怎么把“说不清楚”的灵感变成连AI都能执行的指令？

摘要：怎么把“说不清楚”的灵感变成连AI都能执行的指令？如何用小时候“抄作业”的套路，让AI替你试错？怎样让AI给出的结果不用反复的优化？读了这本新书《心智的10大模型》之后，终于悟了！原来用不好AI的人，并非缺乏使用工具的能力，而是缺少对人类大脑的认知深度。因为越

夜读 vol.337

CHEERS BOOKS

- 选本好书，让生活松弛有度

怎么把“说不清楚”的灵感变成连AI都能执行的指令？如何用小时候“抄作业”的套路，让AI替你试错？怎样让AI给出的结果不用反复的优化？读了这本新书《心智的10大模型》之后，终于悟了！原来用不好AI的人，并非缺乏使用工具的能力，而是缺少对人类大脑的认知深度。因为越高阶的人工智能，模仿生物大脑就越厉害！也正因此，当我们理解大脑如何处理信息、完成决策优化、创造新知，才能真正将AI从替代性工具转化为思维延伸的“第二大脑”。这是一本很有雄心的书！让每个读完这10个模型的人，都能理解如此庞大复杂的大脑运行机制。

本文摘录自《心智的10大模型》

】【‘

点击书封，立即入手

如何再造一个硅基大脑？

——洪波

清华大学为先书院院长、生物医学工程学院教授

当今人类的生产生活已经被人工智能的浪潮裹挟，这不是第一次，也不会是最后一次。有智能行为的东西，很容易触动人类内心的好奇和同情。人们喜欢和自己养的猫狗互动，跟我们喜欢和GPT“胡乱”聊天，喜欢看机器狗摔倒爬起，其实是一样的心理。

这种心理的背后深层次的原因，是人类总是试图认识自身的思维和行为，从心理行为层面，从生理机制层面，甚至是从计算机制层面。如果从计算机制层面搞清楚了，那再造一个硅基大脑就有希望了。

物理学家费曼说过：“我造不出来的东西，我就还没理解。”（What I cannot create, I do not understand.）反之，如果我们还没有理解，当然也就造不出来。要造出一个硅基大脑，使它像生物大脑一样有感知、有记忆、有决策、有行动，我们必须努力观察和发现生物大脑运行的机制，并把它们构建成数学模型，感知、记忆、决策和行动才能在硅基的计算机中复现。

这是一本很有雄心的书，作者林赛试图用10个数学模型来回答“生物大脑的计算机制究竟是什么”。

这也是一本安静的书，不适合那些想从脑科学中“淘金”，拿去人工智能领域“变现”的匆匆过客。如果你稍有一点耐心，坐下来一两小时，试着读一章，你就会被其中有趣而深刻的故事所吸引，一定会在某个地方受到震撼，得到启发。不要担心数学模型的深奥，正文里没有一个公式，即使是附录里的公式也是极其克制而简洁的。

疫情防控期间，偶然的机会读了本书的英文版Models of the Mind，立刻被作者试图用10大数学模型总结大脑运行机制的雄心所打动。作者还用讲故事的方式，介绍了这些数学模型背后的科学家以及他们之间的互动，硬核模型背后又平添了人性的温度。湛庐能选中这本书翻译出版，对那些试图理解智能本质的人们是一件幸事。

你尽可以把它当作一本大脑建模的“旅游攻略”，在其中走一遍会大开眼界，最重要的是，下次你想去哪个模型景点“深度游”的时候，就有了一张系统的文献地图和人物关系图。作者显然是计算神经科学领域的“资深旅行者”，对过去一个世纪脑科学和大脑建模的历史了解得很通透。

这个星球上有两种智能：生物智能和机器智能。生物智能是从自然界亿万年的生物进化中涌现出来的，是生命体为了自身生存，不断摄取环境中的物质和能量，自下而上自监督“训练”出来的，简单讲是靠投喂“物质”和“能量”得到的生物体内“活的”碳基的神经结构；机器智能是人类受到生物智能，特别是人类自身智能行为的启发，自上而下设计出来的，需要人为设定目标并监督“训练”。

在当前阶段，机器智能主要靠人为提供的计算体系和海量数据，简单讲是靠投喂“信息”得到的计算机里“无生命”的硅基神经网络。这两者的差别是不言而喻的，我深信前者更加优雅，背后的数学模型也更加简洁。

我们通常高估了人类顶层设计的智慧，低估了自然进化的智慧。我们也一定高估了人工智能发展的快变量——算力和数据，低估了人工智能颠覆性发展的慢变量——自然界放在我们眼前的生物智能结构。“朝菌不知晦朔，蟪蛄不知春秋”，在自然进化的生物智能面前，人类就是“朝菌”和“蟪蛄”。

这本书提醒我们，其实今天如日中天的人工智能就是在努力模仿生物神经网络的核心结构和动态规律，只是人工智能的快速迭代，模糊了背后的神经科学背景。

书中的10个模型可以分为两类：一类是功能输出型的大脑模型，这类模型对人工神经网络和人工智能的发展起到了非常直接的推动作用；另一类是数学抽象型的大脑模型，为脑科学研究提供了信息论、系统论与概率论的分析视角和工具。我重点提一下7个经典的功能输出型的大脑模型，它们在过去70年人工智能的发展历程中发挥了关键性的作用。