在聊這本書之前，想和你們分享這本書的作者：

麥克斯·班尼特（Max Bennett） ，這位老兄的履歷，簡直像科幻片里走出來的“科學企業家”雙修人設。他干過兩件特酷的事：

1. 創業實戰派： 25歲就聯合創辦了AI營銷公司Bluecore，用算法預測消費者會買啥。這家公司多次入選“全美增長最快企業500強”，估值超10億美元 后來又創立Alby，專注幫企業把大語言模型整合進網站，打造智能導購系統 簡單說，你網購時那些“猜你喜歡”，背后可能就是他的技術。

2. 跨界研究狂： 經濟學和數學雙學位出身，卻跑去研究古生物神經結構，在權威期刊發論文時因為太困惑“為什么AI能下贏圍棋冠軍，卻擺不好洗碗機餐具？”，他翻遍5億年動物進化史找答案，硬生生把自己逼成了進化神經科學專家

今天的人工智能，能寫莎士比亞風格的詩、擊敗國際象棋大師、通過司法考試，卻在擺洗碗機餐具這類“簡單任務”上笨手笨腳。

這種矛盾背后，是當前AI發展的核心弊端：它跳過了生物演化的漫長試錯，直接復刻人類智能的“結果”，卻缺失了進化中層層遞進的底層能力。

在《智能簡史》中給出了驚人答案：人腦的10億年進化史，藏著AI突破的關鍵密碼。而這本書對職場人的啟發，或許比技術本身更值得深思。

(選填) 圖片描述

1. 轉向（6億年前）：線蟲的自動駕駛邏輯

線蟲沒有眼睛，卻能靠嗅覺梯度畫圈逼近食物。它的神經回路只有兩條硬編碼規則：

“氣味變濃→直行；氣味變淡→轉向”。 職場：就像新人憑KPI導航工作（如“點擊率升→繼續；投訴增→調整”），但機械執行無法應對復雜場景。

脊椎動物進化出“基底神經節”，多巴胺像“行為評分器”，通過即時反饋讓動物記住“什么該做/不該做”。例如：

正確行為：小狗抬起爪子→你立刻給它肉干（獎勵）→小狗大腦釋放多巴胺↑→它記住“抬爪=快樂”錯誤行為：小狗亂咬沙發→你輕拍它鼻子說“不行”（懲罰）→多巴胺分泌受抑制↓→它學會“咬沙發=不快樂”

人類靠多巴胺+社會經驗預判長期收益，而AI只能依賴工程師設定的延遲且片面的獎勵函數，導致動力不足，比如電商客服的例子：

(選填) 圖片描述

3. 模擬（1億年前）：小鼠的腦內預演

侏羅紀的小型哺乳動物為躲避恐龍，進化出新皮質，能暫停行動、腦內預演逃生路線。

數據對比：人類做決策前平均模擬3-5種可能結果，而ChatGPT的答案僅依賴統計概率，無法真正設想未來。

4. 心智建模（3000萬年前）：黑猩猩的宮斗權謀

靈長類動物為爭奪族群地位，發展出心智理論——推測同類意圖、結盟或欺騙。

實驗：黑猩猩會故意誤導競爭者藏食位置。

AI盲區：當前AI無法理解“老板說‘再想想’=不滿意”，無法去挖掘話里有話

語言不僅是溝通工具，更是知識壓縮與傳承的載體。班尼特指出關鍵：

人類嬰兒通過“咿呀對話”重構大腦神經連接，而LLMs（大語言模型）僅統計詞頻關聯 這里可以參考：GPT-4能寫法律文書，卻不懂正義的溫度；職場新人背熟話術，仍難處理客戶情緒沖突

項目啟動前，模擬最差情景（如“若供應商違約，B方案是什么？”），減少試錯成本

2. 修煉“靈長類心智建模”力

心智建模，也就是聽懂人話。這有點像和女生談戀愛，【嘴里說不要，其實心里要得不要不要的】。特別是東方人說話比較委婉，我們要去分析語言背后藏著的心理訴求，這樣才能在生活、工作上游刃有余。

3. 避免AI式災難性遺忘

建立個人知識庫，讓經驗像生物神經網般持續生長。

4. 激活語言背后的神經重構

人類語言依賴神經可塑性重塑大腦，ChatGPT只是模式匹配。與其背模板，不如用費曼學習法（向他人復述概念），也是培養你的學習力，逼迫大腦深度重構知識。

當然，你也不要太焦慮。班尼特曾說過，大腦是40億年宇宙打造的產品。它的每一層進化，都是應對混沌世界的生存策略。理解它，方能駕馭AI，而非被算法取代。

我是@二狗和奶牛，感謝你的閱讀。