竞技宝官网app·斯蒂芬·平克：心智探奇解码人类心智运作

　　“人类的心智充满谜团。一方面，人类心智如同一项伟大的工程杰作，没有任何一台机器人或人工智能系统可以像人类这样娴熟地看、动、讲话、理解，或利用常识。”‍

　　“然而，人类心智存在很多显而易见的怪癖。为什么人们认为吃虫子很恶心？虫子可是优质健康的蛋白质来源。为什么人们相信鬼魂和神灵？为什么人们热烈地坠入爱河？为什么会相互挑战决斗？”斯蒂芬·平克如是说。

　　斯蒂芬·平克，哈佛大学心理学教授、当代最伟大的思想家之一，世界级语言学家，其代表作《语言本能：人类语言进化的奥秘 》、《思想本质：语言是洞察人类天性之窗》、《心智探奇：人类心智的起源与进化》、《白板：科学和常识所揭示的人性奥秘》等都是世界心理学、认知学的经典之作。

　　人工智能的发展会不会快于人脑发展？在社会分工中，女性心智如何发挥其优势？如何利用心理计算理论和自然选择理论来改变我们的生活？

　　今天，斯蒂芬·平克做客混沌！带来课程《心智探奇：解码人类心智运作》，用三个关键词来解释人类心智底层的运作原理。

　　思考也可以被认为是一种计算。设想你面对一个机器，输入这样那样的符号，机器再输出符号。比如输入数字2、运算符号加号、数字3以及等号，输出数字5。这台机器就完成了一个智能的运行过程。

　　我举一个和人类有关的例子，这个例子来自于美国心理学家威廉姆·詹姆斯。具备智能的系统和不具备智能的系统，二者之间有何区别？

　　詹姆斯是这样解释的：罗密欧想和朱丽叶在一起，就像铁屑会被磁铁吸引。如果二人之间没有障碍阻拦，罗密欧会径直奔向朱丽叶。但如果二人之间砌了一堵墙，他们肯定不会像隔了张卡片的磁石和铁屑一样，把自己的脸紧贴在墙的两侧。罗密欧会很快找到一条迂回路线，要么翻墙，要么通过他途径，最终亲吻到朱丽叶。对铁屑而言，行进的路线是固定的，最终是否抵达目的，则是随机的。但罗密欧能够根据理性规则作出决策，从而达到一个固定的目标，他的途径有无限种可能性。这就是智能。

　　罗密欧如何实现愿望呢？假设他设定自己的目标为亲吻朱丽叶。如果在A和B之间存在C，A和B无法接触。但如果A跨越了C，C就不再介于A和B之间。要亲吻朱丽叶，需要翻越围墙，这就是计算。

　　计算机执行的计算过程，我们称之为符号式逻辑命题计算，比如我刚才提到的2 + 3 = 5。如果C介于A和B之间，A和B无法接触。如果跨越C，A就能够接触到B，这就是符号式逻辑计算。很多年前，这就是AI系统的工作机制。

　　但还有其他不同的计算机制，例如神经网络，也可以称为深度学习计算。目前这种计算模式常应用于大型语言模型，例如ChatGPT。

　　神经网络并没有使用因A得B的逻辑规则。神经网络具备大量单元，每一个单元对应着很简单的概念。因此可以识别英语中一些简单的概念，比如“是否是蔬菜”“是否呈绿色”“是否呈叶片状”等等。

　　神经网络每一个输入关联一个输出，输出的关联是经过训练的。神经网络可以进行统计计算，所以输出层的关联关系会有所不同。系统生成大量输入，并乘以相应的权重，然后猜测正确答案是什么。

　　目前的AI模型被称为深度神经网络。深度意思就是在输入层和输出层之间，是多层的结构，这种结构不是单层的。

　　神经网络的优势是什么？为什么最近的AI都采用了深度学习计算？探究个中原因，最近的AI模型采用神经网络而不采用经典逻辑计算，是因为神经网络更加灵活，有能力处理成千上万的统计模式，而不再局限于少量的逻辑规则。每一个逻辑规则都会有例外。但在神经网络中，所有的模式，所有的规律，所有的例外，都可以得到处理。

　　但神经网络也有缺点。神经网络需要大量的训练，这就是GPT 4.0和其他大型语言模型面临的问题。另一个问题是如果你使用过大型语言模型。你可能会发现这些模型会捏造事实，有时说的完全是假话。神经网络的问题就在于像ChatGPT这样的系统，没有逻辑，没有真正的事实，只有模型、统计数据、和联想。

　　这引发一个问题，人脑是怎样一种计算机？人脑是否会采用像经典AI这样的逻辑命题？因为A 所以得出B？还是会联想学习，像深度神经网络这样？

　　理解心智运作机制的第二个关键词是进化：人类心智需要不断进化，才能在变化的环境中处理复杂任务。

　　我们如何理解复杂的设备？举个例子，我在一家古董店遇到了这个物件，我很好奇于是买下了它。你要问的第一个问题可能是，这是干什么用的？

　　这个工具有很多零件，有弹簧、锋利的刀片、金属环、活塞臂、支撑架，像一件艺术品，但它显然也是一个具有某种功能的工具。如果你不知道它的用处，就不可能理解这个器具。

　　后来我找到了答案，我在网上搜索到，这是一个樱桃去核器。把樱桃先放入，向下压，会将樱桃切开一个X形状的开口。再把樱桃翻过来，放在这边小一点的环里，然后将樱桃核从果肉里压出来。为什么这里有一个手柄，因为你要向下压；为什么这里有一个X形的刀片，因为樱桃核可以从切口处被压出来。这样你就充分地理解了这个工具。

　　这就是反向工程，你先遇到一件物品，尝试着研究明白这件物品的功能，再去理解它。举个例子，索尼的工程师发现松下推出了新产品，他们去商店买一台松下新产品，拆开它尝试研究清楚每一个零件的作用。而在正向工程中，你首先知道物品需要实现什么样的功能，然后去创造这样的物品。

　　也是非常复杂的设备，要比这个樱桃去核器复杂得多。例如人的眼睛，有透明晶状体，有对光线敏感的视网膜，还有肌肉，因此眼球可以来回转动，总之构造非常复杂。

　　眼睛是做什么用的？眼睛有什么功能？人人都知道答案，眼睛是用来成像的。生理学和解剖学研究的就是关于的反向工程。

　　达尔文解释了动物的器官是如何形成的，即通过一代又一代的繁衍，随机出现的生命特征会被筛选，利于生存或繁衍的特征会保存并延续。

　　简单而言，人类具备心智，是因为心智帮助我们的祖先生存繁衍，应对我们进化所处的环境。这里所说的环境，是部落或狩猎者所聚集的环境。因为99%的人类进化都是我们的祖先还过着狩猎生活时进行的。直到近代我们才创建了城市，学会了阅读、写作，发明了计算机，建立了政府、学校等等。

　　就生物学角度而言，内有各种系统，例如血液循环系统，神经系统，骨骼系统。还有各种器官，例如心脏、肝脏、肾脏，以及骨头。还有组织，心脏组织不同于肺部组织。还有细胞，心脏细胞不同于肺部细胞。这是的工作机制。

　　人类心智也是由不同的系统组成的。什么是心智？心智就是人类执行计算任务的器官和系统，让人类可以理解并智胜物体、动物、植物，以及彼此。

　　我认为人类心智并不是无所不能的，并不存在某种可以解释万事万物的计算模型。我们思考、看、感受，心智可以解决很多问题。我们可以从三维角度看物体，胳膊和腿可以活动。我们可以理解这个物理世界，我们要寻找伴侣，经营与伴侣的关系，我们要结交朋友，缔结盟友，所有这些活动都各不相同。我们通过思考应对这些问题，思考过程也各不相同。

　　我们看东西时，大脑在处理什么问题呢？人类的视觉功能表现出色，我们睁开眼睛就能看到整个世界，有各种物体、形形色色的人，各种各样的动物。视物似乎是很简单的，但实际上这个过程很复杂。在浏览网站时，很多人都会遇到网站要求验证你是人类而不是机器人，给你一些模糊的图片，展示了摩托车、桥、汽车等，人类可以识别出汽车，而机器人却不可以。网站据此判断出你是人类而不是机器人。

　　那么人类是如何识别物体的呢？最初，人类大脑中并不存在关于汽车、猫、苹果等事物的信息。光线从物体上反射，人的角膜和晶状体聚焦物体，在眼球后部形成二维图像。接着，图像转化为神经信号，神经信号再传递给大脑。大脑需要做的是整合处理这些数值，大概一百万个数值进入每只眼睛，帮助人类辨析世界万象。

　　我们拿出手电筒和纸板。光线与物体表面之间的角度越大，反射的光线越少。举起这张纸板，如果光线垂直照射，光线照射集中而明亮，形成光点。但如果我倾斜照射，光线散射于整个较大的表面，就不那么明亮了，变得更暗。

　　这就是光线的特点。大脑的理解方式是一个相似但反向的过程。一束光线越暗，表示物体和光源之间的角度越大。通过这种方式，大脑就可以借助物体表面多个光束的反射，勾勒出外界物体的形状。

　　光线越暗，角度越大，但这种算法只在物体表面同色的情况下才有效，如果物体表面被巧妙地涂成多种颜色，这种阴影算法就会歪曲物体在大脑中的形状。我们就会看到失真的形状。

　　现实生活中人们化妆也是这样。化妆就会利用阴影算法改变脸部的线条形状。如果女士给脸颊扑些腮红，较深的阴影就会让旁观者的大脑接收到分明的棱角，这会让女士的颧骨看上去更明显。相反，如果女士在上唇扑一些高光粉，高光粉就会让唇部显得更丰满，因为大脑通过接收阴影来辨析形状。

　　更广义的角度而言，人类的很多幻觉都是谬误。但这并不是什么毛病或缺陷，或大脑的设计失误，而是一种匹配错位。这种匹配错位来源于人类对远古世界环境的假设，仍存留于我们的心智。