怎么把“說不清楚”的靈感變成連AI都能執行的指令？如何用小時候“抄作業”的套路，讓AI替你試錯？怎樣讓AI給出的結果不用反復的優化？讀了這本新書《心智的10大模型》之后，終于悟了！原來用不好AI的人，并非缺乏使用工具的能力，而是缺少對人類大腦的認知深度。因為越高階的人工智能，模仿生物大腦就越厲害！也正因此，當我們理解大腦如何處理信息、完成決策優化、創造新知，才能真正將AI從替代性工具轉化為思維延伸的“第二大腦”。這是一本很有雄心的書！讓每個讀完這10個模型的人，都能理解如此龐大復雜的大腦運行機制。

本文摘錄自《心智的10大模型》

如何再造一個硅基大腦？

——洪波

清華大學為先書院院長、生物醫學工程學院教授

當今人類的生產生活已經被人工智能的浪潮裹挾，這不是第一次，也不會是最后一次。有智能行為的東西，很容易觸動人類內心的好奇和同情。人們喜歡和自己養的貓狗互動，跟我們喜歡和GPT“胡亂”聊天，喜歡看機器狗摔倒爬起，其實是一樣的心理。

這種心理的背后深層次的原因，是人類總是試圖認識自身的思維和行為，從心理行為層面，從生理機制層面，甚至是從計算機制層面。如果從計算機制層面搞清楚了，那再造一個硅基大腦就有希望了。

物理學家費曼說過：“我造不出來的東西，我就還沒理解。”（What I cannot create, I do not understand.）反之，如果我們還沒有理解，當然也就造不出來。要造出一個硅基大腦，使它像生物大腦一樣有感知、有記憶、有決策、有行動，我們必須努力觀察和發現生物大腦運行的機制，并把它們構建成數學模型，感知、記憶、決策和行動才能在硅基的計算機中復現。

這是一本很有雄心的書，作者林賽試圖用10個數學模型來回答“生物大腦的計算機制究竟是什么”。

這也是一本安靜的書，不適合那些想從腦科學中“淘金”，拿去人工智能領域“變現”的匆匆過客。如果你稍有一點耐心，坐下來一兩小時，試著讀一章，你就會被其中有趣而深刻的故事所吸引，一定會在某個地方受到震撼，得到啟發。不要擔心數學模型的深奧，正文里沒有一個公式，即使是附錄里的公式也是極其克制而簡潔的。

疫情防控期間，偶然的機會讀了本書的英文版Models of the Mind，立刻被作者試圖用10大數學模型總結大腦運行機制的雄心所打動。作者還用講故事的方式，介紹了這些數學模型背后的科學家以及他們之間的互動，硬核模型背后又平添了人性的溫度。湛廬能選中這本書翻譯出版，對那些試圖理解智能本質的人們是一件幸事。

你盡可以把它當作一本大腦建模的“旅游攻略”，在其中走一遍會大開眼界，最重要的是，下次你想去哪個模型景點“深度游”的時候，就有了一張系統的文獻地圖和人物關系圖。作者顯然是計算神經科學領域的“資深旅行者”，對過去一個世紀腦科學和大腦建模的歷史了解得很通透。

這個星球上有兩種智能：生物智能和機器智能。生物智能是從自然界億萬年的生物進化中涌現出來的，是生命體為了自身生存，不斷攝取環境中的物質和能量，自下而上自監督“訓練”出來的，簡單講是靠投喂“物質”和“能量”得到的生物體內“活的”碳基的神經結構；機器智能是人類受到生物智能，特別是人類自身智能行為的啟發，自上而下設計出來的，需要人為設定目標并監督“訓練”。

在當前階段，機器智能主要靠人為提供的計算體系和海量數據，簡單講是靠投喂“信息”得到的計算機里“無生命”的硅基神經網絡。這兩者的差別是不言而喻的，我深信前者更加優雅，背后的數學模型也更加簡潔。

我們通常高估了人類頂層設計的智慧，低估了自然進化的智慧。我們也一定高估了人工智能發展的快變量——算力和數據，低估了人工智能顛覆性發展的慢變量——自然界放在我們眼前的生物智能結構。“朝菌不知晦朔，蟪蛄不知春秋”，在自然進化的生物智能面前，人類就是“朝菌”和“蟪蛄”。

這本書提醒我們，其實今天如日中天的人工智能就是在努力模仿生物神經網絡的核心結構和動態規律，只是人工智能的快速迭代，模糊了背后的神經科學背景。

書中的10個模型可以分為兩類：一類是功能輸出型的大腦模型，這類模型對人工神經網絡和人工智能的發展起到了非常直接的推動作用；另一類是數學抽象型的大腦模型，為腦科學研究提供了信息論、系統論與概率論的分析視角和工具。我重點提一下7個經典的功能輸出型的大腦模型，它們在過去70年人工智能的發展歷程中發揮了關鍵性的作用。