《智能简史:进化、AI与人脑的突破》

为什么人脑看3张图就能认出猫，而AI要看1000万张？

先问一个让人细思极恐的问题：

现在一个3岁小孩，只要见过3到5张不同猫的照片，就能准确认出所有的猫。可AI呢？为了学会识别“猫”这个概念，谷歌当年喂了整整1000万张猫的图片，还得日夜不停地训练3天。

人类看3张，AI看1000万张——差了300多万倍。

这就是科技界一个著名的谜题：为什么AI能击败国际象棋大师，甚至通过司法考试，却连摆好洗碗机里的餐具都做不到？为什么人类大脑效率这么高？

答案，藏在40亿年的进化史里。

一个跨界闯进神经科学圈的创业者

为了揭开这个谜底，一位名叫麦克斯·班尼特（Max Bennett）的AI创业者做了一件疯狂的事。他既没有博士学位，也不是科班出身的神经科学家，只是一个做AI产品的商人。但他越是深入算法底层，就越感到困惑——如果不搞清楚人类的智能到底是怎么运作的，就永远造不出真正聪明的AI。于是他硬是从入门教材啃到最新的学术论文，期间还向各路专家请教，最终写成了这本《智能简史：进化、AI与人脑的突破》。

不仅书写成了，他还靠着这篇“跨界作业”通过了学术期刊的同行评审，获得了不少神经科学家的认可。这本书之所以备受推崇，是因为他抓住了一条串联起亿万年进化史的关键线索。

班尼特提出了一个核心洞见：智能在进化史上经历了五次重大突破，每次突破都带来一种全新的学习方式，最终叠加出人类现在“看3张图就认猫”的超高效率。

五次突破，其实可以总结成一句大白话：喂什么料，长什么脑。AI靠数据训练——GPT-4是从13万亿个token里学出来的。人脑也一样，你往里面灌什么样的信息，大脑就长成什么样的结构。

接下来，咱就一起看看这五次突破是怎么发生的，以及我们能从中学到什么。

第一次突破：建立因果联系的回路（约6亿年前）

大约6亿年前，地球上出现了一种不起眼的小家伙——线虫。体长只有1毫米，全身只有302个神经细胞。但你别小瞧它，正是这302个神经细胞，让线虫拥有了和水母、珊瑚虫完全不同的能力：它会主动觅食。

线虫的头部有味觉感受器，遇到有食物气味的环境就往前爬；尾巴能感受有毒物质，嗅到危险就立刻后退。就这么简单如果你闻到了食物，那就往前走；如果你闻到了毒气，那就往后退。

最早级的智能，就是建立“如果……那么…… ”这种因果回路。

更妙的是，线虫还会学。如果在盐的附近经常能找到食物，它就会把盐和食物挂上钩。后来环境变了，盐附近没食物了，它对盐的反应就会减弱——这说明它的神经连接会根据实际结果实时调整。

这其实和早期AI的发展很像。1972年，斯坦福大学搞了一套叫MYCIN的医疗诊断系统。它的底层逻辑就是大量的人工预设“IF-THEN”规则：如果你发烧且打喷嚏，那么你得了感冒。但这种方法最大的问题是：规则都得靠人一条一条输进去，AI自己没法学。

现在的GPT就不一样了。它看了几百万个“如果……那么……”的真实案例，就从13万亿个token里自己学会了因果关系。

那人类该往脑袋里喂什么“料”才能建立这种因果回路呢？答案是：真实世界的经验。

有个高中孩子做了一道题：“为什么缺少维生素D会导致骨质疏松？”他很不理解：维生素D不是促进肠道吸收钙吗？骨质疏松不是骨头的问题吗？这明明是两个地方啊！

孩子卡壳了，因为他的大脑里缺少一条关键的因果链：肠道吸收钙 → 血液中的钙增加 → 骨头从血液中获取钙 → 骨头变结实。这条链条，你得见过真实的人体、走过真实的过程、触碰到真实的世界，才能在脑袋里建立起来。

所以，第一步“喂料”：带孩子多去菜市场看看蔬菜的长势，去公园逛逛蚂蚁是怎么搬家的，去博物馆亲身感受一下恐龙灭绝的震撼。真实世界里的画面，是构建因果回路的最佳原料。

第二次突破：建立试错学习的回路（约5亿年前）

第二次突破发生在“寒武纪大爆发”时期。当时生物界各显神通，脊椎动物诞生了——一种原始的鱼类。它的身体里长出了第一个“真正的大脑”，里面包含皮层、基底神经节、丘脑等结构。这套硬件给了它一项了不起的能力：试错学习。

十九世纪末，心理学家桑代克拿鱼做实验，发现鱼儿居然能通过反复试错，从复杂的鱼缸迷宫里找到出口。而且哪怕过个三五年，它都还记得当初是怎么走的，彻底把“鱼只有三秒钟记忆”的传言给推翻了。

试错学习虽好，但有一个难题：你走十步才能吃到食物，凭啥你知道是第二步走对了还是第五步走错了？

这个问题直到1984年才被理查德·萨顿解决。他的洞见是：咱们不该只盯着最终结果，而应该把每一步让赢棋概率提升了多少当作奖励信号。走完这一步，赢棋概率从51%跳到了61%，那这一步就是好棋。这样一来，等于每一步都在学。这叫作“时序差分学习”。

更有趣的是，当科学家发现这个算法后，反过来用它研究大脑时，发现脊椎动物学东西用的竟然就是这套机制——关键就在于多巴胺。

科学家做实验发现：猴子的大脑不是喝到甜糖水以后释放多巴胺，而是在期待喝到糖水的那一刻就放了。原来，多巴胺不是“拿到奖赏了”，而是告诉你“前方的路就快对了”，是带你找到世界的预测信号。

那AI是怎么学的？AlphaGo Zero不靠任何人类棋谱，就自己和自己下，赢了就强化，输了就调整。只用了3天训练，就以100:0的战绩碾压旧版AlphaGo。

那人类应该喂什么料？答案是：允许他试错。

有些家长现在像直升机似的，天天悬在孩子头顶，时刻准备冲下来替他挡祸。哈佛大学的研究发现，要是老不让孩子磕碰摔跤，孩子的前额叶皮层发育反而会滞后，杏仁核却变得异常敏感。结果就是：越保护，孩子反而越脆弱。

所以，第二招“喂料”：在孩子还没触碰道德、安全、法律那些禁区的情况下，只要不出大事，就放手让他试。天冷孩子不穿外套，冻他一回就知道了；他想学炒菜，大不了炒糊了就改进。安全范围内的磕碰，全是磨练大脑高级思维的“养料”。

第三次突破：建立想象模拟的回路（约6600万年前）

大约6600万年前，一颗小行星撞上了地球，恐龙从此灭绝。曾经被恐龙追赶、一直躲在洞里的那些像小老鼠一样的小型哺乳动物，奇迹般地活了下来。就在这个过程中，它们的大脑里长出了一个崭新的结构——新皮层，这赋予了哺乳动物一项了不起的能力：想象力。

1930年代，心理学家托尔曼在研究老鼠时发现：老鼠在迷宫岔路口会稍微犹豫一下，左瞅瞅右看看，过几秒才选一个方向往前冲。托尔曼猜测，这不是乱走，而是老鼠在用脑子模拟每条路走下去会变成什么样。

2000年代，科学家用核磁共振证实了：老鼠在岔路口探头探脑的时候，大脑里的海马体正在模拟未来可能会走的路，而不是它目前待的地方。

诺贝尔经济学奖得主卡尼曼在《思考，快与慢》里提到，当一个人进行深度思考的时候，瞳孔会放大一大圈。这本书告诉你真正的原因：当你沉浸在脑袋里模拟外部世界时，你的视觉数据会暂时停掉，让你更集中精力造出那个想象的世界。

那AI在模拟上做得怎么样呢？现在的自动驾驶系统，遇到红灯不会傻傻地停在原地，而是先在内部建立一个数字化的交通状况模型，在虚拟世界里预演刹车、减速、变道分别会带来什么样的结果，然后选最安全、最平稳的方案。

但AI最大的局限是它目前只能模拟像驾驶、下棋这类专门的任务，没法像人类一样随心所欲地模拟任何场景——明天的会议怎样进行，十年后的自己会是什么样子，一个虚幻世界里会发生什么……

既然人类的想象力需要大量的原料去喂养，我们就该多给孩子提供想象的素材：带他读小说、看纪录片、听音乐会，让他接触人类文明里最闪亮的智慧明珠。

第四次突破：建立理解他人的回路（约1500万年前）

大约1500万年前，灵长类祖先在树上获得了充裕的热量，于是有了空闲开始“搞关系”。怎么搞关系呢？你得能看穿别人在想什么。这批灵长类动物的大脑里就长出了专门“读懂他人心思”的神经回路。

1990年，意大利神经科学家在猴子大脑里发现了一种奇特的神经元，它在你做动作时会亮，但你看着别人做同样的动作时，它也会亮。这就是我们今天熟知的“镜像神经元”——它让你能感同身受地理解别人。

人类学家罗宾·邓巴发现：灵长类动物大脑新皮层的大小，和它所在群体的规模成正比。你越是经常群居，就越需要更大的大脑。后来他甚至推算出，人类脑袋能够维系的稳定人际关系最多约150人。要支撑这么大范围的社交，就必须要学会解读他人的意图。

那AI能读懂你的心思吗？还差得远。你跟它说“帮我订一张机票”，它压根不知道你是想要价格最便宜的，还是速度最快的，还是靠窗坐得最舒服的——它缺少心智化模型，没法真正体会你的意图。

人类该怎么喂养心智化回路？答案是：多给孩子真实的社交互动。研究发现，人的前额叶皮层有一部分专门负责处理“别人在想什么”，这部分脑区发育得越好，社交网络就越庞大。如果小时候缺少和人互动的机会，整天捧着平板玩游戏，未来不但在人际交往中容易碰壁，连跟着老师学习的能力都会大打折扣——因为压根听不懂老师讲解的用意，也不懂得从同学的失败里获得教训。

所以第四招“喂料”：让孩子多和同龄人闹腾，多参加集体项目，多观察形形色色的人是怎么互动的。

第五次突破：建立语言思维的回路（约10万年前）

大约10万年前，人类拥有了语言。语言的力量可大着呢。

设想一个场景：你在野外捡到一头刚死的羚羊，一个人搬不动。如果你有语言，你就说：“快！东边两英里处有一头死羚羊，跟我走！”如果没有语言，你只能哇哇乱叫、手舞足蹈，估计对方根本看不懂你在干啥，更别说要跟你来搬这个大家伙了。

语言还让知识能够跨越时间进行积累。到了10万年前，人类祖先已经知道如何缝制衣服——他们会做锋利石器，会剥动物皮，还懂得用骨头做针。如果一个孩子只看别人做一遍，根本记不住全部步骤，但有了语言，老一辈可以一字一句地传授给年轻人。技术就这样一代代传下去，后来才有了缝皮与做骨针的种种创新。

语言还给了咱们一项超能力：相信虚构的故事。以色列历史学家赫拉利说，智人之所以能主宰地球，是因为我们可以共同信仰一个虚构的东西——宗教、金钱、公司、国家……本质上都是虚构的。但因为咱们共同相信它们存在，这些玩意儿就真的实实在在运转起来了。

人类该喂养什么？答案是：大量接触优质的语言与文字。

研究发现，读书可以从物理上改造大脑结构。读书人和文盲的大脑在物理层面长得不一样——常读书的人大脑左侧会长出一个专门处理文字的“文字盒子区”，文盲根本就没这个结构。而且读什么样的书，大脑就会长出什么样的神经回路：读经典名著，它能处理复杂的叙事结构；读科学著作，它专注逻辑和因果分析；读网络爽文，它只求即时刺激和肤浅的快感。

所以，最后一招“喂料”：多读经典，多啃原著。不是读得越多越好，而是越精越妙。你需要给你的大脑配上最有分量的精神食粮。

五大突破合起来，让人脑有了“超能力”

五次突破叠加在一起，让人脑在40亿年的进化中积累下了一套前无古人的“组合拳”：从线虫那里学来了因果推理，从鱼那里学来了试错探索，从哺乳动物那里学来了未来模拟，从灵长类那里学来了心智解读，再从人类自身那里学到了语言传承。正是这一套层层嵌套的系统，让我们的大脑只需要见到三五张猫的照片，就能揪出“猫”这个物种万变不离其宗的核心特征。

这并不意味着我们可以高枕无忧。AI进化的速度远远超过生物进化——从GPT-3到GPT-4只用了一年多，而线虫到人类走过了6亿年。

但在这场比赛中，我们最大的优势不是算力，而是我们可以主动选择该往脑子里喂什么“料” 。GPT的语料库里混着莎士比亚的名著，也混着网络爽文。但人类可以选择只读经典、只吸纳精华，因为人类有价值观、有目标、有反思能力。一个会主动追问“我为什么要学这个”“我要成为什么样的人”的大脑，永远不可能被任何一个没有意识的算法替代。

总结

《智能简史》的核心就一句话：喂什么料，长什么脑。

这五个阶段从六亿年前一路走到今天，对应着五种人脑高效学习的本质路径：

因果学习——来自线虫的拿手好戏。它告诉你：真实世界的亲身体验，是搭建因果推理的根基。
试错学习——鱼的专长。拥抱适当的犯错才是人类最高效的成长捷径。
想象学习——哺乳动物的超能力。多读小说多看纪录片，给大脑堆积模拟世界的原料。
心智学习——灵长类的生存绝活。深度社交和共情能力，会诞生能看穿他人心思的神经奇迹。
语言学习——人类独有的集大成智慧。读经典读原文，筛选最高质量的语言来滋养新皮层。

下一次，当你面对一团乱麻的生活和工作难题时，不妨关掉那些毫无营养的短视频，放下让你上瘾却不再成长的手游。去翻开一本经典、去做一道苦思半晌的实验题、去跟一位智慧的长者来一场促膝长谈。喂给自己大脑的，永远是配得起这颗星球最高智能的最优质原料。