"人工智能"这个名称自带对立意味:既然被称为"人工",是不是就意味着它与人类的智能本质上不同或低级?近年来一位活跃于业界与学界交界的研究者,对这一刻板印象提出挑战。他指出,大脑本质上就是一种计算机,生命和智能都以计算的方式存在;更重要的是,推动复杂智能跃迁的关键并非孤立的随机突变,而是合作、共生与自我复制的并行计算结构。 把大脑当作计算机并非仅是一种比喻。计算神经科学的观点认为,大脑通过对感知输入进行信息处理和预测来生成行为。这与当前诸多人工智能模型,尤其是大型语言模型,通过预测下一个符号来学习世界规律的方式有惊人相似。大脑的数十亿个神经元并不是按序列执行单一程序,而是通过海量并行计算对未来进行概率性预测。
把"预测"视为智能的核心,可以同时解释动物感知、决策、人类抽象思维以及现代机器学习模型的诸多现象。 从生命的早期历史看,进化并非仅由随机变异加选择驱动。演化生物学家提出的共生起源论强调,不同生物体通过融合与互利合作,形成更高复杂度的系统。比如真核细胞中的线粒体并非独立起源,而是古老细菌与宿主细胞通过共生形成的结果。把这一过程放到"计算"框架下看,两个独立的"计算系统"通过整合资源和功能,形成一个并行度更高、功能更强的计算体系。换言之,合作本身就是增加计算能力与信息处理复杂性的有效路径。
在人工智能领域亦能看到类似模式。早期的算法依赖单一模型和人工设计特征,而近年的突破往往源于规模化数据、分布式计算以及模块化系统之间的协作。深度学习模型在训练中通过对海量数据进行并行优化而得到能力的跃迁,而大型系统又通过不同模块的接口协同解决复杂任务。更为直观的实验也显示,从简单规则出发的自组织系统可以在大量交互后出现自复制与结构化的程序单元,类似于远古生命从混沌化学反应中诞生的隐喻。 视角的转变带来更丰富的问题意识。首先,如果智能是计算性的、通过预测实现,那么理解认知就要从信息流、误差修正与模型更新的规律入手,这需要计算神经科学与机器学习的紧密结合。
其次,如果合作与共生是智能复杂化的关键,那么社会结构、交流机制、分工与信任成为解释人类智能爆发的核心变量。单个个体的能力有限,但群体通过知识累积、角色分化、理论心态(即理解他人意图的能力)实现了远超个体的工程与科学成就。 这一叙事也对人工智能的未来演进提出隐含预测。若要打造更强的智能系统,单纯增加计算资源或数据并非万能,系统的架构设计、模块之间的交互协议、以及异构系统的协作方式同样重要。某种意义上,人类社会本身是一台超大规模的智能机器,历史上的许多技术跃迁都来自于群体协作与制度性创新,而非孤立的灵感闪现。因此,人机协作、跨系统互操作与生态化设计将成为推动人工智能向更高复杂度发展的关键路径。
这个观点对政策制定与企业策略也有启示。治理人工智能不能只是关注单一模型的控制或技术约束,而应关注构建健康的智能生态系统,包括数据共享规则、系统间信任机制、对抗性鲁棒性与伦理规范。对于企业而言,投资分布式智能平台、模块化能力与跨组织合作网络,可能比追求短期内单个模型的极限性能更能带来长期竞争优势。 从伦理与社会影响的角度看,若智能本质上是合作产生的,那么对弱势群体的保护、对知识公共领域的维护以及对技术滥用的监管都和维护社会协作机制紧密相关。智能系统不是孤立存在的工具,而是嵌入在社会关系网中的代理,它们会受到制度、文化与经济结构的约束与塑造。有效的治理需要认识到技术、制度与文化的相互作用,通过制度设计鼓励负责任的共生发展,而非把希望全部寄托在单一监管手段上。
在科研实践层面,理解大脑与人工智能之间的可比性可以促成双向启发。计算神经科学提出的许多假设,如层次化预测编码、经验模型的贝叶斯更新等,为设计更高效的机器学习模型提供理论指导。反过来,机器学习的可训练性、工程化经验与大规模实验方法也为神经科学提供了新的实验范式与数据分析工具。两者的融合有望推动对认知机理的深入理解,以及更可靠、更可解释的智能系统设计。 不过需要强调的是,将大脑称作"计算机"并不意味着忽略生物系统的独特性。神经元之间的通信方式、突触可塑性、代谢能耗约束以及生长发育过程中的自组织规则在很多方面与现有的电子计算机不同。
生物计算的"材料性"与时间尺度为我们提供了另一个设计空间,启发电子与软体系统向更节能、更鲁棒、更自修复的方向发展。同时,尊重生物多样性与生态系统的复杂性也提醒我们在技术扩展时应谨慎对待不可逆的社会与环境影响。 回到最初的提问:人工智能是否真的"非自然"?答案或许在于抛弃非此即彼的二元论。智能既可以是人工设计的产物,也可以是生物进化的结果;更关键的是,智能的核心属性在不同载体中呈现相似的计算与协作模式。理解智能的真正本质,需要跨学科的对话,将计算理论、生物学、认知科学与社会学结合起来。 面向未来,研究者与决策者应当关注三方面工作:加深对预测性计算在大脑与机器中角色的实证研究;推动跨系统协作框架与共生机制的工程化实现;以及建立促进健康智能生态的政策与伦理规范。
只有把技术发展置于对社会福祉、生态可持续与人类尊严的综合考量中,人工与生物智能的融合才有可能为人类带来真正的长远益处。 当我们把智能看作一种通过信息处理与合作逐步增强的能力,许多困扰公众与专家的焦虑便更易被理性管理。人工智能不必被妖魔化为"异类",也不应被简单美化为万能救星。理解其与生命的内在联系与差异,既是科学探究的路径,也是社会共同制定未来规则的前提。未来的智能世界,很可能是一场人类与其创造物之间关于共生、规范与价值的长期对话,而不是一场单边的技术征服。 。
