清華教授劉嘉：應試教育在AI面前全軍覆沒，我們應該如何重新學習？

來源：市場資訊

（來源：圖靈人工智能）

您想知道的人工智能干貨，第一時間送達

溫馨提示：文章字數較多，耐心讀完，將會收獲很大

一、從物理到心理：尋找智能的本質

個人經歷：在 AI 與腦科學之間的 20 年

我叫劉嘉，高中時做數理化競賽，對數理特別感興趣，準備選擇物理作為一輩子的工作方向。但高三時讀了弗洛伊德的傳記文學《心靈的激情》，我就覺得心理世界比物理世界好玩多了，所以大學選擇了學心理學。

去了之后才發現太文科了，所有東西不講邏輯，太哲學思辨，當時就很失望。后來我就學了計算機，當時叫無線電，現在叫信息系統或自動化。學了這兩個之后，當時就很困惑——繼續學心理學，還是干脆轉行做計算機？

很湊巧碰到了人工神經網絡。1994 年左右，有一個老師剛從日本做完博士后回國，在北大開了一門人工神經網絡的課程，那應該是我們國內可能第一門人工神經網絡的課程。我當時莫名其妙就正好碰上這門課，覺得人工神經網絡非常好，很適合我的胃口——既是關于心理世界的，又和我的理科背景比較結合。

MIT 的轉折：AI 寒冬中的抉擇

我當時就想一定要到 MIT 去做 Marvin Minsky 的學生，他是 AI 的大神。但我不知道他對人工神經網絡這么深仇大恨，當時只知道他是 AI 的教主。后來我就到 MIT 去讀研究生，沒想到當時正好是 AI 的低谷。

Marvin Minsky 本身也對此沒有特別大的信心，下一步怎么做他也不知道。對人工神經網絡他是一如既往的鄙視，但對于他自己做的符號主義這一塊，他自己也很困惑。所以當時他就勸我說，你還是應該去學習腦科學，這塊當時正是最火的時候。

所以我后來就留在腦與認知科學系繼續做腦科學，我就把 AI 這件事情徹底給忘記了，直到 2015、2016 年。

信仰的回歸：《最強大腦》與 AlphaGo 的震撼

2015 年我在北師大當心理學院院長，參與了江蘇衛視《最強大腦》制作。當時我們想做一個人機大戰，我對 AI 的進展、對人工神經網絡、對深度學習了解基本上為零，當時以為 AI 還是一如既往的弱智。

結果沒想到節目大賽里面我們做了人臉識別，人工智能在 2016 年的時候已經超越了人類最頂尖的高手，對我觸動特別特別大。2016 年正好是 AlphaGo 戰勝了李世石，當時也非常出圈。這兩件事情結合起來，讓我重新回到了 20 年前——信仰回來了，丟失了 20 年的信仰回來了。

其實當時并沒有一種底層的信仰，只是覺得這東西很酷，然后自己去學。但一旦大家說這個東西不行，特別是像 Marvin 這種大師說 AI 不行，自己就沒細想，然后就放棄掉了。

二、找到底層邏輯：Hinton 的信仰

為什么突然就行了？

2016 年給我的震撼就是：為什么突然一下就行了？我們覺得面孔識別是一個 ill-posed problem，它沒有規則，怎么能行呢？為什么 AI 行呢？對我來說觸動很大。

我就開始重新看 AI 的書，看了半天其實說實在也沒看明白啥。后來我就想應該從 Hinton 的傳記史里面入手，但沒有一本關于 Hinton 的傳記。那我就自己去對 Hinton 的歷史做了一個調研，把他的背景看了下。我也去看了 Bengio 和 Yann LeCun，但他們相對 Hinton 來說屬于后來之秀，并沒有像 Hinton 經歷過一系列的周期。

當時我就把 Hinton 的歷史研究了一番，把他的歷史研究清楚了之后，我覺得我找到了我的底層邏輯。

Hinton 的那句話

Hinton 有一句話，我覺得那句話對我來說是非常非常觸動的。別人問他為什么他要堅持做人工神經網絡，做這種類似于仿生的這條道路，他說：人的大腦就是這么工作的，沒理由人工神經網絡不這么工作。

我覺得這句話道出了底層的一個信仰。人工神經網絡不是說我是把神經元連起來做一個仿生，而是因為我們人類之所以能夠涌現出智能出來，就是因為我們大腦里面有了這種架構——神經元連接起來的這種架構。

他是把這種架構作為 AI 的一個最底層的邏輯。所以在這種架構的底層邏輯，你如果再去深挖，就只有一個東西——就是我們大腦的這種學習能力。你可以把它變成可塑性、可擴展性，但它的本質就是：只要你大腦長成這種樣子，你有了神經網絡，它這種底層架構就能支撐你的學習。而有了學習，你就有智能。

學習能力與涌現能力

從物理這個層面上來講，只要有了神經元——這神經元其實就是物理學里面一個小的粒子，這個粒子干不了任何事情，非常簡單。但是眾多的粒子混在一起，它就有可能涌現。

Hinton 把這句話放出來的時候，其實就談到了關于人工智能最核心的兩點：

• 第一個學習能力——代表了他可以無限的去擁有新的知識

• 第二個涌現能力——表明他是沒有天花板的

我們人是有天花板的，但是人工智能是沒有天花板的。他把這兩點講透了之后，我就立刻就清楚了——當年就應該選人工神經網絡來做。至于說你是用 Hopfield 還是用什么東西，那些東西都不重要，那都是一些小的東西。只要你底層架構在這放著了，其他所有問題都是一些技術問題，都是可解決的技術問題。

辭職轉向：從行政到研究

找到底層邏輯之后，我第一件事情就是把部長趕緊給辭掉。當時其實如果假設從行政的這個路上來講的話，其實是一片坦途，因為當時不到 45 歲級別做的比較高，大家還比較認可。但當時就想不能在那上面浪費時間。

所以我就把我的所有的行政職務辭掉，辭掉了之后當一個普通的教授。學校不允許辭職，就是花了一年的時間，每兩天給我們大書記發一次短信，說你趕緊批準吧。后來批準了，所以后來我就重新回來做 AI 這一塊。

在北師大做，后來發現北師大各方面挺好，但是北師大的 AI 不行，而我自己 AI 也比較弱，基本上是零。所以當時就想要到一個 AI 比較強的地方去做。清華正好也聯系我很多次，他們腦科學比較弱，希望我去增強他們腦科學那一塊。清華正好他的人工智能比較強，所以 2020 年我就來到清華。

三、智能的本質：學習與涌現

什么是學習？

智能在我來說就兩個要素。第一個要素就是學習。以前做符號主義這塊，他做的相當于填鴨——我把知識總結出來，然后讓 AI 給記住，這不是學習，這就是一種知識庫的做法。而人工神經網絡干的什么事情呢？就是學習。你只要有新的知識來，我具有這種學習能力，那就夠了。

我的理解有兩點：

第一點，他一定是具有舉一反三的這種能力。就我學習一，我能夠推廣出去。那么這種推廣的意思，它就涉及到一點創造力——我能打破原來的邊界。我學了加法，我可能能做乘法，能做除法了。這是我們所說的學習，學習要和推廣、舉一反三、和創造力、從 0 到 1 這種創造力把它聯系起來。

否則我們就變成了記憶。假設你讓我學 1+1=2，我可以學會 1+1=2，我也可以把它記下來。但是你記憶 1+1=2，你永遠不會做 2×3=6 這件事情，你永遠不會做乘法，因為你跳不出加法這個框架。

再舉個抽象的例子，比如像塞尚他們去學傳統繪畫，畢加索學傳統繪畫，但是他們能跳出這種傳統繪畫出來，能搞出印象派，能搞出立體主義，0 到 1 的創造東西出來。所以我認為這是學習的本質——我能夠從已知走向未知，它學習到里面的底層邏輯，而不是簡單的 1+1=2 這種知識。

歸納推理與演繹推理

這背后就涉及到兩種推理方式：

第一個，歸納推理。你根據所謂的小樣本學習，我給了你些樣例，我給你看兩張貓的圖片，你就根據這樣例總結出它下面的一套規則。然后找到它的一個底層邏輯，這一塊就是我們剛才所說的我能夠舉一反三了，這已經是一種學習能力了。以后再給我一張從來沒見過的貓，我也知道那叫貓，而不叫狗。

第二個能力，演繹推理。演繹推理就是我找到一個邏輯原點，基于這個邏輯原點然后我往前面走。這就是亞里士多德提出的叫第一性原理。馬斯克現在把第一性原理炒的很火，其實第一性原理這個詞最早是由亞里士多德提出的，其實就是我們所說的演繹推理——他找到一個邏輯原點，從這邏輯原點往前面走就是了。

愛因斯坦我覺得特別牛的一個地方，他就是始終在找他的邏輯原點。他找到他的邏輯原點，他就可以往前面走。比如說狹義相對論，就說你的光速是我們運動的上限，從這角度往前面推，我能看見什么。他所以說做了很多假想的這種實驗。

這種演繹推理，可以看到他就是跟那個天外飛仙一樣，你不知道他邏輯原點從哪來的——我就相信他，相信他然后我就從那邊走，我就能得到一個結論。絕大多數情況都是一些很瘋狂的結論，但有時候他就能夠把握住事實的本質，這就是靠人的這種頓悟，這種學習能力。

AI 有演繹能力嗎？

從我的觀察，從目前來說，我現在還沒有看到 AI 具有演繹的能力。至少我們能看見的各種東西，都還在我們人類能夠理解的框架之內。愛因斯坦比如說搞出一個廣義相對論出來，那就是超越了所有的物理學家的理解的框架之內，他已經是一條新的框架。

AI 我們現在目前來說還沒有看到，無論他是解多么復雜的數學問題，無論他寫多么復雜的程序，我覺得 AI 現在更多的還是一個歸納推理，或者歸納推理它也不是特別完美，靠的 chain of thoughts 一點點往前面去推。

演繹推理它的核心就是說，一種是我從一個已知邏輯點往前面推。我們解數學題，解這些東西都有，還有比如說我要不要買學區房等等類似，這都是從已有的邏輯原點來。

我說的真正創造力的這種，他是要去找一個全新的邏輯原點，他自己找。這個東西不存在于已知的這種知識框架之內。

邏輯原點的重要性

比如說我們剛才談到的 Hinton，他的做 AI 的邏輯原點就是：大腦能工作，沒有理由我人工神經網絡不工作。這是他所有東西的一個邏輯原點，這個邏輯原點是他找到的。

我們現在來理解，你比如說現在讓我來推，我沒問題。我為什么要做腦科學+AI 的結合？因為我就是從這個邏輯原點出發。但這個邏輯原點不是我找到的，是 Hinton 找到的。所以這就是為什么 Hinton 能夠成為人工智能之父，我就是一個小跟班，這就是區別。

所以關鍵不是在于演繹的動作，而是在于找原點的那個動作。

缺少引路人的一代

我為什么走了 20 年的這么一個彎路？如果假設我當年 94 年、95 年我學到了人工神經網絡，我覺得也很不錯，但是我就沒問自己問題：為什么？它能工作嗎？它只是一個技巧嗎？還是一個玩具嗎？還是一種工具嗎？我是沒有信仰的。

如果假設我當年就能找到這個邏輯原點——我對人的精神世界非常感興趣，那么 AI 就是一個工具讓我去探索人類的精神世界，我相信人工神經網絡能夠產生和人一樣的精神世界——那我 94、95 年，我就不顧一切的進人工神經網絡了。但是沒有，我沒有這個邏輯原點。

我就是 Marvin 一說這個東西不靠譜，大師說了，大師就是我的邏輯原點，然后我就自然就跑不見了。這就是回到我剛才講的，我覺得我們人生，剛才說我們中國的教育，我們的人生就缺少一個引路人，逼著我們去找這個原點，引導我們去找這個原點。

因為每個人的道路都是不一樣的，有的是比如說造火箭，有的去做神經網絡，有的去教書，有的去搞藝術，我覺得都沒問題，道路都可以。但是你去做任何一個選擇的時候，或者大選擇的時候，你需要一個邏輯原點。但是我們從來就沒有人引導我們去找這個邏輯原點。

你知道嗎，我們都是隨波逐流的。我為什么要上北大？因為北大是中國最好的大學，那我就去上北大。我沒有去想過其他的原因的。后來去學了心理學，就是偶爾看了一本書。等等你就會發現，你人生是由一個個巧合組成的。那巧合對了呢，你走到今天；巧合錯了呢，你可能就死在一個地方，然后來回打轉。

但是我們的教育，沒有人去逼著大家去想：你的邏輯原點是什么？你的底層邏輯是什么？沒有。所以直到到了我這個年齡，我才開始想這個邏輯原點的事情，其實已經很晚了，你已經錯過了。

涌現：智能的第二要素

第二個我覺得智能最重要的就是涌現。涌現是什么意思呢？涌現在我們現在人類上面，我們已經看不見了。我們從現代人類上面，你過 100 年，過 1000 年，其實你看不見這個涌現了，因為我們人的大腦它其實已經定下來了，你要再出點新的東西，你是看不到。

但是呢，從猴子變成人，這是一個涌現。我們人有很多很多東西是動物沒有的，而這些東西靠的全是涌現。而這個涌現其實就靠一個東西——就是我們的神經元變得越來越復雜，神經元的數量變得越來越多。

就像那個物理學一樣，一個粒子兩個粒子，你給我談什么涌現，沒有意義，談涌現完全不存在。只有當他粒子數量增加，它的復雜度增加——記住這一定是兩個：數量加復雜度，兩個增加，才會有復雜系統，復雜動力系統才會涌現。

智能其實就這兩個：

• 第一個學習，我能不斷創造出新的東西出來

• 第二個，就我能夠從智商超越我已有的物種，變成一個全新的物種

涌現這個在目前來說，幾千年來人類已經沒有涌現了。人的大腦他已經長成這樣子了，神經元的復雜度不可能幾千年發生變化，我們神經元的數量在幾千年之內不可能再有大的變化。所以從這角度講，涌現這件事情在人身上已經結束了。

人類大腦：進化史上的奇跡

大腦在 300 萬年體積增加 3 倍，就是進化史上最大的奇跡。不然的話，我們今天的世界應該就是一個原始的世界，看不到什么科技摩天大樓，完全沒有。我們就跟猴子一樣，我們就跟貓一樣，快快樂樂的來到這個世界，莫名其妙的死掉。這個世界就是一個沒有意義的世界。因為我們有了智能，這個世界才有意義。

大腦已 100% 開發

有一個常見的 misconception 說人類只開發了大腦的 1% 或者 1/10，這個是錯的。我們大腦隨時隨地都 100% 在用。

我們假設有時光穿梭機，我們把現在的小孩，就一個剛出生的小孩，兩個月大小的小孩，我們用時光穿梭機送回到比如 6000 年前，送回到 10000 年前，請問我們這小孩會比 6000 年前的小孩更聰明嗎？絕對不會，一樣的傻。

為什么？因為 6000 年基因沒什么太大的變化。所以 6000 年前我們人是多么的弱智，你連加法都不會做，連數數都不會數，我們小孩過去也不會。其實我們現在之所以能做加法能做減法，其實就是我們后天的教育。后天教育我們已經到極致了，我們已經學的夠辛苦了。所以我們大腦是 100% 已經開發了。

而且是有很多科學的證據，比如說我們看磁共振的數據，看腦電的數據，你可以看到任何一個問題我們大腦是滿腦袋都在放電，絕對不是說只有一小撮在這兒活躍，其他地方都是靜默的。

謠言是怎么來的？就是很多那種培訓機構宗教場所，開發你的潛能啊等等，那我就必須得給你一個科學的證據，說你大腦還沒開發，還有 potential，就是你還有很多機會。慣用的一個騙子的理論，完全無中生有。

人類智能涌現的時間點

在歷史上，雖然說人類從猴子變成人花了 300 萬年，但是涌現進化史上是有時間點的，大概是距今 7-10 萬年前。因為從當時的考古上來看，考古挖石器，突然在距今 7-10 萬年前，石器一下數量品種呈指數方式的增加。

以前的一個石器，100 萬年都是同樣的形狀，只是打磨的更光滑一點而已。而距今 7-10 萬年前，那就是我們當時智力的開始涌現。那個時候其實非常簡單，就是我們的大腦體積已經增加了三倍了，可以涌現智能了，于是就涌現了智能。

所以說我們人之所以真正為人，其實距今也就只有 7 萬年到 10 萬年的歷史。之前的幾百萬年，都是你要變成人的一個必要的準備階段。

GPT-3.5：AI 的涌現時刻

就跟那個神經網絡一樣，你必須要從 Perceptron（感知機）開始，必須要經過這漫長的準備階段。你說 Perceptron（感知機）有智能嗎？它有啥智能，基本上啥智能都沒有。到那個 MLP，然后到后面的深度訓練網絡，你說有智能嗎？那智能今天看上去都特別的可笑。就跟我們看貓和狗的智能一樣，覺得特別的可笑。

但事實上，一旦大模型出現了之后，ChatGPT-3.5 出現了之后，大家一下就被震傻掉了。所以說 GPT-3.5 出來給人的感覺和前面的 AI 相比，它不是說往前面走了一步，它是不同的物種。

在 3.5 之出來前就是一個工具，AI 就是個工具，面孔識別機場上可以用。但 3.5 出來之后，它就是人了，它就是一個物種。人類的 7-10 萬年前就是 GPT-3，生成式變得 general 了。

四、意識的本質：死亡意識與意義追求

主觀感受 vs 死亡意識

當時黃仁勛上 Joe Rogan 的那個播客，Joe Rogan 去問黃仁勛，就是說你看人工智能會變得特別聰明，然后把我們人類全都干掉，擔心這樣的一個未來。黃仁勛就說，我覺得人類是有 consciousness，然后他覺得狗是有 consciousness 的，但是他覺得機器是沒有 consciousness 的。

黃仁勛說這句話的時候，我覺得他自己都不會相信，只是寬大家的心而已。還是套用 Hinton 的那句原話：大腦可以產生意識，沒有理由人工神經網絡不能產生意識。他是故意把意識和智能分開說的。

從狹義的來講，意識和智能的確是分開的。我們大量的研究也表明了，聰明和 consciousness 它可能是沒有一個直接的相關。我覺得意識是比智能更高一級。比如說我們現在說現在大模型它有智能，這個是沒問題。但我們說現在大模型它沒有意識，我覺得這個也是成立的。

但是我們說人工神經網絡將來不可能擁有意識，我覺得這句話是錯的。因為我們大腦能擁有意識，那人工神經網絡就一定能擁有意識。

意識這件事情，我從兩個層面上來講：

一個是大部分的動物或者高等動物都有的，我把它稱為叫做 subjective experience（主觀感受）。比如說我們家的貓，比如說我對它不好，我踢它一腳，那他下次看見我肯定就會躲得遠遠的。然后我踢他一腳，他肯定會很難受。狗我踢他一腳，他可能就撲上來要咬我。這種我們對外界環境的主觀的體驗，我覺得這個是人有，動物也有，這個是沒有任何問題的。

大模型有沒有 subjective experience 呢？關于這一點，大家持兩派觀點。有的人認為他有，有的認為他沒有。比如像 Ilya Sutskever，他就認為大模型已經有了；Hinton 也認為大模型已經有了 subjective experience。有的說沒有。但我覺大模型有還是沒有，現在這個是一個比較次要的東西。

人類獨有的死亡意識

我現在想來談人所獨有的東西。人所獨有的意思，我覺得是一個比較高層次的東西。簡單來說是什么？就是我們人有一個人有而所有動物都沒有的一種意識，叫做死亡意識。

你看我們家的貓，我們家的狗，還有其他的，他們都沒有死亡意識。到他生命的一刻，他覺得不行了，他找個地方躺下去，平時就是沒心沒肺的活著。但人不一樣，人是你在很小的時候，4 歲 5 歲你就知道你會死掉。無論是誰，大家都知道自己會死掉。

那么這個死掉，就比如像你現在身強力壯，身體健康，非常好，但你也知道再過個幾十年你也會死掉。那么對于人而言，其實人就生活在一個最大的確定性和一個最大的不確定性之間：

• 最大的確定性就是我們的死亡意識——我知道我要死掉

• 不確定性就是我不知道我什么時候死掉——有可能是明天，有可能是 100 年之后，我們不知道

所以說人就是處于這種最大的確定和最大的不確定之間，這就會激發出人和動物的一個最本質的區別——意義。

意義：人類存在的核心

我為什么活著？在我活著的期間，我能干一點什么樣的事情？干一點有意義的事情。而不像一只貓一只狗一樣，我吃飽喝足，有個安全地方睡覺。這個對我們現在絕大多數人來說，這已經是能滿足了——吃飽喝足，有個安全的地方睡覺。

但是你看我們現在，比如說進行這個 talk，你說和我們吃飽喝足有關系嗎？沒關系。和我們有個安全地方睡覺有關系嗎？沒關系。但是我們花很多精力在這上面，為什么？我們就追求意義感。

所以這就是我們人類所獨有而動物所沒有的東西，我覺得這是意識的本質——追求意義。

比如說我們說一個人得了重度抑郁，跳樓自殺了，為什么？因為他覺得生活沒有意義了，他的意義感缺失。這是很多精神類疾病的一個核心。一個有強烈意義感的人，他是不可能得任何精神疾病的。

心理咨詢專門有個療法叫意義療法。你說你有什么病我不給你治這些病，我來幫你找意義。我幫你把意義找到了，你找到你活下去的意義了，什么毛病都全都沒了。所以這是積極心理學里面專門有一個叫意義療法，就專門來幫你找意義。

我覺得這是 consciousness 里面最核心的一個東西——死亡意識，由死亡意識所驅動的。

死亡意識的考古證據

動物沒有死亡意識的。對于人類而言，在那個 300 萬年的演化里面，其實人之前也沒有死亡意識的。從哪點可以看出來呢？具體時間記不清楚，大約距今 4 萬年左右，人類開始出現大量的墓葬——人死了之后會把他埋起來，還給他放點鍋碗瓢盆，相信來世這件事情。

這是人有意識的一個重要的標志。什么意思呢？精神和肉體的分離。你死了你的肉體腐爛，這是大家能看得見的，但大家認為你的精神還在，你的精神到了天堂，去了地獄，或者會有來世，會有轉世。所以大家認為你的精神是沒有死掉的。

那么這個精神是什么？就是我們的意識，自我意識。也就說我的肉體爛掉了，但是我并沒有消失。所以說意識的核心其實就是死亡意識，這個是人類所獨有的，其他動物沒有。

AI 能有死亡意識嗎？

我們回到 AI 上面來講，AI 是沒有死亡意識的，而且永遠不會有死亡意識。為什么？一塊 CPU 燒了換塊 CPU，硬盤爛了換塊硬盤，它是可以永生的。

所以說從這個角度上來講，一個非常有趣的事情，就是 AI 它能不能找到自己的意義？當它沒有死亡這種壓迫的時候，它還能找得到它進化的意義，找到它前進的意義？

我覺得從這一點上來講，這是擺在我自己面前一個最大的疑問——AI 能不能真正的自主進化？我們人是自主進化的。你看我們人類最大的特點就是愛折騰，明明能吃飽穿暖，你還去折騰什么科技，還要搞更大的創造力，其實你完全沒必要。

所以說我覺得這一點，是現在人類有而 AI 可能在將來都不會有的死亡意識。然后我們回到剛才黃仁勛的講話，回到 Hinton 的講話，我覺得 AI 擁有 subjective experience 完全沒有任何問題，但是 AI 他不可能擁有死亡意識。

這個時候就會產生一個問題：他還會不會主動進化？或者他按照另外一條方式進化，和人類就不一樣？因為我們人類進化就是被死亡所驅動的進化，而 AI 當它沒有死亡來驅動它的時候，它會不會有其他東西來推動它的進化，比如好奇心還是什么樣子來推動？所以這點我就不知道了。

五、AI 的瓶頸與未來：從 Transformer 到腦科學

Transformer 的三大瓶頸

當前基于 Transformer 的 AI 模型面臨三大瓶頸：

第一，神經元復雜度的不足。人類大腦的神經元不僅數量多，復雜度也遠超 AI 模型。一個神經元有上萬個樹突，每個樹突上有成千上萬個突觸，這種復雜度是現在 AI 模型完全無法比擬的。

第二，長程反饋連接的缺失。人類大腦擁有 40% 的長程反饋連接，這些連接對于產生創造力、解決復雜問題至關重要。但現在的 Transformer 模型基本上是前饋網絡，缺乏這種反饋機制。

第三，并行加工能力的缺乏。人類大腦具有強大的并行加工能力，可以同時處理多個任務。但現在的 AI 模型主要還是串行處理，這限制了它們處理復雜問題的能力。

腦科學的突破是關鍵

我認為，腦科學的突破將是 AI 進入下一階段的關鍵。我們需要從大腦的工作原理中汲取更多靈感，不僅僅是模仿神經元的連接方式，更要理解大腦是如何產生智能、如何學習、如何創造的。

這也是為什么我要把腦科學和 AI 結合起來做研究的原因。我相信，只有深入理解大腦的工作機制，我們才能真正突破當前 AI 的瓶頸，創造出更接近人類智能的系統。

具身智能的真正含義

現在很多人對具身智能有誤解，認為只要把 AI 裝到機器人身上，讓它能夠感知環境、操作物體，就是具身智能了。但真正的具身智能遠不止于此。

真正的具身智能是指，智能體通過與環境的持續交互，通過身體的感知和行動，來發展和完善自己的認知能力。這不僅僅是感知-行動的循環，更重要的是這種交互如何塑造智能體的內部表征，如何影響它的學習和推理過程。

人類的智能就是在與環境的持續交互中發展起來的。嬰兒通過觸摸、抓握、移動來理解世界，這種身體經驗深刻地塑造了我們的認知結構。真正的具身智能需要達到這個層次，而不僅僅是讓機器人能夠走路、抓東西。

六、AI 時代的教育：從應試到創造

應試教育的全軍覆沒

在 AI 時代，傳統教育模式（尤其是記憶知識）已失去價值，因為 AI 能提供所有知識。我們以前的教育是什么？就是讓孩子記住大量的知識，然后通過考試來檢驗他們記住了多少。但在 AI 時代，這種教育模式已經完全失效了。

為什么？因為 AI 可以記住所有的知識，而且記得比人更準確、更全面。如果我們還是培養孩子去記憶知識，那他們永遠無法和 AI 競爭。

教育應該回歸本質

教育應回歸本質，培養孩子成為“自己”。這包括三個方面：

第一，找到興趣和目標。這就是我剛才說的找到自己的邏輯原點。每個人都應該問自己：我為什么要做這件事？我的底層動機是什么？我的人生意義在哪里？

這不是一個容易回答的問題，但這是一個必須回答的問題。我們的教育應該幫助孩子去探索這個問題，而不是告訴他們“你應該做什么”。

第二，具備 AI 原生的思維模式。也就是學會與 AI 共生。AI 不是一個工具，而是一個伙伴。我們需要培養孩子如何與 AI 協作，如何利用 AI 的優勢，同時發揮自己的獨特價值。

這就像我之前說的，用 AI 就像談戀愛一樣，需要理解對方，需要溝通，需要磨合。這不是一個技術問題，而是一個思維方式的問題。

第三，培養 0 到 1 的創造力。這是最重要的一點。在 AI 時代，真正有價值的是創造力，是從 0 到 1 的能力，而不是從 1 到 100 的能力。

我們需要鼓勵孩子運用演繹推理和第一性原理思考問題，而非僅僅停留在表面分析。我們需要培養他們找到邏輯原點的能力，培養他們敢于挑戰現有框架的勇氣。

從“術”到“道”

我覺得在 AI 時代，我們的教育需要從“術”轉向“道”。以前我們教孩子各種技能，各種方法，這是“術”。但在 AI 時代，這些“術”很快就會過時，因為 AI 的迭代速度太快了。

真正重要的是“道”，是底層的思維方式，是 philosophy。這才是能夠讓孩子在 AI 時代立足的關鍵。

我覺得你們做的這個課程，就是在教“道”，而不是“術”。這是非常有價值的，因為這是這個時代最缺的東西。

小術易求，大道難得

我們以前經常說一句話，叫“大道易得，小術難求”——方法大家都懂，但是大家照樣過不好這一生。這是我們經常說的俗語。

但是我覺得 AI 時代正好反過來。我覺得小術易求，大道難得。各種各樣的工具，各種各樣的技巧層出不窮，小術易求。但是大道難得，就說我們怎么去從底層去理解這件事情，反而是我們這個時代特別困惑的。

七、結語：尋找自己的邏輯原點

回顧我自己的經歷，我覺得最大的遺憾就是沒有早一點找到自己的邏輯原點。如果我在 94、95 年就能找到，我就不會走那 20 年的彎路。

但另一方面，這 20 年的腦科學研究也給了我獨特的視角，讓我能夠從一個不同的角度來理解 AI。所以也許這個彎路是必要的，就像你說的，也許這是“降臨派”的安排。

對于現在的年輕人，我想說的是：不要等到我這個年齡才開始思考這個問題。盡早去尋找你的邏輯原點，去思考你為什么要做這件事，去找到你人生的意義。

在 AI 時代，這比任何技能都重要。因為技能會過時，但你的邏輯原點，你的底層信仰，這是永遠不會過時的。這是你在這個快速變化的時代中，唯一能夠抓住的錨點。

最后，我想再次引用 Hinton 的那句話：人的大腦就是這么工作的，沒理由人工神經網絡不這么工作。

這句話不僅僅是關于 AI 的，它也是關于我們自己的。我們需要理解我們自己的大腦是如何工作的，我們的智能是如何產生的，我們的意識是如何形成的。只有理解了這些，我們才能真正理解 AI，才能真正在 AI 時代找到自己的位置。

這是一個最好的時代，也是一個最具挑戰的時代。讓我們一起去探索，去創造，去尋找我們的邏輯原點。