The next step for AI may still be hidden in the brain

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

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

6. 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。

7. 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。

8. 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。