能性。

这意味着学习效率出现了数量级提升。生物第一次可以用想象替代部分现实。

五、他者模型：智能从个体走向群体

在灵长类动物阶段，智能再次升级。

系统不再只模拟世界，而开始模拟他人的心理状态。

也就是所谓的： 他者模型（Model of Others）

我们开始预测他人行为、理解他人动机、评估社会关系。

政治、博弈、组织、信任、背叛，本质上都源于这一能力。

智能第一次真正进入社会维度。从个体内部机制，演化为群体协同结构。

六、语言：让智能可以跨代累积

语言是真正改变一切的技术。

在语言出现之前，每个个体都是一个独立的学习系统。经验无法继承，错误必须重犯。

语言让模型可以被复制。知识可以跨个体、跨时间传播。智能第一次具备了代际累积能力。

从这个意义上看，人类生活在两个世界中：

一个是物理现实世界一个是由语言构建的符号世界

我们真正生存的，更多是后者。

七、世界不是实相，而是模拟现实

这本书再次从生物学角度验证了一个听起来是唯心主义的观点：

我们看到的世界，并不是客观现实，而是大脑构建的模型。

大脑不是摄像机，而是预测引擎。它不断用有限信息构建一个“最可能的现实版本”。

这意味着两件事：

第一，我们极容易被错误模型污染。一旦模型稳定，纠错成本极高。

第二，多重现实几乎必然存在。每个人生活在自己版本的世界中。

所谓幻觉、偏见、执念，本质上都是模型偏移的结果。

真实感的核心条件是：

输入足够丰富模型持续更新输出不断校验

一旦其中任何一环失衡，现实感都会开始扭曲。

八、新皮质就是人类的 LLM

看完新皮质的普及后，我立马联想到了 LLM：

新皮质是人类的大型语言模型。大型语言模型是计算机的新皮质。

两者的工作方式高度相似：

都依赖大量输入
都构建内部概率模型
都通过生成来验证结构

输入不足，会产生幻觉。输入过多而无输出，会产生内耗。

系统真正稳定的状态，是输入与创造的动态平衡。

这也解释了一个现象：

为什么长期缺乏新信息的人容易陷入执念。为什么只学习不表达的人容易陷入焦虑。

模型需要持续被现实校验，否则会逐渐偏离世界。

九、我们正在成为哪一种智能

读完这本书之后，我反复问自己一个问题：

如果智能只是不断优化的模型，那我们这一代人正在被训练成哪一种模型？

我们每天接收的信息量远超过任何历史时期。我们的注意力被算法精确捕捉。我们的情绪被奖励机制持续刺激。

从强化学习角度看，我们正在经历一场前所未有的大规模训练。

只不过这场训练的目标函数，很少由我们自己设定。

如果智能的核心是建模能力，那一个人的命运，很大程度取决于三件事：

你输入了什么信息你如何更新模型你是否愿意承认模型可能是错的

真正危险的从来不是模型不够聪明，而是模型一旦稳定，就不再更新。

后记：谁在训练谁

如果有一天人工智能真的超越人类（Elon 说今年就会），我并不担心机器会变得更聪明——那几乎是一定的。

我更担心的是，人类会不会在不知不觉中，把自己的智能外包给一个早已替我们设定好目标函数的系统。

到那个时候，我们或许还在使用工具。只是已经忘记了，谁在训练谁。