人工智能的出現(xiàn)或許只是一個指導(dǎo)生物過程的最新階段，這一過程在生命歷史上產(chǎn)生了越來越復(fù)雜、相互依賴的生物體。

十年前，我們已經(jīng)懂得如何讓機(jī)器思考。在2010年代，谷歌研究院的團(tuán)隊致力于各種人工智能模型，包括驅(qū)動安卓智能手機(jī)鍵盤的下一個單詞預(yù)測器。他們正在訓(xùn)練的那類人工神經(jīng)網(wǎng)絡(luò)終于解決了視覺感知、語音識別、游戲玩法及許多其他領(lǐng)域的長期挑戰(zhàn)。但能真正理解新概念、寫笑話、調(diào)試代碼，或做那些人類智能標(biāo)志中的無數(shù)事情，這似乎很陌生。

“解開”這種信息肯定需要一些根本性的科學(xué)洞見。而這很可能受到神經(jīng)科學(xué)的啟發(fā)——對唯一已知通用智能體現(xiàn)——大腦的研究。

2019年，谷歌的科學(xué)家訓(xùn)練了一個當(dāng)時規(guī)模龐大的下一個詞預(yù)測器——技術(shù)上說，是一個下一個詞預(yù)測器，每個詞匯對應(yīng)一個詞片段——代號為Meena1.雖然有些斷斷續(xù)續(xù)，但似乎能夠理解新概念，寫笑話，提出邏輯論證，以及其他許多方面。這一趨勢一直持續(xù)至今。

到了2025年，科學(xué)家們發(fā)現(xiàn)處于一個頗為滑稽的境地：期望如此大型的語言模型能夠流利、智能、負(fù)責(zé)任且準(zhǔn)確地回應(yīng)各種人類無法回答的深奧問題和要求。當(dāng)這些系統(tǒng)未能恰當(dāng)?shù)鼗卮饡r，人們會感到困惑——同時也在爭論通用人工智能何時會到來。

大型語言模型可能不可靠，說出愚蠢的話，但人類也可能如此。他們的優(yōu)勢和劣勢確實與我們不同。但我們正在用盡人類能可靠通過而AI模型無法通過的智力測試。根據(jù)這些基準(zhǔn)，如果我們接受智能本質(zhì)上是計算性的——這是大多數(shù)計算神經(jīng)科學(xué)家的觀點——我們必須接受一個可工作的智能“模擬”實際上就是智能。并沒有什么深刻的發(fā)現(xiàn)讓明顯不智能的機(jī)器突然變得聰明：結(jié)果證明是計算規(guī)模的提升。

其他研究者則不同對人工智能現(xiàn)狀的評估。但在接下來的內(nèi)容中，科學(xué)家想接受這樣一個前提：智能機(jī)器已經(jīng)存在，并將鏡子反過來照向我們自己。如果計算規(guī)模提升產(chǎn)生了人工智能，那么包括人類在內(nèi)的生物體所展現(xiàn)的智能，是否也是計算規(guī)?；慕Y(jié)果？如果是這樣，是什么推動了這一點——生物體最初是如何變得計算的？

在過去的幾年里，一些專家和越來越多的合作者開始找到一些初步但令人興奮的答案。人工智能、生物智能，甚至生命本身，可能都源自同一過程。這一見解不僅能為人工智能、神經(jīng)科學(xué)和神經(jīng)哲學(xué)帶來新的啟示，也能為理論生物學(xué)、進(jìn)化和復(fù)雜性科學(xué)帶來新的啟示。此外，它還能讓我們一窺人類與機(jī)器智能未來如何共同進(jìn)化。

預(yù)測性大腦

認(rèn)為大腦本質(zhì)上是預(yù)測機(jī)器的想法并不新鮮。德國物理學(xué)家兼內(nèi)科醫(yī)生赫爾曼·馮·亥姆霍茲在19世紀(jì)的《生理光學(xué)論》中提出了這一理論。這一理念在20世紀(jì)40年代初由控制論創(chuàng)始人，尤其是美國數(shù)學(xué)家諾伯特·維納進(jìn)一步發(fā)展——成為現(xiàn)代基于神經(jīng)網(wǎng)絡(luò)的人工智能研究的起點。

維納意識到3所有生命系統(tǒng)都有“目的性”的行為以維持生命，而這些行為需要計算建模。我們的內(nèi)在和外部感官使我們能夠計算預(yù)測模型，既包括我們自己，也包括環(huán)境。但這些只有在我們能夠采取行動影響未來——特別是提高我們?nèi)匀怀蔀槲磥矸睒s一部分的幾率時才有用。進(jìn)化選擇那些利用預(yù)測做出最佳生存決策的實體。我們采取的行動和隨之而來的觀察，成為我們過去經(jīng)驗的一部分，形成反饋循環(huán)，使我們能夠做出進(jìn)一步的預(yù)測。

狩獵是這種預(yù)測建模的典型例子。捕食者必須預(yù)測能讓獵物進(jìn)入其胃部的行動;獵物必須預(yù)測捕食者的行為以阻止這種行為發(fā)生。自20世紀(jì)70年代起，神經(jīng)心理學(xué)家和人類學(xué)家開始意識到，其他智能實體往往是環(huán)境中最需要建模的部分——因為它們是那些反擊你的人，無論是友好還是敵意。越來越聰明的捕食者會對獵物施加進(jìn)化壓力，促使它們變得更聰明，反之亦然。

社會性物種成員面臨的智力壓力更加強(qiáng)烈。贏得朋友、分享資源、積累追隨者、教學(xué)、學(xué)習(xí)和分工：所有這些都涉及建模和預(yù)測他人的思想。但你越聰明——理論上預(yù)測他人的思想越好——那些人也越聰明，也就越難預(yù)測，因為他們屬于同一物種，做著同樣的事情。這些失控的動態(tài)產(chǎn)生了“智力爆炸”：即在高度社會化的動物中觀察到的大腦體積快速進(jìn)化增長，包括蝙蝠、鯨魚、海豚、鳥類以及我們的祖先。

在社會智力爆發(fā)期間，個體變得更聰明，但群體也會變得更聰明。大腦更大的人可以塑造更多關(guān)系，使群體規(guī)模擴(kuò)大，同時保持社會凝聚力。勞動分工和共享使這些更大的社會單位能夠做的事情遠(yuǎn)超個人。

以人類為例。就個體而言，我們并不比靈長類祖先聰明多少。在野外長大的人類，比如魯?shù)聛喌隆ぜ妨帧秴擦种畷罚?894年）中虛構(gòu)的毛克利，相較于森林中其他較大的動物，似乎并不特別——如果它們真的能存活下來的話。但大量人類能夠完成許多超出個人認(rèn)知或體力的復(fù)雜壯舉：器官移植、登月、制造硅芯片。這些成就需要合作、并行思考和分工。它們是群體層面的現(xiàn)象，完全可以被稱為超人。

共生轉(zhuǎn)變

適用于人類社會性的觀點，可以說同樣適用于地球生命歷史上每一次重大進(jìn)化轉(zhuǎn)變。這些變化包括從簡單的原核細(xì)胞向更復(fù)雜的真核細(xì)胞的轉(zhuǎn)變，從單細(xì)胞生命向多細(xì)胞生物的轉(zhuǎn)變，以及從孤獨昆蟲到群居生物。在每種情況下，原本獨立生活的實體都建立了緊密共生，分工并行工作，共同創(chuàng)造了一個超級實體。

越來越多的證據(jù)表明，這種“共生”比普遍認(rèn)為的要常見得多。細(xì)胞間的橫向基因轉(zhuǎn)移、將有益的逆轉(zhuǎn)錄病毒元素納入宿主基因組以及共生細(xì)菌在動物腸道中建立，這些都是常見的例子，但這些并不被視為“重大”轉(zhuǎn)變。然而，他們確實創(chuàng)造了具有創(chuàng)新能力的生物。例如，白蟻消化木材的能力完全依賴于共生微生物產(chǎn)生的酶。人類胎盤屏障的形成依賴于合胞素，這是一種源自數(shù)千萬年前融合進(jìn)哺乳動物生殖系的逆轉(zhuǎn)錄病毒包膜的蛋白質(zhì)。

標(biāo)準(zhǔn)的達(dá)爾文進(jìn)化論，涉及熟悉的突變和選擇機(jī)制，并不內(nèi)在地偏向于復(fù)雜度的增加。正是這種不太為人所知的共生機(jī)制賦予了進(jìn)化時間的箭頭：當(dāng)現(xiàn)有部分融合形成新的超級實體時，生命從簡單形態(tài)發(fā)展到更復(fù)雜的形態(tài)。隨著可重新組合的零件目錄規(guī)模和復(fù)雜度不斷提升，這一過程會加快。在過去的十億年里，共生機(jī)制產(chǎn)生了越來越復(fù)雜的神經(jīng)系統(tǒng)、社會性動物群落——最終形成了我們自己的技術(shù)社會。

這是摩爾定律的自然版嗎？是也不是。該定律最初由美國工程師、英特爾聯(lián)合創(chuàng)始人戈登·摩爾于1965年提出，該“定律”指出晶體管尺寸呈指數(shù)級縮小6. 這意味著計算機(jī)體積、成本和功耗呈指數(shù)級下降，運(yùn)行速度呈指數(shù)級增長。

生物細(xì)胞在進(jìn)化過程中并未變得指數(shù)級變小或變快。大約6.5億年前電興奮神經(jīng)元的出現(xiàn)帶來了快速的新計算時間尺度，但那只是個例：此后神經(jīng)元既未變快也未變小，能量需求也未減少。這顯然與20世紀(jì)的摩爾定律不符。

但看看二十一世紀(jì)的法律，這種聯(lián)系變得更加明顯。自2006年左右以來，晶體管持續(xù)縮小，但半導(dǎo)體工作速度的提升卻停滯不前。為了持續(xù)提升計算機(jī)性能，芯片制造商反而增加了更多的處理核心。換句話說，他們開始并行化基于硅的計算。這并非巧合，現(xiàn)代基于神經(jīng)網(wǎng)絡(luò)的人工智能模型終于開始起飛。實際上，神經(jīng)網(wǎng)絡(luò)需要大規(guī)模并行處理;對于單個現(xiàn)代處理器來說，要連續(xù)執(zhí)行約萬億次作，而最先進(jìn)的大型語言模型預(yù)測序列中的下一個令牌，只需幾分鐘。

這看起來更像是生物智能的故事。人工智能的誕生不僅僅是靠速度，而是源于許多簡單計算元素并行協(xié)作的分工：我們可以稱之為技術(shù)共生。

在這里，計算機(jī)科學(xué)既是一門自然科學(xué)，也是一門工程學(xué)科。人類并沒有發(fā)明計算，就像他們發(fā)明了電流或光學(xué)透鏡一樣。我們只是重新發(fā)現(xiàn)了大自然已經(jīng)利用過的現(xiàn)象，發(fā)展了數(shù)學(xué)理論以更好地理解它，并研究如何在不同的基底上設(shè)計它。我們的手機(jī)、筆記本電腦和數(shù)據(jù)中心可以恰當(dāng)?shù)乇环Q為“人工計算機(jī)”。

計算生成

如果共生起源解釋了自然計算復(fù)雜性的進(jìn)化和智能的出現(xiàn)，那么自然最初是如何以及為何變得計算化的？科學(xué)家們過去幾年對人工生命的研究有助于澄清這一點。

為了設(shè)定場景，想象有大量隨機(jī)配置的反饋機(jī)制，這些機(jī)制足夠簡單，可以在像地球這樣熱變化的環(huán)境中自發(fā)產(chǎn)生?，F(xiàn)在，假設(shè)這些機(jī)制只能在某個狹窄的溫度范圍內(nèi)工作。過一段時間后，持續(xù)存在的機(jī)制將成為恒溫器，保持溫度在合適的范圍內(nèi)，從而繼續(xù)工作。這個思想實驗說明了以自我保護(hù)為導(dǎo)向的目的性行為——一種原始生命——如何從隨機(jī)的初始條件中產(chǎn)生。

甚至恒溫器，按定義，也在執(zhí)行計算：它實現(xiàn)了一種行為（開關(guān)暖氣），而這個行為是基于信息輸入（溫度）的。因此，這是一種極簡的計算——也許僅僅是一個“如果......當(dāng)輸出影響執(zhí)行計算的事物繼續(xù)存在的可能性時，就會出現(xiàn)并持續(xù)。

這種簡單的作距離通用計算機(jī)還有很長的路要走，通用計算機(jī)是由英國計算先驅(qū)艾倫·圖靈用我們今天所稱的通用圖靈機(jī)定義的理論構(gòu)造。它由一個“頭”組成，可以沿磁帶向左或向右移動，按照規(guī)則表讀取、寫入和擦除磁帶上的符號。圖靈意識到規(guī)則表也可以編碼為磁帶上的符號序列——我們現(xiàn)在稱之為程序。存在某些規(guī)則表，使機(jī)器從磁帶讀取該程序，執(zhí)行其指定的計算。