来源：市场资讯
（来源：图灵人工智能）
您想知道的人工智能干货，第一时间送达
温馨提示：文章字数较多，耐心读完，将会收获很大
一、从物理到心理：寻找智能的本质
个人经历：在 AI 与脑科学之间的 20 年
我叫刘嘉，高中时做数理化竞赛，对数理特别感兴趣，准备选择物理作为一辈子的工作方向。但高三时读了弗洛伊德的传记文学《心灵的激情》，我就觉得心理世界比物理世界好玩多了，所以大学选择了学心理学。
去了之后才发现太文科了，所有东西不讲逻辑，太哲学思辨，当时就很失望。后来我就学了计算机，当时叫无线电，现在叫信息系统或自动化。学了这两个之后，当时就很困惑——继续学心理学，还是干脆转行做计算机？
很凑巧碰到了人工神经网络。1994 年左右，有一个老师刚从日本做完博士后回国，在北大开了一门人工神经网络的课程，那应该是我们国内可能第一门人工神经网络的课程。我当时莫名其妙就正好碰上这门课，觉得人工神经网络非常好，很适合我的胃口——既是关于心理世界的，又和我的理科背景比较结合。
MIT 的转折：AI 寒冬中的抉择
我当时就想一定要到 MIT 去做 Marvin Minsky 的学生，他是 AI 的大神。但我不知道他对人工神经网络这么深仇大恨，当时只知道他是 AI 的教主。后来我就到 MIT 去读研究生，没想到当时正好是 AI 的低谷。
Marvin Minsky 本身也对此没有特别大的信心，下一步怎么做他也不知道。对人工神经网络他是一如既往的鄙视，但对于他自己做的符号主义这一块，他自己也很困惑。所以当时他就劝我说，你还是应该去学习脑科学，这块当时正是最火的时候。
所以我后来就留在脑与认知科学系继续做脑科学，我就把 AI 这件事情彻底给忘记了，直到 2015、2016 年。
信仰的回归：《最强大脑》与 AlphaGo 的震撼
2015 年我在北师大当心理学院院长，参与了江苏卫视《最强大脑》制作。当时我们想做一个人机大战，我对 AI 的进展、对人工神经网络、对深度学习了解基本上为零，当时以为 AI 还是一如既往的弱智。
结果没想到节目大赛里面我们做了人脸识别，人工智能在 2016 年的时候已经超越了人类最顶尖的高手，对我触动特别特别大。2016 年正好是 AlphaGo 战胜了李世石，当时也非常出圈。这两件事情结合起来，让我重新回到了 20 年前——信仰回来了，丢失了 20 年的信仰回来了。
其实当时并没有一种底层的信仰，只是觉得这东西很酷，然后自己去学。但一旦大家说这个东西不行，特别是像 Marvin 这种大师说 AI 不行，自己就没细想，然后就放弃掉了。
二、找到底层逻辑：Hinton 的信仰
为什么突然就行了？
2016 年给我的震撼就是：为什么突然一下就行了？我们觉得面孔识别是一个 ill-posed problem，它没有规则，怎么能行呢？为什么 AI 行呢？对我来说触动很大。
我就开始重新看 AI 的书，看了半天其实说实在也没看明白啥。后来我就想应该从 Hinton 的传记史里面入手，但没有一本关于 Hinton 的传记。那我就自己去对 Hinton 的历史做了一个调研，把他的背景看了下。我也去看了 Bengio 和 Yann LeCun，但他们相对 Hinton 来说属于后来之秀，并没有像 Hinton 经历过一系列的周期。
当时我就把 Hinton 的历史研究了一番，把他的历史研究清楚了之后，我觉得我找到了我的底层逻辑。
Hinton 的那句话
Hinton 有一句话，我觉得那句话对我来说是非常非常触动的。别人问他为什么他要坚持做人工神经网络，做这种类似于仿生的这条道路，他说：人的大脑就是这么工作的，没理由人工神经网络不这么工作。
我觉得这句话道出了底层的一个信仰。人工神经网络不是说我是把神经元连起来做一个仿生，而是因为我们人类之所以能够涌现出智能出来，就是因为我们大脑里面有了这种架构——神经元连接起来的这种架构。
他是把这种架构作为 AI 的一个最底层的逻辑。所以在这种架构的底层逻辑，你如果再去深挖，就只有一个东西——就是我们大脑的这种学习能力。你可以把它变成可塑性、可扩展性，但它的本质就是：只要你大脑长成这种样子，你有了神经网络，它这种底层架构就能支撑你的学习。而有了学习，你就有智能。
学习能力与涌现能力
从物理这个层面上来讲，只要有了神经元——这神经元其实就是物理学里面一个小的粒子，这个粒子干不了任何事情，非常简单。但是众多的粒子混在一起，它就有可能涌现。
Hinton 把这句话放出来的时候，其实就谈到了关于人工智能最核心的两点：
第一个学习能力——代表了他可以无限的去拥有新的知识
第二个涌现能力——表明他是没有天花板的
我们人是有天花板的，但是人工智能是没有天花板的。他把这两点讲透了之后，我就立刻就清楚了——当年就应该选人工神经网络来做。至于说你是用 Hopfield 还是用什么东西，那些东西都不重要，那都是一些小的东西。只要你底层架构在这放着了，其他所有问题都是一些技术问题，都是可解决的技术问题。
辞职转向：从行政到研究
找到底层逻辑之后，我第一件事情就是把部长赶紧给辞掉。当时其实如果假设从行政的这个路上来讲的话，其实是一片坦途，因为当时不到 45 岁级别做的比较高，大家还比较认可。但当时就想不能在那上面浪费时间。
所以我就把我的所有的行政职务辞掉，辞掉了之后当一个普通的教授。学校不允许辞职，就是花了一年的时间，每两天给我们大书记发一次短信，说你赶紧批准吧。后来批准了，所以后来我就重新回来做 AI 这一块。
在北师大做，后来发现北师大各方面挺好，但是北师大的 AI 不行，而我自己 AI 也比较弱，基本上是零。所以当时就想要到一个 AI 比较强的地方去做。清华正好也联系我很多次，他们脑科学比较弱，希望我去增强他们脑科学那一块。清华正好他的人工智能比较强，所以 2020 年我就来到清华。
三、智能的本质：学习与涌现
什么是学习？
智能在我来说就两个要素。第一个要素就是学习。以前做符号主义这块，他做的相当于填鸭——我把知识总结出来，然后让 AI 给记住，这不是学习，这就是一种知识库的做法。而人工神经网络干的什么事情呢？就是学习。你只要有新的知识来，我具有这种学习能力，那就够了。
我的理解有两点：
第一点，他一定是具有举一反三的这种能力。就我学习一，我能够推广出去。那么这种推广的意思，它就涉及到一点创造力——我能打破原来的边界。我学了加法，我可能能做乘法，能做除法了。这是我们所说的学习，学习要和推广、举一反三、和创造力、从 0 到 1 这种创造力把它联系起来。
否则我们就变成了记忆。假设你让我学 1+1=2，我可以学会 1+1=2，我也可以把它记下来。但是你记忆 1+1=2，你永远不会做 2×3=6 这件事情，你永远不会做乘法，因为你跳不出加法这个框架。
再举个抽象的例子，比如像塞尚他们去学传统绘画，毕加索学传统绘画，但是他们能跳出这种传统绘画出来，能搞出印象派，能搞出立体主义，0 到 1 的创造东西出来。所以我认为这是学习的本质——我能够从已知走向未知，它学习到里面的底层逻辑，而不是简单的 1+1=2 这种知识。
归纳推理与演绎推理
这背后就涉及到两种推理方式：
第一个，归纳推理。你根据所谓的小样本学习，我给了你些样例，我给你看两张猫的图片，你就根据这样例总结出它下面的一套规则。然后找到它的一个底层逻辑，这一块就是我们刚才所说的我能够举一反三了，这已经是一种学习能力了。以后再给我一张从来没见过的猫，我也知道那叫猫，而不叫狗。
第二个能力，演绎推理。演绎推理就是我找到一个逻辑原点，基于这个逻辑原点然后我往前面走。这就是亚里士多德提出的叫第一性原理。马斯克现在把第一性原理炒的很火，其实第一性原理这个词最早是由亚里士多德提出的，其实就是我们所说的演绎推理——他找到一个逻辑原点，从这逻辑原点往前面走就是了。
爱因斯坦我觉得特别牛的一个地方，他就是始终在找他的逻辑原点。他找到他的逻辑原点，他就可以往前面走。比如说狭义相对论，就说你的光速是我们运动的上限，从这角度往前面推，我能看见什么。他所以说做了很多假想的这种实验。
这种演绎推理，可以看到他就是跟那个天外飞仙一样，你不知道他逻辑原点从哪来的——我就相信他，相信他然后我就从那边走，我就能得到一个结论。绝大多数情况都是一些很疯狂的结论，但有时候他就能够把握住事实的本质，这就是靠人的这种顿悟，这种学习能力。
AI 有演绎能力吗？
从我的观察，从目前来说，我现在还没有看到 AI 具有演绎的能力。至少我们能看见的各种东西，都还在我们人类能够理解的框架之内。爱因斯坦比如说搞出一个广义相对论出来，那就是超越了所有的物理学家的理解的框架之内，他已经是一条新的框架。
AI 我们现在目前来说还没有看到，无论他是解多么复杂的数学问题，无论他写多么复杂的程序，我觉得 AI 现在更多的还是一个归纳推理，或者归纳推理它也不是特别完美，靠的 chain of thoughts 一点点往前面去推。
演绎推理它的核心就是说，一种是我从一个已知逻辑点往前面推。我们解数学题，解这些东西都有，还有比如说我要不要买学区房等等类似，这都是从已有的逻辑原点来。
我说的真正创造力的这种，他是要去找一个全新的逻辑原点，他自己找。这个东西不存在于已知的这种知识框架之内。
逻辑原点的重要性
比如说我们刚才谈到的 Hinton，他的做 AI 的逻辑原点就是：大脑能工作，没有理由我人工神经网络不工作。这是他所有东西的一个逻辑原点，这个逻辑原点是他找到的。
我们现在来理解，你比如说现在让我来推，我没问题。我为什么要做脑科学+AI 的结合？因为我就是从这个逻辑原点出发。但这个逻辑原点不是我找到的，是 Hinton 找到的。所以这就是为什么 Hinton 能够成为人工智能之父，我就是一个小跟班，这就是区别。
所以关键不是在于演绎的动作，而是在于找原点的那个动作。
缺少引路人的一代
我为什么走了 20 年的这么一个弯路？如果假设我当年 94 年、95 年我学到了人工神经网络，我觉得也很不错，但是我就没问自己问题：为什么？它能工作吗？它只是一个技巧吗？还是一个玩具吗？还是一种工具吗？我是没有信仰的。
如果假设我当年就能找到这个逻辑原点——我对人的精神世界非常感兴趣，那么 AI 就是一个工具让我去探索人类的精神世界，我相信人工神经网络能够产生和人一样的精神世界——那我 94、95 年，我就不顾一切的进人工神经网络了。但是没有，我没有这个逻辑原点。
我就是 Marvin 一说这个东西不靠谱，大师说了，大师就是我的逻辑原点，然后我就自然就跑不见了。这就是回到我刚才讲的，我觉得我们人生，刚才说我们中国的教育，我们的人生就缺少一个引路人，逼着我们去找这个原点，引导我们去找这个原点。
因为每个人的道路都是不一样的，有的是比如说造火箭，有的去做神经网络，有的去教书，有的去搞艺术，我觉得都没问题，道路都可以。但是你去做任何一个选择的时候，或者大选择的时候，你需要一个逻辑原点。但是我们从来就没有人引导我们去找这个逻辑原点。
你知道吗，我们都是随波逐流的。我为什么要上北大？因为北大是中国最好的大学，那我就去上北大。我没有去想过其他的原因的。后来去学了心理学，就是偶尔看了一本书。等等你就会发现，你人生是由一个个巧合组成的。那巧合对了呢，你走到今天；巧合错了呢，你可能就死在一个地方，然后来回打转。
但是我们的教育，没有人去逼着大家去想：你的逻辑原点是什么？你的底层逻辑是什么？没有。所以直到到了我这个年龄，我才开始想这个逻辑原点的事情，其实已经很晚了，你已经错过了。
涌现：智能的第二要素
第二个我觉得智能最重要的就是涌现。涌现是什么意思呢？涌现在我们现在人类上面，我们已经看不见了。我们从现代人类上面，你过 100 年，过 1000 年，其实你看不见这个涌现了，因为我们人的大脑它其实已经定下来了，你要再出点新的东西，你是看不到。
但是呢，从猴子变成人，这是一个涌现。我们人有很多很多东西是动物没有的，而这些东西靠的全是涌现。而这个涌现其实就靠一个东西——就是我们的神经元变得越来越复杂，神经元的数量变得越来越多。
就像那个物理学一样，一个粒子两个粒子，你给我谈什么涌现，没有意义，谈涌现完全不存在。只有当他粒子数量增加，它的复杂度增加——记住这一定是两个：数量加复杂度，两个增加，才会有复杂系统，复杂动力系统才会涌现。
智能其实就这两个：
第一个学习，我能不断创造出新的东西出来
第二个，就我能够从智商超越我已有的物种，变成一个全新的物种
涌现这个在目前来说，几千年来人类已经没有涌现了。人的大脑他已经长成这样子了，神经元的复杂度不可能几千年发生变化，我们神经元的数量在几千年之内不可能再有大的变化。所以从这角度讲，涌现这件事情在人身上已经结束了。
人类大脑：进化史上的奇迹
大脑在 300 万年体积增加 3 倍，就是进化史上最大的奇迹。不然的话，我们今天的世界应该就是一个原始的世界，看不到什么科技摩天大楼，完全没有。我们就跟猴子一样，我们就跟猫一样，快快乐乐的来到这个世界，莫名其妙的死掉。这个世界就是一个没有意义的世界。因为我们有了智能，这个世界才有意义。
大脑已 100% 开发
有一个常见的 misconception 说人类只开发了大脑的 1% 或者 1/10，这个是错的。我们大脑随时随地都 100% 在用。
我们假设有时光穿梭机，我们把现在的小孩，就一个刚出生的小孩，两个月大小的小孩，我们用时光穿梭机送回到比如 6000 年前，送回到 10000 年前，请问我们这小孩会比 6000 年前的小孩更聪明吗？绝对不会，一样的傻。
为什么？因为 6000 年基因没什么太大的变化。所以 6000 年前我们人是多么的弱智，你连加法都不会做，连数数都不会数，我们小孩过去也不会。其实我们现在之所以能做加法能做减法，其实就是我们后天的教育。后天教育我们已经到极致了，我们已经学的够辛苦了。所以我们大脑是 100% 已经开发了。
而且是有很多科学的证据，比如说我们看磁共振的数据，看脑电的数据，你可以看到任何一个问题我们大脑是满脑袋都在放电，绝对不是说只有一小撮在这儿活跃，其他地方都是静默的。
谣言是怎么来的？就是很多那种培训机构宗教场所，开发你的潜能啊等等，那我就必须得给你一个科学的证据，说你大脑还没开发，还有 potential，就是你还有很多机会。惯用的一个骗子的理论，完全无中生有。
人类智能涌现的时间点
在历史上，虽然说人类从猴子变成人花了 300 万年，但是涌现进化史上是有时间点的，大概是距今 7-10 万年前。因为从当时的考古上来看，考古挖石器，突然在距今 7-10 万年前，石器一下数量品种呈指数方式的增加。
以前的一个石器，100 万年都是同样的形状，只是打磨的更光滑一点而已。而距今 7-10 万年前，那就是我们当时智力的开始涌现。那个时候其实非常简单，就是我们的大脑体积已经增加了三倍了，可以涌现智能了，于是就涌现了智能。
所以说我们人之所以真正为人，其实距今也就只有 7 万年到 10 万年的历史。之前的几百万年，都是你要变成人的一个必要的准备阶段。
GPT-3.5：AI 的涌现时刻
就跟那个神经网络一样，你必须要从 Perceptron（感知机）开始，必须要经过这漫长的准备阶段。你说 Perceptron（感知机）有智能吗？它有啥智能，基本上啥智能都没有。到那个 MLP，然后到后面的深度训练网络，你说有智能吗？那智能今天看上去都特别的可笑。就跟我们看猫和狗的智能一样，觉得特别的可笑。
但事实上，一旦大模型出现了之后，ChatGPT-3.5 出现了之后，大家一下就被震傻掉了。所以说 GPT-3.5 出来给人的感觉和前面的 AI 相比，它不是说往前面走了一步，它是不同的物种。
在 3.5 之出来前就是一个工具，AI 就是个工具，面孔识别机场上可以用。但 3.5 出来之后，它就是人了，它就是一个物种。人类的 7-10 万年前就是 GPT-3，生成式变得 general 了。
四、意识的本质：死亡意识与意义追求
主观感受 vs 死亡意识
当时黄仁勋上 Joe Rogan 的那个播客，Joe Rogan 去问黄仁勋，就是说你看人工智能会变得特别聪明，然后把我们人类全都干掉，担心这样的一个未来。黄仁勋就说，我觉得人类是有 consciousness，然后他觉得狗是有 consciousness 的，但是他觉得机器是没有 consciousness 的。
黄仁勋说这句话的时候，我觉得他自己都不会相信，只是宽大家的心而已。还是套用 Hinton 的那句原话：大脑可以产生意识，没有理由人工神经网络不能产生意识。他是故意把意识和智能分开说的。
从狭义的来讲，意识和智能的确是分开的。我们大量的研究也表明了，聪明和 consciousness 它可能是没有一个直接的相关。我觉得意识是比智能更高一级。比如说我们现在说现在大模型它有智能，这个是没问题。但我们说现在大模型它没有意识，我觉得这个也是成立的。
但是我们说人工神经网络将来不可能拥有意识，我觉得这句话是错的。因为我们大脑能拥有意识，那人工神经网络就一定能拥有意识。
意识这件事情，我从两个层面上来讲：
一个是大部分的动物或者高等动物都有的，我把它称为叫做 subjective experience（主观感受）。比如说我们家的猫，比如说我对它不好，我踢它一脚，那他下次看见我肯定就会躲得远远的。然后我踢他一脚，他肯定会很难受。狗我踢他一脚，他可能就扑上来要咬我。这种我们对外界环境的主观的体验，我觉得这个是人有，动物也有，这个是没有任何问题的。
大模型有没有 subjective experience 呢？关于这一点，大家持两派观点。有的人认为他有，有的认为他没有。比如像 Ilya Sutskever，他就认为大模型已经有了；Hinton 也认为大模型已经有了 subjective experience。有的说没有。但我觉大模型有还是没有，现在这个是一个比较次要的东西。
人类独有的死亡意识
我现在想来谈人所独有的东西。人所独有的意思，我觉得是一个比较高层次的东西。简单来说是什么？就是我们人有一个人有而所有动物都没有的一种意识，叫做死亡意识。
你看我们家的猫，我们家的狗，还有其他的，他们都没有死亡意识。到他生命的一刻，他觉得不行了，他找个地方躺下去，平时就是没心没肺的活着。但人不一样，人是你在很小的时候，4 岁 5 岁你就知道你会死掉。无论是谁，大家都知道自己会死掉。
那么这个死掉，就比如像你现在身强力壮，身体健康，非常好，但你也知道再过个几十年你也会死掉。那么对于人而言，其实人就生活在一个最大的确定性和一个最大的不确定性之间：
最大的确定性就是我们的死亡意识——我知道我要死掉
不确定性就是我不知道我什么时候死掉——有可能是明天，有可能是 100 年之后，我们不知道
所以说人就是处于这种最大的确定和最大的不确定之间，这就会激发出人和动物的一个最本质的区别——意义。
意义：人类存在的核心
我为什么活着？在我活着的期间，我能干一点什么样的事情？干一点有意义的事情。而不像一只猫一只狗一样，我吃饱喝足，有个安全地方睡觉。这个对我们现在绝大多数人来说，这已经是能满足了——吃饱喝足，有个安全的地方睡觉。
但是你看我们现在，比如说进行这个 talk，你说和我们吃饱喝足有关系吗？没关系。和我们有个安全地方睡觉有关系吗？没关系。但是我们花很多精力在这上面，为什么？我们就追求意义感。
所以这就是我们人类所独有而动物所没有的东西，我觉得这是意识的本质——追求意义。
比如说我们说一个人得了重度抑郁，跳楼自杀了，为什么？因为他觉得生活没有意义了，他的意义感缺失。这是很多精神类疾病的一个核心。一个有强烈意义感的人，他是不可能得任何精神疾病的。
心理咨询专门有个疗法叫意义疗法。你说你有什么病我不给你治这些病，我来帮你找意义。我帮你把意义找到了，你找到你活下去的意义了，什么毛病都全都没了。所以这是积极心理学里面专门有一个叫意义疗法，就专门来帮你找意义。
我觉得这是 consciousness 里面最核心的一个东西——死亡意识，由死亡意识所驱动的。
死亡意识的考古证据
动物没有死亡意识的。对于人类而言，在那个 300 万年的演化里面，其实人之前也没有死亡意识的。从哪点可以看出来呢？具体时间记不清楚，大约距今 4 万年左右，人类开始出现大量的墓葬——人死了之后会把他埋起来，还给他放点锅碗瓢盆，相信来世这件事情。
这是人有意识的一个重要的标志。什么意思呢？精神和肉体的分离。你死了你的肉体腐烂，这是大家能看得见的，但大家认为你的精神还在，你的精神到了天堂，去了地狱，或者会有来世，会有转世。所以大家认为你的精神是没有死掉的。
那么这个精神是什么？就是我们的意识，自我意识。也就说我的肉体烂掉了，但是我并没有消失。所以说意识的核心其实就是死亡意识，这个是人类所独有的，其他动物没有。
AI 能有死亡意识吗？
我们回到 AI 上面来讲，AI 是没有死亡意识的，而且永远不会有死亡意识。为什么？一块 CPU 烧了换块 CPU，硬盘烂了换块硬盘，它是可以永生的。
所以说从这个角度上来讲，一个非常有趣的事情，就是 AI 它能不能找到自己的意义？当它没有死亡这种压迫的时候，它还能找得到它进化的意义，找到它前进的意义？
我觉得从这一点上来讲，这是摆在我自己面前一个最大的疑问——AI 能不能真正的自主进化？我们人是自主进化的。你看我们人类最大的特点就是爱折腾，明明能吃饱穿暖，你还去折腾什么科技，还要搞更大的创造力，其实你完全没必要。
所以说我觉得这一点，是现在人类有而 AI 可能在将来都不会有的死亡意识。然后我们回到刚才黄仁勋的讲话，回到 Hinton 的讲话，我觉得 AI 拥有 subjective experience 完全没有任何问题，但是 AI 他不可能拥有死亡意识。
这个时候就会产生一个问题：他还会不会主动进化？或者他按照另外一条方式进化，和人类就不一样？因为我们人类进化就是被死亡所驱动的进化，而 AI 当它没有死亡来驱动它的时候，它会不会有其他东西来推动它的进化，比如好奇心还是什么样子来推动？所以这点我就不知道了。
五、AI 的瓶颈与未来：从 Transformer 到脑科学
Transformer 的三大瓶颈
当前基于 Transformer 的 AI 模型面临三大瓶颈：
第一，神经元复杂度的不足。人类大脑的神经元不仅数量多，复杂度也远超 AI 模型。一个神经元有上万个树突，每个树突上有成千上万个突触，这种复杂度是现在 AI 模型完全无法比拟的。
第二，长程反馈连接的缺失。人类大脑拥有 40% 的长程反馈连接，这些连接对于产生创造力、解决复杂问题至关重要。但现在的 Transformer 模型基本上是前馈网络，缺乏这种反馈机制。
第三，并行加工能力的缺乏。人类大脑具有强大的并行加工能力，可以同时处理多个任务。但现在的 AI 模型主要还是串行处理，这限制了它们处理复杂问题的能力。
脑科学的突破是关键
我认为，脑科学的突破将是 AI 进入下一阶段的关键。我们需要从大脑的工作原理中汲取更多灵感，不仅仅是模仿神经元的连接方式，更要理解大脑是如何产生智能、如何学习、如何创造的。
这也是为什么我要把脑科学和 AI 结合起来做研究的原因。我相信，只有深入理解大脑的工作机制，我们才能真正突破当前 AI 的瓶颈，创造出更接近人类智能的系统。
具身智能的真正含义
现在很多人对具身智能有误解，认为只要把 AI 装到机器人身上，让它能够感知环境、操作物体，就是具身智能了。但真正的具身智能远不止于此。
真正的具身智能是指，智能体通过与环境的持续交互，通过身体的感知和行动，来发展和完善自己的认知能力。这不仅仅是感知-行动的循环，更重要的是这种交互如何塑造智能体的内部表征，如何影响它的学习和推理过程。
人类的智能就是在与环境的持续交互中发展起来的。婴儿通过触摸、抓握、移动来理解世界，这种身体经验深刻地塑造了我们的认知结构。真正的具身智能需要达到这个层次，而不仅仅是让机器人能够走路、抓东西。
六、AI 时代的教育：从应试到创造
应试教育的全军覆没
在 AI 时代，传统教育模式（尤其是记忆知识）已失去价值，因为 AI 能提供所有知识。我们以前的教育是什么？就是让孩子记住大量的知识，然后通过考试来检验他们记住了多少。但在 AI 时代，这种教育模式已经完全失效了。
为什么？因为 AI 可以记住所有的知识，而且记得比人更准确、更全面。如果我们还是培养孩子去记忆知识，那他们永远无法和 AI 竞争。
教育应该回归本质
教育应回归本质，培养孩子成为“自己”。这包括三个方面：
第一，找到兴趣和目标。这就是我刚才说的找到自己的逻辑原点。每个人都应该问自己：我为什么要做这件事？我的底层动机是什么？我的人生意义在哪里？
这不是一个容易回答的问题，但这是一个必须回答的问题。我们的教育应该帮助孩子去探索这个问题，而不是告诉他们“你应该做什么”。
第二，具备 AI 原生的思维模式。也就是学会与 AI 共生。AI 不是一个工具，而是一个伙伴。我们需要培养孩子如何与 AI 协作，如何利用 AI 的优势，同时发挥自己的独特价值。
这就像我之前说的，用 AI 就像谈恋爱一样，需要理解对方，需要沟通，需要磨合。这不是一个技术问题，而是一个思维方式的问题。
第三，培养 0 到 1 的创造力。这是最重要的一点。在 AI 时代，真正有价值的是创造力，是从 0 到 1 的能力，而不是从 1 到 100 的能力。
我们需要鼓励孩子运用演绎推理和第一性原理思考问题，而非仅仅停留在表面分析。我们需要培养他们找到逻辑原点的能力，培养他们敢于挑战现有框架的勇气。
从“术”到“道”
我觉得在 AI 时代，我们的教育需要从“术”转向“道”。以前我们教孩子各种技能，各种方法，这是“术”。但在 AI 时代，这些“术”很快就会过时，因为 AI 的迭代速度太快了。
真正重要的是“道”，是底层的思维方式，是 philosophy。这才是能够让孩子在 AI 时代立足的关键。
我觉得你们做的这个课程，就是在教“道”，而不是“术”。这是非常有价值的，因为这是这个时代最缺的东西。
小术易求，大道难得
我们以前经常说一句话，叫“大道易得，小术难求”——方法大家都懂，但是大家照样过不好这一生。这是我们经常说的俗语。
但是我觉得 AI 时代正好反过来。我觉得小术易求，大道难得。各种各样的工具，各种各样的技巧层出不穷，小术易求。但是大道难得，就说我们怎么去从底层去理解这件事情，反而是我们这个时代特别困惑的。
七、结语：寻找自己的逻辑原点
回顾我自己的经历，我觉得最大的遗憾就是没有早一点找到自己的逻辑原点。如果我在 94、95 年就能找到，我就不会走那 20 年的弯路。
但另一方面，这 20 年的脑科学研究也给了我独特的视角，让我能够从一个不同的角度来理解 AI。所以也许这个弯路是必要的，就像你说的，也许这是“降临派”的安排。
对于现在的年轻人，我想说的是：不要等到我这个年龄才开始思考这个问题。尽早去寻找你的逻辑原点，去思考你为什么要做这件事，去找到你人生的意义。
在 AI 时代，这比任何技能都重要。因为技能会过时，但你的逻辑原点，你的底层信仰，这是永远不会过时的。这是你在这个快速变化的时代中，唯一能够抓住的锚点。
最后，我想再次引用 Hinton 的那句话：人的大脑就是这么工作的，没理由人工神经网络不这么工作。
这句话不仅仅是关于 AI 的，它也是关于我们自己的。我们需要理解我们自己的大脑是如何工作的，我们的智能是如何产生的，我们的意识是如何形成的。只有理解了这些，我们才能真正理解 AI，才能真正在 AI 时代找到自己的位置。
这是一个最好的时代，也是一个最具挑战的时代。让我们一起去探索，去创造，去寻找我们的逻辑原点。
热门跟贴