人類智能的要素、運作、内涵、意義與源頭是什麼？

本文，将在演化脈絡的視角之下，信息與結構的視角之上，結合神經科學與心理學上的概念和模型，由淺入深、層層遞進、深入淺出地剖析解讀，有關人類智能的方方面面（如注意力、記憶力、抽象力、創造力、可塑性、直覺、概率、模型等），包括其下層與上層、交織與交錯的深刻關聯。

從尺度角度來說，本文的探讨屬于“宏觀黑盒”，并未涉及任何神經運作與腦區功能的細節，僅在最基本的“神經模型”之上，進行更高層級的論述，顯然這把更多不确定的細節，都封裝在了某個層級之下，所以令本文的觀點和結論，更具有通用性和适應性。

而本文所運用的“解析算法”，其核心動作就是：在思考的過程中，強力思考思考的思考，于是就在這種自指調用的循環中，盡量深入遞歸的層級，在陷入泥潭“腦棧溢出”之前，帶着各種有趣的信息，心流地回歸現實。

那麼對于“黑盒”，塔勒布在《随機生存的智慧》中，說道：

“他們——生下來被放在盒子裡，回到家住在盒子裡，學習時勾選一個個的盒子，乘着盒子去上班，工作時坐在盒子裡，開着盒子去超市買裝在盒子裡的食物，乘着盒子去健身房，死後被放在盒子裡。這些都是符合歐幾裡得定義的、四四方方的、表面平滑的盒子。”

赫拉利則在《今日簡史》中，說道：

“人類害怕被困在盒子裡，但沒意識到自己早就被困在一個盒子裡了——這個盒子就是人類的大腦。”

而在電影《困在時間裡的父親》中，阿茲海默症淋漓盡緻地展現了，我們被困在“黑盒”之中，逐漸失去一切的窘迫與恐懼。

是的，黑盒之中，就是有關人類至關重要的一切，而黑盒中的智能，就是人類賴以生存的一切。

相信本文的信息量與洞見密度，将會讓我們從不同的視角，重新了解與認識這個我們自身頂上熟悉又陌生的——“黑盒智能”，而越是了解這個“黑盒”，我們就越是能夠發掘和運用其中的“智能”。

接下來，就讓我們開始這趟“黑盒之旅”吧。

人類智能（中）：結構、信息、學習、算法、想法與一切

人類智能（下）：智能的源頭、語言的作用、虛拟的現實

主題目錄如下：

• 人類智能
• 四種推理
• 邏輯與因果
• 大腦的預測
• 在預測之外

智能，是人類最強大的神力，是讓人類從自然界與動物界，脫穎而出的利劍與铠甲，是人類文明的基石，是塑造當今世界的底層力量。

人類能夠像神一樣統治地球，這份統治力正是來自我們的“智能神力”。

好消息是，幾乎每個人都天生擁有智能，這是我們的祖先在幾十萬年前，抽中了智能的“演化”，并遺傳給我們的“基因财富”。

那麼這個“人類智能”到底是什麼，又是如何發揮作用的呢？

從淺層簡單的角度來看，人類智能——就是人類的思考能力，而思考可以産生思維，思維可以産生思想，這三者的遞進關系，如下：

• 思考——基于信息的推理過程（動詞），如思考問題、思考一下——在想。
• 思維——基于模式的思考方法（名詞），如邏輯思維、理性思維——怎麼想。
• 思想——基于思維的認知結果（名詞），如成熟思想、深刻思想——想出什麼。

可見，思維的作用，就是承上（思考）啟下（思想），而打包一些思考方法成為一個系統，就可以稱之為“工具”，如哲學思維、數學思維、科學思維等等，都是一種“思維工具”。

那麼，當審視思考本身的行為與過程的時候，我們就會發現，思考主要就是在做一件事情，那就是——推理（Reasoning）。

而從推理角度看，人類智能可主要可以進行，四種推理：

• 第一，演繹推理，又稱邏輯推理，由一般到特殊。
• 第二，歸納推理，由特殊到一般。
• 第三，類比推理，由特殊到特殊。
• 第四，溯因推理，又稱反繹推理（或反向演繹），由特殊到解釋。

其中，類比與溯因的區别在于：

• 類比——是形式不同，但邏輯相同的連接。
• 溯因——是根據現象，尋找最可能的解釋。

而在推理背後的支撐之物——就是邏輯，即：所有的推理都要符合邏輯，否則推理過程就不成立。于是，思考就是符合邏輯的推理，思維就是符合邏輯的方法，思想就是符合邏輯的邏輯。

可見，思考需要邏輯，思維内嵌邏輯，思想就是邏輯，所以抽象來看——人類智能就是由“舊邏輯”推理出“新邏輯”的能力。

第一，演繹推理，從一般到特殊。

例如，已知有一袋綠豆，請問取出一顆是什麼顔色？——演繹推理可得，綠色。

演繹，能夠讓我們對未知事物，做出準确的判斷，即：隻要前提結論正确，推理過程符合邏輯，推理結論就一定正确——這是人腦主動使用最多的推理方法。

而符合邏輯的意思是，結論與結論之間，不能違反邏輯規律，即滿足：

• 同一律，保證描述的是同一個事物。
• 矛盾律，不能同真，必有一假，可以同假，即不能同時成立。
• 排中律，不能同假，必有一真，可以同真，即至少一個成立。
• 無矛盾，不能同真，不能同假，必有真假，即必須一真一假。

那麼，“第一原理思維”與“終局思維”，就可以看成是從上到下、從後往前地運用演繹推理——但能夠想到這兩種思維，并在實際中運用，則需要一些溯因推理。

第二，歸納推理，從特殊到一般。

例如，已知有一袋豆子，每次取出一個都是綠豆，請問這一袋是什麼豆子？——歸納推理可得，綠豆。

歸納，能夠讓我們提取事物，内在統一的抽象信息，但這個結論未必正确——就像上面那袋豆子，取出1000個都是綠色，并不能保證剩下的豆子都是綠色。

既然不準确，那都用演繹推理就是了，為什麼還要用歸納推理呢？

原因就在于，歸納可以為演繹提供前提。

顯然，真實世界的推理，常常已知前提不足，這時就可以利用歸納推理，得出一個前提，再以此前提進行演繹推理——隻是此時，其結論也就是不準确的了，但總比沒有結論好。

可見，歸納其實是一種經驗推理，經驗無法保證邏輯絕對正确，是歸納不準确的底層原因——這是人腦被動使用最多的推理。

換言之，人腦常常會無意識地運用經驗歸納（如局部代替整體、個體代替群體，個例代替所有），作為演繹的前提，進行不準确的推理。

但需要指出的是，數學歸納法——是先證明第一張牌會倒，再證明任意一張牌倒了其後繼也會倒，那麼整個“多米諾骨牌”（無論有多少牌）就都會倒——所以數學歸納法可以保證，無限種情況下，其結論都成立，沒有例外——因此它的本質其實是，絕對準确的演繹推理。

第三，類比推理，從特殊到特殊。

例如，細胞運作就像工廠生産，血管分布就像道路規劃，基因表達就像公司管理，神經網絡就像光纖網絡，生物生長就像公司發展。

類比，可以理解為，抽象的外推，即：有抽象才有類比，抽象接近本質，本質通用（即底層邏輯相同）可以外推。

顯然，類比的目的，不是提供準确的結論，而是提供視角、概念與啟發——這是人腦自動使用的推理方法，常常自動觸發，但它的效用取決于，人腦已有的抽象信息。

事實上，通才的“學習遷移”，即是類比思維的大量使用，顯然抽象信息不足，是無法“有效遷移”的。

值得一提的是，在中文語境下，“比如”和“例如”都可以引導類比，大部分時候可以通用，但有一種情況“例如”更适合，即：從多個相似事物中給出典型——超級英雄都具有犧牲精神，例如鋼鐵俠——此時側重舉例，而不是類比。

第四，溯因推理，從特殊到解釋。

例如，光為什麼無法靜止，因為光速沒有參考系；單電子為什麼能雙縫幹涉，因為它同時穿過了雙縫；薛貓開箱為什麼沒有生死疊加，因為世界分裂出了兩個平行宇宙。

溯因，可以理解為，閃念與洞見，即：大腦遙遠區域的長連接，以及潛意識的計算，即直覺。

需要強調的是，顱内“長連接”可以穿越不同功能的腦區——這不僅是“遙遠”信息的連接，也是各種腦功能的連接。

可見，溯因的結論，有時是驚為天人的創新，有時則是“異種”——這是人腦不常使用的推理方法，常常是随機觸發，但其效用往往也是随機的。

曆史上，很多偉大的發明創造，其實都是溯因推理，瞬間激發“頓悟時刻”的結果——這也被稱為“尤裡卡時刻”（Eureka）或“啊哈時刻”（Aha Moment）。

而類比來說，風險投資就是在構建“長連接”，即把“相隔很遠”的資本與創新連接起來，創造具有“洞見”的産品——所以風投的思維模式，常常具有溯因推理。

那麼值得指出的是，關于創意、創新、創造，有如下不同：

• 創意，是一種可見的不同——有新穎感，比較表面，帶來趣味，不解決問題。
• 創新，是一種深度的不同——有驚奇感，比較本質，帶來變革，可解決問題。
• 創造，是一種創新的實踐——有成就感，比較複雜，帶來産品，能滿足需求。

另外，著名的偵探福爾摩斯，有句名言：“當排除掉所有的不可能之後，無論剩下的是什麼，不論有多麼不可能，它都一定是真相。”

這像是一種“演繹版”的溯因推理，因為“排除掉所有的不可能”，很有演繹的“步驟感”，而有些“不可能的可能”，無法判斷是不是可以排除——但“溯因”可以直接定位到它們。

事實上，純粹的溯因推理，都會存在“跳步”，即沒有明确的推理步驟，其過程的“可解釋性”都是事後的解讀，而這種“不可解釋性”是來自于，大腦黑盒的“直覺計算”。

最後，推理的本質與意義。

綜上可見，推理的本質，就是根據已知确定未知，即：

• 推理過程——是在邏輯約束下，進行模式的識别與匹配，即定性。
• 推理操作——是在邏輯約束下，進行信息的抽象與連接，即計算。
• 邏輯約束——是在已知前提下，需要關系符合邏輯規律，即合理。

其中，演繹與歸納——是基于精确邏輯的，類比與溯因——則是基于概率統計的。

從某種角度說，閃念、直覺、靈感、頓悟所帶來的洞見，就是運用類比與溯因的推理結果，其過程看似沒有邏輯，實則背後是大腦“遙遠連接”所激發的，信息的“自由”排列組合，其可能蘊含着深刻本質的邏輯。

換言之，類比的邏輯——需要抽象到某個層次才能看見，而溯因的邏輯——需要抽象到更深層次才能看見。

當然，相比演繹，歸納、類比、溯因的準确率是漸次遞減的，而如果前提是準确的，演繹就是準确的，所以演繹就成了邏輯的代名詞，演繹推理通常就指代“邏輯推理”。

那麼推理的意義，就在于——捕獲因果，預測未來。

顯然，掌握了因果關系，就可以預測未來，而預測未來是為了趨利避害，趨利避害是為了生存，生存壓力演化出了預測未來的能力，即：因果推理。

而從因果推理來看，“在意料之外，又在情理之中”——就是沒有推理出結果，但可以理解推理過程。

至于，推理如何捕獲因果，其關鍵就在于，邏輯連接了推理與因果，即：推理通過邏輯捕獲了因果。

為什麼按照邏輯，應該是這樣的？為什麼你的邏輯是對的，我的邏輯就是錯的？為什麼這樣符合邏輯，那樣就不合邏輯？

原因就在于，邏輯是事物所固有的關系，更準确地說，邏輯是某個角度下客觀結構所呈現的客觀關系。

簡而言之，事物的關系，是一種客觀存在，可以被抽象成邏輯。

因此，正确的邏輯——就是可以客觀存在的結構關系，錯誤的邏輯——就是無法客觀存在的結構關系。

例如，應用正确的邏輯，在現實中就可以得到“可見”的結果（即預測成功），應用錯誤的邏輯，在現實中就無法得到“可見”的結果（即預測失敗）。

例如，邏輯正确，關系存在，對應的信息就正确，而正确的信息可以消除不确定性，錯誤的則不行，因為錯誤的邏輯，對應不存在的關系，“不存在”無法确定客觀運作。

可見，邏輯具有可判定的唯一正确答案。

而推理過程中，必須符合的邏輯規律（矛盾律、排中律、無矛盾），其目的就是保證結構關系的客觀存在性。

例如，如果邏輯出現了前後矛盾，就必然沒有客觀存在性，因為矛盾是對立的關系，同一事物在某一時刻，隻能客觀存在對立關系中的一個，這是客觀世界的現實要求。當然，不同事物，或同一事物不同時間，可以出現對立關系。

事實上，有結構就會有關系，有關系就會有邏輯，關系無法脫離結構，就是邏輯無法脫離結構，而結構是無處不在的，所有的事物都會以不同的結構呈現出不同的關系，這意味着邏輯會以不同的形式，無處不在地存在。

那麼，在相同的環境和條件下，事物所呈現的各種關系，被觀察、被體驗、被總結、被驗證、被理解，最後掌握了關系的觸發與重現，這個客觀關系就被稱為——規律。

而每當我們對規律有了新的認識，就相當于重新定義了關系，舊邏輯就會被推翻（或變得有條件成立），新邏輯就會被建立。

不過，這裡需要特别指出的是，不同的角度看同樣的結構，可能會有不同的關系，即有不同的邏輯——因此，同一個事物，不同的理解角度，就會有不同的結論與意義，這有點像是“邏輯的相對性”（類比同時的相對性）——同時，連接将會非線性（接近平方一半）地增加更多的視角，也就是增加更多的邏輯關系。

• 例如，橫看成嶺側成峰，遠近高低各不同。
• 例如，溫故而知新，即是在相同的結構中，發現了新的關系。

所以，換個角度說，推理就是對事物關系的确定，即：正确的推理——得到規律，錯誤的推理——得到謬誤。

著名理論物理學家、聖塔菲研究所前所長——傑弗裡·韋斯特（Geoffrey West），在《規模》一書中，曾指出：

“所有的物理定律、及實際上所有的科學定律，都必須可表述為比例不變的「無量綱數」數量之間的「關系」，盡管它們通常不會這樣寫就。”

無量綱數——是指兩個具有相同量綱的物理量的比值，又稱無量綱量。量綱——是指物理量的基本屬性，如長度、時間、質量等。

而規律可以幫助我們預測未來，謬誤則無用或有害，甚至帶來災難，但有時也能帶來益處，主要是心理上的正面感受，如：虛幻的确定感與自利性的偏見。

但，規律中的邏輯關系，為什麼就可以預測未來呢？

答案就在于，關系意味着存在連接，連接可以傳遞相互作用，相互作用帶來了“因”與“果”，所以是因果關系中，現在的“因”可以預測未來的“果”。

也就是說，邏輯保證了關系的存在性，關系中的相互作用通過因果，連接了現在與未來。

不過需要指出的是，這個相互作用所呈現的結果，可以是确定的即沒有概率，也可以是不确定的即有概，所以邏輯可以呈現概率（如微觀不确定性），即概率是邏輯的結果（如量子力學）。

由此可見，邏輯就相當于（充當了）一個“層級封裝”，在層之上，人腦利用推理形成了智能，在層之下，就是現實世界的各種關系，可以被抽象成邏輯，支撐智能的預測。

而更形象地說，現實世界的客觀結構是一個“整體”，人腦結構映射了“世界的部分結構”，并通過智能，推理出了“顱内數據結構”的邏輯關系，這個邏輯關系連接了顱内外的結構，從而可以預測現實世界的未來運作。

也因此，預測未來的關鍵，就是獲取各種結構的邏輯關系——最底層結構的邏輯關系，自然就是宇宙的基本規律，也稱之為“第一原理”。

于是，我們可以得到：

• 預測未來 = 确定關系 = 結構 推理
• 預測能力 = 人類智能 = 顱内結構 四種推理
• 顱内結構 = 大腦結構 數據結構

可見，智能的高低（或強弱），就是體現在預測能力之上的，即：智能越高，預測能力就越強。而預測能力越強，就意味着能更好地——應對未來、适應環境、甚至改造環境——這就是進化出智能的意義。

當然，四種推理，分别代表了不同的預測能力，如：

• 演繹——是邏輯預測，在于邏輯力。
• 歸納——是經驗預測，在于記憶力。
• 類比——是聯想預測，在于聯想力。
• 溯因——是洞見預測，在于洞察力。

這裡需要指出的是：

• 邏輯力包含抽象力，沒有抽象就沒有邏輯，語言就是一種抽象，語言支撐了邏輯。
• 想象力可以想象出，毫無邏輯且沒有預測效用的結果，所以想象力可以無關推理。

而這些能力，是組合運作的，如：

• 邏輯力 記憶力 = 分析力
• 記憶力 聯想力 = 直覺力
• 聯想力 洞察力 = 頓悟力
• 邏輯力 記憶力 聯想力 洞察力 = 預測力 = 推理力

塔勒布在《反脆弱》中，曾洞見到：“經驗不會受到思維漏洞的影響，但推理和研究會。”

這似乎就是，歸納優于演繹的地方，體現出了在複雜世界——實踐經驗（即躬身入局）會高于顱内模拟的準确率。

顯然，真實世界的具體問題，往往都是不确定的複雜系統（包括簡單的複雜和複雜的複雜），其難度不在于解方程，而在于沒有方程，或不知道該用哪個方程（相比而言數學難在單純确定的複雜）——這就是演化偏好經驗歸納的原因所在。

例如，大自然用實踐演化（真實世界），智能用推理演化（邏輯世界），前者是具體數學，後者是抽象數學。

那麼，預測的準确率，除了在于智能的高低，還在于——時間與連接兩個維度，即：預測的時間越長、連接越多，預測準确率就越低，反之亦反。

用公式表達，就是：預測準确率 = 智能 / (時間 * 連接)，即：

• 時間和連接固定，預測準确率與智能成正比；
• 智能固定，預測準确率與時間和連接成反比；
• 如果沒有時間就是靜止系統，如果沒有連接就是封閉系統；
• 靜止系統不需要預測，封閉系統的預測在于其内部的連接。

例如，預測一個人在一分鐘、一小時、一天後的行為，是越來越難的，而一個人與如果環境發生連接，就可能會改變他的行為，于是連接越多（即交互越多），就越難以預測他的行為；同理，螞蟻、鳥群、沙堆、粒子、乒乓球等等，萬物都是如此。

事實上，連接越多，局部的相互作用就有機會，由正反饋的量變積累成質變，産生非線性的湧現效應——這種不确定性，非線性地增加了預測難度。

不過需要指出的是，有連接不一定時刻都在相互作用（如你不會時刻聯系朋友），但可以有相互作用（如你随時可以聯系朋友）。

于此，可以将“連接”看成是——相互作用的通道或路徑。

當然，人類智能的強大之處，就在于可以發掘事物背後的邏輯關系，這些關系即是——規律（Laws）、原理（Principles）、法則（Rules）、理論（Theories）、模型（Models）、秩序（Orders），通過它們，就可以在更多時間和連接的範圍内，進行有效的預測。

例如，牛頓力學，可以有效預測天體運行；統計規律，可以有效預測短期天氣；幂律模型，可以有效預測複雜系統的演化；甚至腦神經模型與功能性核磁共振，可以有效預測人腦的即時選擇。

而在此，我們還能看到一個正反饋循環，即在「智能預測 = 結構 推理」中，智能預測發現的「新結構」可以增強「結構」本身，于是輸出可以增強輸入，結果「智能預測」可以正反饋變強。

但同時，我們也會發現，推理是一個計算的過程，所以算力會制約智能預測的增速，尤其是人腦的算力有限，并且人腦的存儲也有限，放不下所有的“已知結構”——結果就是，人類的預測能力，不在于個人智能（有限），而在于群體智能的疊加（叠代規律），以及借助外部工具的輔助。

例如，科學體系（可以看成是預測模型與預測工具）的構建與發展，就典型地體現出了群體智能的疊加。

例如，智能創造工具，工具擴展智能，而據「存儲 計算 = 預測」可得，工具提高人類預測能力的方式有：

• 一方面，工具提供了，外部的存儲、計算、或存儲與計算。
• 一方面，工具開發了，大腦的存儲、計算、或存儲與計算。

那麼，更普适地來看待邏輯與關系，我們會發現，所有的感覺都是一種邏輯關系（如饑餓與疼痛），它是本能捕獲的因果，可以幫助我們預測自身與環境中的利害程度，而感受與感知（兩者有思維，如愉快與危險），則是在感覺（無思維）的基礎上，加入了智能預測。

所以，本能也可以進行，一定程度上的有限預測。

直觀上，人腦的推理行為，可以按照意識分為兩種，即：有意識推理與無意識推理。

換言之，就是有意識預測與無意識預測——是的，推理就是預測未知，不僅未來充滿未知，現在和過去也充滿未知，所以推理可以預測——現在、過去和未來。

所以，廣義的預測，就是根據已知對未知的判斷——這也是解決任何問題的手段。

需要說明的是，這裡的無意識是指——潛意識與下意識，它們均來自本能系統的運作。

潛意識——是本能潛在的推理預測，代表着你對環境信息的判斷和情緒（來自腹内側前額葉）。

下意識——是本能對外界刺激預設的行為反饋，代表着你對環境信息的非自控行為（來自邊緣系統，尤其是其中的杏仁核）。

而從卡尼曼在《思考，快與慢》中所說的——節能系統1與耗能系統2——角度來看：

• 有意識推理——屬于耗能系統2，類似手動駕駛模式，也就是智能預測，或稱“自上而下”的預測。
• 無意識推理——屬于節能系統1，類似自動駕駛模式，也就是本能預測，或稱“自下而上”的預測。

那麼，智能預測與本能預測的顯著區别就在于，前者耗能緩慢容易累，後者節能快速沒感覺。

例如，閱讀文章，常用詞組有錯别字，或是文字順序颠倒，都不會影響我們的閱讀理解，甚至都不容易發現，因為在閱讀的過程中，潛意識一直都在預測可能出現的文字組合。

例如，我們身處的周圍環境，時刻都有很多運動的物體，而潛意識會按照經驗中，我們所熟知的物理規律，去預測物體的運動軌迹，以至于我們都難以注意到，這些運動物體的存在。

而一旦出現預測失敗——無意識就會切換到有意識，注意力對準“意外事件”，本能切換到智能，開啟耗能的推理計算。

例如，面對突然高速飛向自己的皮球，我們會迅速注意到它，并試圖“主動”躲避，但一般都會被擊中，因為智能計算是耗能緩慢的，而有時我們卻能夠下意識地“被動”躲避，這是因為下意識是本能計算，它是節能快速的。

事實上，大腦無時無刻不在預測未來，以填補感官沒有捕獲到的模糊和空白。

例如，一段聽不清的音頻，聽一遍清晰版本，再回去聽就能夠聽清了；一段看不清的文字，看一遍清晰版本，再回去看就能看清了——這就是因為，人腦用預測信息填補了音頻文字的空缺。

例如，電影不連貫的畫面，卻擁有連貫的叙事能力——這就是因為，人腦用預測信息填補了情節畫面的空缺。

例如，著名科普作家——比爾·布萊森，在《人體簡史》中，指出：

“對于每一次視覺輸入，信息都要花一段微小但可感知的時間（大約200毫秒，或者1/5秒），順着視神經傳輸到大腦當中，再由大腦進行處理和闡釋。為了幫助我們更好地應對這種時間上的滞後，大腦做了一件真正非同凡響的事情，即：它不斷地預測世界在1/5秒後的樣子，并告訴我們，這就是「當下」。”

所以，毫不誇張地說，大腦一直都在進行着各種預測，甚至說沒有預測，就沒有判斷與選擇，就沒法做出任何行為與動作——隻不過大部預測，都是自動駕駛模式的本能預測，所以我們通常難以察覺，但刻意注意就會發現。

那麼，從算法角度來看：

• 本能預測，是把先驗算法“硬編碼”在神經系統中，情景（即輸入信息）一旦抵達阈值，預測就會激發，但情景的反饋，無法修正這個預測，即：先驗算法不可改變——如應激反應。
• 智能預測，是把先驗算法“軟編碼”在神經系統中，情景（即輸入信息）不僅可以激發預測，其反饋還可以修正這個預測，即：先驗算法可以改變——如随機應變。

而從時間角度來看：

• 本能預測——形成了潛意識、下意識與直覺，這是一種短期預測，時刻被動觸發，如腦補。
• 智能預測——形成了思考、決策與選擇，這是一種長期預測，需要主動控制，如設計規劃。

可見，本能預測——就像是硬編碼的“快捷算法”，智能預測——就像是軟編碼的“動态算法”。

然而在實際中，這兩種預測并非是獨立的，而是混合且互作用的，即：大腦預測 = 本能預測 智能預測。

例如，類比與溯因推理，就是本能預測與智能預測的混合計算——所以準确率不高。

例如，本能預測可以調用智能推理，所以直覺背後可以有認知邏輯（如閃念）；智能預測也可以調用本能推理，所以認知背後可以有直覺引導（如洞見）。

但，本能預測是可以“強力約束”智能預測的。

例如，某些情景，同時激發了本能預測與智能預測，此時情景的反饋，就難以修正（本可以修正的）智能預測（因為被本能預測約束了），表現出來的就是——本能偏差、偏見、或謬誤，如：幸存者偏差、歸因偏差、叙述謬誤。

那麼，智能預測的絕對優勢就在于——動态調整與長期預測。

動态調整在于大腦的可塑性（這個後面說），而長期預測其實一種模拟，即：大腦會映射環境信息，并在顱内模拟環境信息的演化——所以，顱内模拟 = 顱内信息 推理預測。

事實上，模拟，是一個非常高級又非常底層的操作：用一個系統模拟系統自己就是自指（Self-Reference，高級），用一個系統模拟另一個系統就是計算（底層）——大腦意識的産生，就必須要有自指計算，而智能提供了模拟的基礎。

例如，理解智能需要智能本身，這是一個自指計算，所以需要意識。

可以說，大腦一直在持續自動地構建一個——“顱内模拟的世界”，并利用感知信息作為“模拟材料”，本能智能作為“模拟工具”。

而簡單的模拟是計算，複雜的模拟是預測，高級的模拟是自指——演化是随機計算（即随機簡單的模拟），它可以構造出複雜高級的預測與自指。

回到演化視角，有預測就會有誤差（有誤差就會有注意力），消除預測誤差就會增加生存優勢，于是消除誤差的行為就會得到化學獎勵，即：

生存優勢 = 預測未來（推理） 消除誤差（行為） 化學獎勵（快感）。

可見，如果「預測未來 消除誤差」的能力越大，生存優勢就會越大，而生存壓力導緻生存優勢的“軍備競賽”，則促成了「預測未來 」向着智能湧現的方向演化。

例如，人類對“鹽糖脂肪和繁衍”的本能欲望，就會産生極大的預測誤差（會帶來極大的内驅力），而人類智能則非常擅長消除誤差（會想盡一切辦法來滿足欲望），以獲得化學獎勵。

其實，如果說大腦時刻都在預測未來，那麼大腦就會時刻在試圖消除誤差，即産生某些行為的驅動力。

例如，如果你想撓癢，但手臂不動，大腦就會産生預測誤差，隻要你移動手臂去撓癢，就可以消除這個誤差。

例如，風沙進入眼睛，就會有不适，為了消除不适，大腦就會産生預測行為，即揉眼睛，你不執行就會産生預測誤差，隻有執行才可以消除這個誤差。

例如，某個場景下的習慣動作，如果不執行就會産生預測誤差，此時會不斷地下意識想要執行習慣動作，直到執行才能消除這個誤差。

可以想象，本能預測産生的誤差，動物可以依靠本能行為去消除，而人類可以把這個“本能誤差”轉化成“智能誤差”，然後依靠智能行為去消除。

需要指出的是，誤差來自現實對預測的反饋，如果行為無法消除誤差，就會産生一個新的預測，新的預測會産生新的誤差，新的誤差會驅動新的行為——如此循環，直到誤差消除，或放棄預測。

那麼，本能行為——就是被本能預測（産生的感受）驅動的行為，智能行為——就是被智能預測（産生的邏輯）驅動的行為，兩者可以統一（感受和邏輯統一），也可以對立（感受和邏輯對立）。

例如，本能預測到需要喝水（否則對生存不利），這就是口渴的誤差，在簡單情境下（如生活環境），人類和動物一樣用本能行為去找水喝，但在複雜情境下（如沙漠、密室、迷宮），人類可以通過智能行為（即一系列的推理，順着因果路徑）去找水喝。

由此來看，對人類來說，所有的智能預測，其源頭最終都會關聯到本能預測，因為生存需求最先激發本能預測，如果處理不了才會傳遞給智能預測。

而在遠離生存的一端，智能預測則可以專注于顱内模拟，為了單純的（無關生存的）快樂，不斷循環消除「預測未來」的誤差，從而構建出一個平行于人類世界，但關聯着現實世界的——邏輯世界。

事實上，隻有可預測，才能可證僞，隻有可證僞，才能算得上是科學——所以邏輯世界又支撐了科學世界，科學世界又改造了現實世界——這是一個從現實到邏輯、再從邏輯到現實，智能預測實現“自證預言”的故事。

而無法量化沒有标準答案的，就是與科學相對的藝術世界，它由本能與智能一同構造，但似乎其中的智能隻是在預測，個體不同的由本能（即化學獎勵）所主導的目标設定，所以并沒有統一的标準。

同理，價值觀、人生觀、所謂意義，都是故事世界的産物——故事是科學與藝術之外更大的世界，這裡不僅沒有統一的标準，甚至可以有完全相反、相沖突、相矛盾、不自洽的各種标準。

例如，赫拉利在《今日簡史》中，說道：“人類的大腦，這個盒子外面還有一個更大的盒子，也就是充滿各種虛構故事的人類社會。”

那麼，就純粹的智能預測而言，韋斯特在《規模》一書中，指出：“一個基于數學或可計算的基本原理，而構建的理論框架——這是智能最好的預測框架。”

是的，就如前文所說，大腦的預測能力是有限的，智能預測的能力不限于大腦之内，而在于消除所有預測誤差之後的——邏輯世界。

事實上，預測隻是本能算法的部分功能——所以預測能力弱，但卻是智能算法的核心功能——所以預測能力強。

本能除了預測，還有諸多的控制調節功能，如新陳代謝、自我修複、呼吸心跳、晝夜節律、成長繁衍、精神情緒等等，很多都是主觀意識所無法控制和難以調節的。

而智能除了預測，概括起來，可以分為兩類功能：一類是支撐預測的，如抽象與計算；一類是對抗本能的，如質疑感受與控制情緒。

事實上，本能帶來的負面感受，往往都是本能地“悲觀預測”，而智能對抗本能的方法，就是用積極樂觀的“正面預測”，來質疑感受并控制情緒，即：改變了思維（是智能）就改變了感受（是本能）——這是顱内模拟的“預測博弈”。

感覺——是對環境信息的生理反應，無思維和想象參與，有對應身體部位，如冷暖、饑餓、疼痛、瘙癢。感受——是對環境信息的心理反應，有思維和想象參與，無對應身體部位，如恐懼、憤怒、開心、孤獨。情緒——是持續的心理狀态，有持續的多種感受，可以影響思維和想象，可以抵抗環境信息的影響，維持自身的狀态。注：感受的心理反應可以被感覺到，如感覺到開心或孤獨；有些生理反應可以産生心理反應，反之亦可，如緊張與痛苦。

當然，如果是強烈的本能反應，激發了強烈的電化學風暴，事已至此，智能已經無能為力，隻能依靠強大的意志力——如果沒有就隻能服從本能的差遣了——這是來自意識的強力控制。

那麼，從預測角度來看，抽象是語言的基礎，抽象和語言是邏輯的基礎，抽象、邏輯和計算是推理的基礎，推理就是廣義的預測。

如果說，邏輯是結構固有的關系，那麼抽象就是找出“本質關系”的第一步（空間想象也是一種抽象），接下來有了邏輯，就可以約束四種推理（演繹、歸納、類比、溯因），而推理的具體操作，就是對信息的「搜索、抽象、拆分、連接」，即是對信息的排列組合，也就是計算——用一個系統模拟另一個系統就是計算（如圖靈機的紙帶），所以信息的排列組合就是模拟。

可見，搜索記憶空間中的“關聯信息”，就是推理至關重要的操作，顯然沒有“關聯信息”就無法進行信息的「抽象、拆分、連接」，就無法得到“新關系”進行邏輯判斷，自然也就沒有推理結果，表現出來感覺的就是——「不知道、沒頭緒、搞不清、不明白」，即是顱内對未來模拟的一片“空白”。

而搜索記憶的關鍵，就在于根據“輸入信息”去尋找“連接信息”，而這個過程可能會“新建連接”——想法的連接即是創新創造，“短連接”支持了演繹與歸納，“長連接”支持了類比與溯因，洞見則一定是“難連接”，即很難連接的連接（不然很多人都會想到）。

那在大腦中，輸入信息是如何去尋找連接信息的？

從生物硬件的角度來說，是神經電脈沖在神經網絡結構中“運動”的傳遞——這其實是帶電離子的濃度差，形成電化學驅動力（即擴散力與電動力的合力）驅動離子流動，從而産生電位變化的傳遞。

例如，一個環境信息激活了一些神經元，其電脈沖會沿着神經連接擴散傳遞（即同步放電），并會根據激活強度持續地傳遞一段時間（即幂律衰減），期間一系列的電化學反應（即電信息與化學信息）所形成的路徑，就是信息的連接。

那麼，輸入信息既可以來自環境信息，也可以來自顱内信息，而一旦被注意力捕獲，就會“幂律連接”其它信息，這些被“點亮”的信息，可以被注意力繼續捕獲，接着繼續傳遞，然後再被捕獲再傳遞。

通過這種方式，注意力可以不斷“鍊式搜索”整個記憶空間，而期間會産生各種連接信息，如果某些連接信息符合邏輯，就可以停止搜索，并将所有的已有信息，進行「抽象、拆分、連接」的操作，以得出推理結果。

可以說，控制注意力，在記憶空間搜索的能力，是推理的基石，也是智能重要的組成。

當然，搜索信息的過程可能無果（包括沒有滿意的結果），此時就需要環境信息輸入新信息，這樣不僅可以帶來“新連接”，以連接本來無法連接的信息（包括直連和串聯），也可以調整注意力的“搜索點”，以防止搜索陷在記憶空間的某個局域。

例如，遇到無法解決的問題時，就需要換個環境走走、或換個事情做做，這就是在輸入新信息。

例如，頭腦風暴可以創意不斷，就是因為頭腦之間不斷互相輸入新信息，頭腦之内不斷用新信息進行信息的排列組合，再輸出另一個新信息。

例如，幾何證明中引入創造性的“輔助線”，這個新信息就可以串聯起原有信息，并得到突破性的視角。

可見，大腦中的信息，并不是随時随地可以任意提取的，檢索信息強依賴輸入信息，因為我們隻能順着輸入信息，去搜索與之關聯的連接信息，所以某個信息與輸入信息的連接越多或越近，就會越容易被檢索到，而兩個信息之間的連接越少或越遠，就越難以被連接起來。

但在此，不能忽略了潛意識的計算，事實上在意識主動搜索信息的時候，潛意識也在根據輸入信息進行關聯信息的搜索——這會“點亮”某些信息，以等待着注意力的捕獲——為什麼那些不可思議的“長連接”（創新）與“難連接”（洞見），能夠突然地靈光乍現——這正是本能與智能的混合計算，也是直覺與推理的協同配合。

那麼，可以想象是，每次啟動智能運作的輸入信息，一定是由注意力捕獲的環境信息，而在“節能系統1”默認運作的時候，注意力其實是由本能預測控制的——也就是說，我們的行為模式大部分都是，由環境信息刺激本能提出需求（即感覺感受上的想要），然後利用智能去實現需求。

因此，其實是環境信息，主導了大腦的預測，而預測誤差主導了我們行為。

但另一方面，大腦結構會決定智能對環境信息的處理——事實上，連接就在于結構，邏輯在于結構，記憶在于結構，搜索在于結構，預測在于“搜索到符合邏輯的連接”也就在于結構，于是智能其實也在于結構。

人類智能（中）：結構、信息、學習、算法、想法與一切

人類智能（下）：智能的源頭、語言的作用、虛拟的現實

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!