AI 的下一步，可能还藏在人脑里
我之前读《千脑智能》时，最打动我的不是某一个具体结论，而是一种看待智能的方式：大脑并不是一台被动接收信息的机器，它一直在预测这个世界。
我们看到一个杯子，不只是眼睛把杯子的图像传进大脑，然后大脑再识别出“这是杯子”。更真实的过程可能是，大脑已经在不断生成关于这个杯子的模型：它在哪里，我伸手能不能拿到它，换一个角度看它会是什么样，杯子背面虽然现在看不到，但大概应该如何延续。如果我把它拿起来，它会有什么重量；如果我松手，它可能会掉落、碎裂、发出声音。也就是说感知不是拍照，感知更像是一次不断修正的猜测。大脑不是先完整接收世界，再理解世界；大脑是在有限信息中预测世界，并通过新的感知和行动不断修正自己的预测。
这件事和今天的大语言模型放在一起看，会有一种很奇妙的呼应。大语言模型最核心的训练方式之一，就是根据前文预测下一个词，或者更准确地说，预测下一个 token。表面上看，这好像只是在做语言接龙，但结果却非常惊人：当模型足够大、数据足够多、计算足够强时，它不只是学会了续写句子，还涌现出了总结、翻译、写代码、推理、解释、问答等能力。
这说明一件很重要的事：语言不是普通的符号，语言是人类经验的压缩物。 人类先生活、行动、失败、记录、争论、写作，最后这些经验沉淀成文本。大语言模型从海量文本中学习预测，本质上是在学习人类经验留下来的结构。它预测的不是一个孤立的词，而是在预测某种语境下，人类会如何表达、如何判断、如何解释世界。
所以，我们不能简单地说“大语言模型就是人脑预测机制的工程实现”。这不准确，也过于粗暴。但可以说，二者共享了一种很深的智能直觉：理解世界，不是把世界完整存下来，而是在有限信息中建立模型，并预测接下来最可能发生什么。
从更长的技术史看，AI 和人脑之间一直存在这种关系。现代神经网络一开始就带着脑科学的影子。早期研究者尝试把神经元抽象为可以进行逻辑计算的单元，后来反向传播让多层神经网络能够通过误差调整连接权重，慢慢学习内部表示。这里的神经网络当然不是对真实大脑的精确复制，真实大脑的机制远比这复杂得多，但它至少继承了一个基本想法：大量简单单元通过连接和学习，可以形成复杂能力。
视觉 AI 也是如此。人类视觉皮层的研究让人们意识到，视觉理解不是一次性完成的，而是从局部到整体、从简单特征到复杂特征逐层组织起来的。后来卷积神经网络之所以能够在图像识别中取得突破，很大程度上也来自类似的结构想象：局部感受野、空间结构、层级特征。这里真正重要的不是“机器视觉像不像人眼”，而是大脑给 AI 提供了一种架构偏置：当世界本身具有空间连续性和层级结构时，模型如果带着合适的结构，就会更容易学习。
到了 Transformer 和大语言模型时代，注意力机制又成为核心。注意力机制让模型不再平均处理所有信息，而是在上下文中动态判断哪些信息更重要。这个机制在工程上和人脑注意力并不是一回事，但它同样抓住了智能中的一个关键原则：智能系统不会平等处理世界上的一切信息，而会根据当前目标和上下文，选择性地分配认知资源。
如果把这些线索串起来，会看到一条越来越清晰的主线：AI 不断从人脑里借走一些计算原则，比如连接、层级、注意、预测、奖励、记忆、行动，然后再把这些原则工程化。它不是在复制人脑，而是在抽象人脑。
其中，预测可能是过去十几年最重要的一条原则。大语言模型的成功把“预测”推到了智能的前台。它证明了一个非常反直觉的事实：只要让模型持续预测下一个 token，就能逼出大量复杂能力。Scaling Laws 的研究也进一步说明，语言模型性能与模型规模、数据规模、计算量之间存在相对稳定的关系，这让“把预测模型做大”成为过去一段时间 AI 发展的主路线。
但这里也正是最容易误解的地方。预测很重要，但预测不是智能的全部。
人脑的预测不是只在文字里发生。我们预测的是身体会碰到什么，下一步会不会摔倒，眼前的人情绪是否变化，一个东西从另一个角度看是否还是同一个东西。大脑的预测始终和身体、空间、行动、生存需求绑在一起。人不是坐在黑屋子里预测文字，而是带着身体在世界中预测、试探、修正。
这也是《千脑智能》最有启发的地方。Jeff Hawkins 提出，新皮层并不是由一个中央模型统一理解世界，而可能是由大量类似皮层柱的模块并行建模。每个模块都可以通过运动和空间参考系学习对象，许多模块再通过协作和“投票”形成稳定认知。这个理论当然还在探索之中，并不是 AI 领域的既成定论，但它提出了一个对当前 AI 很尖锐的提醒：真正的智能可能不只是更大的语言模型，而是大量局部、具身、可行动、可组合的世界模型。
这里就进入一个更关键的问题：预测只是起点，行动让预测变成智能。
一个系统如果只能预测，它只能在已有数据分布里寻找最可能的延续。它可以根据历史经验猜测门后面有什么，却不能真的走过去推开门。它可以预测一个产品方案可能可行，却不能真正把 MVP 放到用户面前观察反馈。它可以分析一个人是否值得信任，却不能在真实合作中看到这个人在压力、利益和不确定性下如何行动。
预测是在脑内减少不确定性，行动是在世界中试探不确定性。预测给智能提供方向，行动给智能提供边界。预测可以在内部模拟无数条路径，而行动只能选择其中一条，并承担后果。也正因为行动有代价，智能才会变得严肃。一个没有行动后果的系统，可以永远流畅、永远自洽、永远漂亮；但一个真正要行动的系统，必须面对世界的反驳。
从这个角度看，今天的大语言模型最强的地方，是它极其擅长在符号世界里做预测。你给它一段上下文，它预测接下来最合理的回答；给它一段代码，它预测 bug 可能在哪里；给它一个产品设想，它预测市场、用户、路径和风险。它像一个读过大量人类经验的人，可以快速完成类比、迁移和重组。
但它的边界也在这里。它学到的是被人类写下来的世界，而不是自己亲自进入过的世界。它知道杯子掉到地上会碎，因为文本世界里有无数类似表达；但它没有真的拿起杯子、松手、听见碎裂、看到水流出来，也没有感受到行动造成后果。它拥有很多“他人行动之后留下的文本沉淀”，但缺少“自己行动中的感官闭环”。
这帮助我们进一步理解它的本质优势和边界。大语言模型是一种从人类行动残留物中训练出来的预测系统。 人类先进入世界，模型再学习人类留下来的语言痕迹。所以它很会解释世界，却不一定真正接触世界；它很会生成答案，却不一定真正完成任务；它很会总结经验，却不一定拥有经验生成机制。
因此，未来 AI 的关键不只是模型更大、上下文更长、推理更强，而是它能否形成稳定的行动闭环。它今天做了一个判断，明天能不能看到结果？它犯过一个错，下次能不能避开？它为一个用户做过一件事，能不能形成长期理解？它调用工具失败，能不能调整策略？它面对不确定性，能不能主动设计实验，而不是直接编一个看似合理的答案？
这也是为什么 Agent 会变得重要。Agent 的本质不是“能调用工具的大模型”，而是让预测进入行动闭环的大模型。工具调用只是表层能力，真正的变化是：模型不再只是生成一段文本，而是可以提出计划、调用搜索、读文件、写代码、运行测试、修改结果、观察反馈，再继续修正。它开始从“语言中的预测”进入“环境中的试错”。以前我们问 AI“答得对不对”，以后我们越来越会问它“做成了吗”。
世界模型也是同一条线索。Yann LeCun 近年强调世界模型和 JEPA 方向，核心不是让模型生成更逼真的表面信号，而是让系统学习更抽象、更语义化、更可行动的世界结构。因为一个智能系统真正需要的，不是把所有细节都记住，而是知道哪些结构会影响行动结果。你要喝水，杯子的颜色不重要，杯口方向、手柄位置、水量、距离才重要。你要过马路，路边招牌的字体不重要，车速、红绿灯、行人动向才重要。行动会筛选信息，目标会组织感知。
这也是人脑最值得 AI 继续学习的地方。人脑不是静态知识库，而是一个持续和世界互相塑形的系统。它预测世界，也被世界修正；它采取行动，也被行动之后的结果重塑。我们不是先拥有完整认知再生活，而是在生活中慢慢长出认知。AI 如果要继续往深处发展，也会经历类似转变：从阅读人类留下的文本，到进入人类正在发生的世界；从模拟经验，到制造经验；从回答问题，到参与因果链条。
所以，AI 和人脑之间最酷的关系，不是机器越来越像人，而是人类第一次有机会把“智能是什么”这件事拆开来看。过去我们只能通过哲学、心理学和神经科学理解智能；现在，我们还可以通过工程系统测试智能。每一个 AI 模型，都是一个关于智能的假说。每一次模型失败，也是在提醒我们：人脑里还有一些东西没有被我们真正理解。
从这个意义上说，AI 的下一步可能还藏在人脑里。不是因为我们要复制人脑，而是因为人脑仍然保存着许多尚未被充分工程化的智能原则：更稳定的长期记忆，更强的主动探索，更好的世界模型，更自然的模块协作，更低成本的持续学习，以及更深的行动闭环。借助 AI 的发展持续研究人类自己，这或许也是人类进一步升级的契机。
过去十年，AI 最重要的答案可能是规模。未来十年，AI 更重要的问题可能是结构。模型继续变大当然还有价值，但真正决定智能深度的，可能是它能否从语言预测走向世界预测，从世界预测走向行动反馈，从行动反馈走向持续学习。
《千脑智能》给我的启发正在这里。语言模型让 AI 学会了预测人类经验，但行动闭环才会让 AI 开始生成自己的经验。真正的智能不是把世界解释完，而是在世界里继续试下去、修正下去、生长下去。
参考资料与延伸阅读
-
McCulloch & Pitts, A Logical Calculus of the Ideas Immanent in Nervous Activity, 1943
早期把神经元抽象为逻辑计算的经典论文，是人工神经网络思想的重要源头。 -
Rumelhart, Hinton & Williams, Learning Representations by Back-propagating Errors, 1986
反向传播经典论文，支撑了“多层网络可以通过误差调整连接权重来学习表示”的技术路线。 -
Hubel & Wiesel, Receptive Fields of Single Neurones in the Cat’s Striate Cortex, 1959
视觉皮层研究经典工作，影响了后来关于局部感受野、层级特征和卷积网络的设计想象。 -
Vaswani et al., Attention Is All You Need, 2017
Transformer 经典论文，奠定了当代大语言模型的重要架构基础，也让“注意力机制”成为 AI 技术主线之一。 -
OpenAI, Better Language Models and Their Implications, 2019；GPT-4 Technical Report, 2023
用于支撑“大语言模型通过预测下一个词 / token 学习语言、知识和推理模式”这一部分。 -
Kaplan et al., Scaling Laws for Neural Language Models, 2020
系统讨论模型规模、数据规模、计算量与语言模型性能之间的关系，支撑“大模型规模化路线”的技术背景。 -
Rao & Ballard, Predictive Coding in the Visual Cortex, 1999
预测编码经典论文，支撑“大脑不是被动接收信息，而是在持续预测和修正”的核心观点。 -
Jeff Hawkins, A Thousand Brains: A New Theory of Intelligence, 2021
也就是《千脑智能》。这本书提出新皮层可能由大量并行建模模块组成，通过空间参考系、运动和投票机制理解世界，是本文最重要的思想来源之一。