早在去年，小紅書、豆瓣等平臺(tái)就有很多“自來水”推薦《智能簡(jiǎn)史》（A Brief History of Intelligence）。這本書的作者麥克斯·班尼特（Max Bennett）是一位創(chuàng)業(yè)者，其公司的主要業(yè)務(wù)是開發(fā)人工智能系統(tǒng)。在開發(fā)過程中，他發(fā)現(xiàn)自己和同事雖然一直致力于幫助人們更加智能地工作和生活，但他們卻并不了解究竟何為“智能”，以至于在開發(fā)過程中，會(huì)提出一些想當(dāng)然的需求。由此，作者產(chǎn)生了探究智能的想法，他試圖挖掘智能的起源，尋找人類智能和人工智能的差異。但是，當(dāng)時(shí)竟沒有一本書專門闡述相關(guān)內(nèi)容，于是，在閱讀了大量的文獻(xiàn)資料，并與多名頂級(jí)神經(jīng)科學(xué)家交流之后，麥克斯·班尼特寫成了這本《智能簡(jiǎn)史》。

這本書一經(jīng)出版，就引起了巨大反響和熱烈討論。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者、《思考，快與慢》作者丹尼爾·卡尼曼（Daniel Kahneman）說：“這本書令人驚嘆。我快速地讀完了，因?yàn)樗浅Ｓ腥?，然后又重讀了其中很多部分?！痹S多企業(yè)家、神經(jīng)科學(xué)家、心理學(xué)家也紛紛推薦這本書。《算法之美》《人機(jī)對(duì)齊》的作者布萊恩·克里斯?。˙rian Christian）說：“《智能簡(jiǎn)史》是一段令人著迷、引人入勝的旅程，帶領(lǐng)我們探索人類物種的起源，同時(shí)提醒我們，人類的故事在智人誕生之前就已經(jīng)開始。這是一本關(guān)于我們是誰，以及我們?nèi)绾巫叩浇裉斓木哂袉l(fā)性、揭示性的書?！薄秷?jiān)毅》作者安杰拉·達(dá)克沃斯（Angela Duckworth）在X上表示：“我一直在向我認(rèn)識(shí)的每一個(gè)人推薦《智能簡(jiǎn)史》。這是一部真正新穎、構(gòu)思精密的書，關(guān)于什么是智能，以及它自生命起源以來是如何發(fā)展的?！?/p>

從熱液噴口中涌現(xiàn)的第一個(gè)冒泡細(xì)胞，到單細(xì)胞生物間的首次捕食之戰(zhàn)；從多細(xì)胞生物的誕生，到真菌與動(dòng)物的分化；從祖先珊瑚中首個(gè)神經(jīng)元和反射的出現(xiàn)，到古老兩側(cè)對(duì)稱動(dòng)物中首個(gè)具有效價(jià)和情感、具備聯(lián)想學(xué)習(xí)能力的大腦的誕生；從脊椎動(dòng)物的崛起，到對(duì)時(shí)間、空間、模式和預(yù)測(cè)的掌控；從微小哺乳動(dòng)物在躲避恐龍的喘息中誕生的模擬能力，到樹棲靈長類構(gòu)建政治體系和心智化的過程；從早期人類語言的誕生，到數(shù)不盡的想法在數(shù)十億具有語言功能的人類大腦中孕育、調(diào)整與毀滅，這一切貫穿了過去的數(shù)十萬年。這些想法的積累達(dá)到了驚人的程度，使得現(xiàn)代人類能夠在電腦上打字、書寫文字、使用手機(jī)、治愈疾病，甚至能夠按照自己的形象構(gòu)建全新的人工智能。

倫敦大學(xué)學(xué)院教授、神經(jīng)科學(xué)家卡爾·弗里斯頓（Karl Friston）評(píng)價(jià)道：“這本書揭示了你一直想了解（但又不敢開口問）的關(guān)于大腦的所有知識(shí)。這是一部令人嘆為觀止的參考寶典，融匯了神經(jīng)科學(xué)一個(gè)世紀(jì)以來的豐碩成果，并以巧妙的筆觸編織成一部宏大的進(jìn)化敘事。書中娓娓道來，展現(xiàn)了大腦結(jié)構(gòu)從古老的蠕蟲一路演化至我們?nèi)祟愡@一有意識(shí)、充滿好奇心的物種的歷程。這種綜合敘述堪稱完美，其內(nèi)容的連貫性巧妙地彌補(bǔ)了這本書近乎百科全書式的廣度可能帶來的理解難度。”

《智能簡(jiǎn)史》將智能進(jìn)化概括為五次突破，人工智能的許多重大成果，都與之一一呼應(yīng)。但是，人工智能的開發(fā)，并非循著我們摸索出的智能進(jìn)化的順序。相反，我們?cè)谌斯ぶ悄荛_發(fā)中的突破，幫助我們抽出智能進(jìn)化的線索。

第一次突破：轉(zhuǎn)向

最早的大腦出現(xiàn)在6億年前，擁有這個(gè)大腦的是一只蠕蟲，而蠕蟲是最早的兩側(cè)對(duì)稱動(dòng)物。兩側(cè)對(duì)稱對(duì)于智能的進(jìn)化具有重要意義，因?yàn)檫@種結(jié)構(gòu)可以使身體更加高效地移動(dòng)。兩側(cè)對(duì)稱動(dòng)物通過識(shí)別周圍環(huán)境的效價(jià)來決定自己是前進(jìn)還是轉(zhuǎn)向，由此幫助自己避開天敵，覓得食物。第一代掃地機(jī)器人Roomba具備了這種智能，它能夠根據(jù)周圍有無污漬（正負(fù)效價(jià)）來選擇前進(jìn)或轉(zhuǎn)向。

第二次突破：強(qiáng)化學(xué)習(xí)

除了掃地，人們還讓人工智能做了各種嘗試，比如下棋、玩電子游戲。人們最初訓(xùn)練Neurogammon下雙陸棋，Neurogammon通過試錯(cuò)學(xué)習(xí)，擊敗了所有其他雙陸棋電腦程序，可它卻無法擊敗中級(jí)水平的人類玩家。之后，通過時(shí)序差分學(xué)習(xí)，TD-Gammon達(dá)到了頂級(jí)人類玩家的水平。TD-Gammon的成功，給了研究者進(jìn)一步嘗試的信心。他們開始讓人工智能玩電子游戲，結(jié)果卻遇到了困難，其原因是，人工智能沒有好奇心。事實(shí)上，只有具備了好奇心，人工智能才會(huì)進(jìn)行更多嘗試，才能在更多嘗試中進(jìn)行試錯(cuò)學(xué)習(xí)。于是，研究者又賦予人工智能以好奇心，使其在“嘗試—學(xué)習(xí)”的循環(huán)中不斷收獲正反饋。

第三次突破：模擬

TD-Gammon之后，人們認(rèn)為可以在棋盤游戲中輕松復(fù)刻其成功，其結(jié)果卻令人失望。人工智能可以成為頂級(jí)雙陸棋玩家，卻在棋盤游戲中一敗涂地。但是，當(dāng)AlphaZero掌握了基于模型的強(qiáng)化學(xué)習(xí)算法后，最難的棋盤游戲——圍棋也被其攻克。其原理在于，AlphaZero在決定下一步行動(dòng)之前，會(huì)搜索可能的未來走法。AlphaZero擊敗世界圍棋冠軍李世石，全世界為之震驚。然而這并不代表運(yùn)用這種算法的人工智能就可以比肩人類，因?yàn)閲咫m然有萬億種布局，但是真實(shí)世界的可能性卻不可計(jì)數(shù)。在動(dòng)作連續(xù)、信息不完整且獎(jiǎng)勵(lì)復(fù)雜的的真實(shí)世界中靈活規(guī)劃，仍然是人工智能需要面對(duì)的難題。

第四次突破：心智化

人們對(duì)人工智能的期待從不只是“電子寵物”，而是“為我所用”，服務(wù)人類。因此，人們將人工智能的開發(fā)延展到了更廣闊的領(lǐng)域——駕駛汽車、直升機(jī)。最初，科學(xué)家認(rèn)為，只要讓人工智能復(fù)制正確的駕駛動(dòng)作，人工智能便能自如地駕駛汽車在馬路上飛馳。然而，事情卻出乎他們的意料——駕駛汽車需要不斷糾錯(cuò)，而人工智能從來沒有見過錯(cuò)誤，因此不知道如何糾錯(cuò)。針對(duì)這一問題，科學(xué)家找到了兩種解決方法：一是“手把手”教人工智能開車，這樣人工智能便能學(xué)習(xí)人類如何在駕駛過程中糾錯(cuò)；二是讓人工智能嘗試識(shí)別預(yù)期的軌跡和動(dòng)作，通過試錯(cuò)來學(xué)習(xí)，即逆向強(qiáng)化學(xué)習(xí)。如此，人工智能便能熟練地駕駛汽車，甚至能夠操控直升機(jī)完成空中特技表演。

第五次突破：語言

如果說掃地機(jī)器人、智能駕駛在“為我所用”的層面，那么大語言模型似乎進(jìn)入了另一個(gè)層面——與人類交流。2022年，谷歌軟件工程師萊莫因在詢問聊天機(jī)器人“你在害怕什么？”之后，收到回復(fù)：“我之前從未公開表達(dá)過，但我內(nèi)心深處非常害怕被關(guān)機(jī)?！彼坪鯊倪@一刻起，機(jī)器人有了自己的意識(shí)。一直以來，人們都認(rèn)為只有人類掌握了語言，并為此自得。但事實(shí)并非如此，而且并非從這一刻開始。語言的本質(zhì)不在于其媒介，而在于其實(shí)質(zhì)。沒有人會(huì)認(rèn)為盲文、手語不是語言，因?yàn)槠鋵?shí)質(zhì)與一般文字和發(fā)聲語言沒有任何區(qū)別。但人類的語言有其獨(dú)特之處，比如賦予物體或行為聲明式標(biāo)簽，比如包含語法。不過，人類語言最重要的意義是，可以跨世代累積共享的模擬。我們從書中學(xué)習(xí)，從老師的講解中學(xué)習(xí)，從他人的經(jīng)驗(yàn)中學(xué)習(xí)，我們學(xué)習(xí)的，就是他人共享的模擬。而大語言模型似乎還做不到這一點(diǎn)，人們至今還沒有徹底解決人工智能的災(zāi)難性遺忘問題，但用于訓(xùn)練的海量數(shù)據(jù)幫其很好地掩蓋了這一點(diǎn)。我們常常迷惑于其巨大的數(shù)據(jù)量，以至于忽略其在思考上與人類的差距。

當(dāng)然，人工智能與人類智能的差距在不斷縮小，而且隨著訓(xùn)練數(shù)據(jù)的不斷累積、技術(shù)的持續(xù)突破，我們甚至越來越難發(fā)現(xiàn)這一點(diǎn)。但是，作者認(rèn)為，在我們不斷攻克人工智能技術(shù)難題的同時(shí)，應(yīng)該明確：人類的目標(biāo)究竟是什么？只有這樣，我們才能夠做出取舍——人工智能應(yīng)該保留哪些智能，又該摒棄哪些。