科学家经典预言（人类智能上）

人类智能的要素、运作、内涵、意义与源头是什么？

本文，将在演化脉络的视角之下，信息与结构的视角之上，结合神经科学与心理学上的概念和模型，由浅入深、层层递进、深入浅出地剖析解读，有关人类智能的方方面面（如注意力、记忆力、抽象力、创造力、可塑性、直觉、概率、模型等），包括其下层与上层、交织与交错的深刻关联。

从尺度角度来说，本文的探讨属于“宏观黑盒”，并未涉及任何神经运作与脑区功能的细节，仅在最基本的“神经模型”之上，进行更高层级的论述，显然这把更多不确定的细节，都封装在了某个层级之下，所以令本文的观点和结论，更具有通用性和适应性。

而本文所运用的“解析算法”，其核心动作就是：在思考的过程中，强力思考思考的思考，于是就在这种自指调用的循环中，尽量深入递归的层级，在陷入泥潭“脑栈溢出”之前，带着各种有趣的信息，心流地回归现实。

那么对于“黑盒”，塔勒布在《随机生存的智慧》中，说道：

“他们——生下来被放在盒子里，回到家住在盒子里，学习时勾选一个个的盒子，乘着盒子去上班，工作时坐在盒子里，开着盒子去超市买装在盒子里的食物，乘着盒子去健身房，死后被放在盒子里。这些都是符合欧几里得定义的、四四方方的、表面平滑的盒子。”

赫拉利则在《今日简史》中，说道：

“人类害怕被困在盒子里，但没意识到自己早就被困在一个盒子里了——这个盒子就是人类的大脑。”

而在电影《困在时间里的父亲》中，阿兹海默症淋漓尽致地展现了，我们被困在“黑盒”之中，逐渐失去一切的窘迫与恐惧。

是的，黑盒之中，就是有关人类至关重要的一切，而黑盒中的智能，就是人类赖以生存的一切。

相信本文的信息量与洞见密度，将会让我们从不同的视角，重新了解与认识这个我们自身顶上熟悉又陌生的——“黑盒智能”，而越是了解这个“黑盒”，我们就越是能够发掘和运用其中的“智能”。

接下来，就让我们开始这趟“黑盒之旅”吧。

人类智能（中）：结构、信息、学习、算法、想法与一切

人类智能（下）：智能的源头、语言的作用、虚拟的现实

主题目录如下：

• 人类智能
• 四种推理
• 逻辑与因果
• 大脑的预测
• 在预测之外

人类智能

智能，是人类最强大的神力，是让人类从自然界与动物界，脱颖而出的利剑与铠甲，是人类文明的基石，是塑造当今世界的底层力量。

人类能够像神一样统治地球，这份统治力正是来自我们的“智能神力”。

好消息是，几乎每个人都天生拥有智能，这是我们的祖先在几十万年前，抽中了智能的“演化”，并遗传给我们的“基因财富”。

那么这个“人类智能”到底是什么，又是如何发挥作用的呢？

从浅层简单的角度来看，人类智能——就是人类的思考能力，而思考可以产生思维，思维可以产生思想，这三者的递进关系，如下：

• 思考——基于信息的推理过程（动词），如思考问题、思考一下——在想。
• 思维——基于模式的思考方法（名词），如逻辑思维、理性思维——怎么想。
• 思想——基于思维的认知结果（名词），如成熟思想、深刻思想——想出什么。

可见，思维的作用，就是承上（思考）启下（思想），而打包一些思考方法成为一个系统，就可以称之为“工具”，如哲学思维、数学思维、科学思维等等，都是一种“思维工具”。

那么，当审视思考本身的行为与过程的时候，我们就会发现，思考主要就是在做一件事情，那就是——推理（Reasoning）。

而从推理角度看，人类智能可主要可以进行，四种推理：

• 第一，演绎推理，又称逻辑推理，由一般到特殊。
• 第二，归纳推理，由特殊到一般。
• 第三，类比推理，由特殊到特殊。
• 第四，溯因推理，又称反绎推理（或反向演绎），由特殊到解释。

其中，类比与溯因的区别在于：

• 类比——是形式不同，但逻辑相同的连接。
• 溯因——是根据现象，寻找最可能的解释。

而在推理背后的支撑之物——就是逻辑，即：所有的推理都要符合逻辑，否则推理过程就不成立。于是，思考就是符合逻辑的推理，思维就是符合逻辑的方法，思想就是符合逻辑的逻辑。

可见，思考需要逻辑，思维内嵌逻辑，思想就是逻辑，所以抽象来看——人类智能就是由“旧逻辑”推理出“新逻辑”的能力。

四种推理

第一，演绎推理，从一般到特殊。

例如，已知有一袋绿豆，请问取出一颗是什么颜色？——演绎推理可得，绿色。

演绎，能够让我们对未知事物，做出准确的判断，即：只要前提结论正确，推理过程符合逻辑，推理结论就一定正确——这是人脑主动使用最多的推理方法。

而符合逻辑的意思是，结论与结论之间，不能违反逻辑规律，即满足：

• 同一律，保证描述的是同一个事物。
• 矛盾律，不能同真，必有一假，可以同假，即不能同时成立。
• 排中律，不能同假，必有一真，可以同真，即至少一个成立。
• 无矛盾，不能同真，不能同假，必有真假，即必须一真一假。

那么，“第一原理思维”与“终局思维”，就可以看成是从上到下、从后往前地运用演绎推理——但能够想到这两种思维，并在实际中运用，则需要一些溯因推理。

第二，归纳推理，从特殊到一般。

例如，已知有一袋豆子，每次取出一个都是绿豆，请问这一袋是什么豆子？——归纳推理可得，绿豆。

归纳，能够让我们提取事物，内在统一的抽象信息，但这个结论未必正确——就像上面那袋豆子，取出1000个都是绿色，并不能保证剩下的豆子都是绿色。

既然不准确，那都用演绎推理就是了，为什么还要用归纳推理呢？

原因就在于，归纳可以为演绎提供前提。

显然，真实世界的推理，常常已知前提不足，这时就可以利用归纳推理，得出一个前提，再以此前提进行演绎推理——只是此时，其结论也就是不准确的了，但总比没有结论好。

可见，归纳其实是一种经验推理，经验无法保证逻辑绝对正确，是归纳不准确的底层原因——这是人脑被动使用最多的推理。

换言之，人脑常常会无意识地运用经验归纳（如局部代替整体、个体代替群体，个例代替所有），作为演绎的前提，进行不准确的推理。

但需要指出的是，数学归纳法——是先证明第一张牌会倒，再证明任意一张牌倒了其后继也会倒，那么整个“多米诺骨牌”（无论有多少牌）就都会倒——所以数学归纳法可以保证，无限种情况下，其结论都成立，没有例外——因此它的本质其实是，绝对准确的演绎推理。

第三，类比推理，从特殊到特殊。

例如，细胞运作就像工厂生产，血管分布就像道路规划，基因表达就像公司管理，神经网络就像光纤网络，生物生长就像公司发展。

类比，可以理解为，抽象的外推，即：有抽象才有类比，抽象接近本质，本质通用（即底层逻辑相同）可以外推。

显然，类比的目的，不是提供准确的结论，而是提供视角、概念与启发——这是人脑自动使用的推理方法，常常自动触发，但它的效用取决于，人脑已有的抽象信息。

事实上，通才的“学习迁移”，即是类比思维的大量使用，显然抽象信息不足，是无法“有效迁移”的。

值得一提的是，在中文语境下，“比如”和“例如”都可以引导类比，大部分时候可以通用，但有一种情况“例如”更适合，即：从多个相似事物中给出典型——超级英雄都具有牺牲精神，例如钢铁侠——此时侧重举例，而不是类比。

第四，溯因推理，从特殊到解释。

例如，光为什么无法静止，因为光速没有参考系；单电子为什么能双缝干涉，因为它同时穿过了双缝；薛猫开箱为什么没有生死叠加，因为世界分裂出了两个平行宇宙。

溯因，可以理解为，闪念与洞见，即：大脑遥远区域的长连接，以及潜意识的计算，即直觉。

需要强调的是，颅内“长连接”可以穿越不同功能的脑区——这不仅是“遥远”信息的连接，也是各种脑功能的连接。

可见，溯因的结论，有时是惊为天人的创新，有时则是“异种”——这是人脑不常使用的推理方法，常常是随机触发，但其效用往往也是随机的。

历史上，很多伟大的发明创造，其实都是溯因推理，瞬间激发“顿悟时刻”的结果——这也被称为“尤里卡时刻”（Eureka）或“啊哈时刻”（Aha Moment）。

而类比来说，风险投资就是在构建“长连接”，即把“相隔很远”的资本与创新连接起来，创造具有“洞见”的产品——所以风投的思维模式，常常具有溯因推理。

那么值得指出的是，关于创意、创新、创造，有如下不同：

• 创意，是一种可见的不同——有新颖感，比较表面，带来趣味，不解决问题。
• 创新，是一种深度的不同——有惊奇感，比较本质，带来变革，可解决问题。
• 创造，是一种创新的实践——有成就感，比较复杂，带来产品，能满足需求。

另外，著名的侦探福尔摩斯，有句名言：“当排除掉所有的不可能之后，无论剩下的是什么，不论有多么不可能，它都一定是真相。”

这像是一种“演绎版”的溯因推理，因为“排除掉所有的不可能”，很有演绎的“步骤感”，而有些“不可能的可能”，无法判断是不是可以排除——但“溯因”可以直接定位到它们。

事实上，纯粹的溯因推理，都会存在“跳步”，即没有明确的推理步骤，其过程的“可解释性”都是事后的解读，而这种“不可解释性”是来自于，大脑黑盒的“直觉计算”。

最后，推理的本质与意义。

综上可见，推理的本质，就是根据已知确定未知，即：

• 推理过程——是在逻辑约束下，进行模式的识别与匹配，即定性。
• 推理操作——是在逻辑约束下，进行信息的抽象与连接，即计算。
• 逻辑约束——是在已知前提下，需要关系符合逻辑规律，即合理。

其中，演绎与归纳——是基于精确逻辑的，类比与溯因——则是基于概率统计的。

从某种角度说，闪念、直觉、灵感、顿悟所带来的洞见，就是运用类比与溯因的推理结果，其过程看似没有逻辑，实则背后是大脑“遥远连接”所激发的，信息的“自由”排列组合，其可能蕴含着深刻本质的逻辑。

换言之，类比的逻辑——需要抽象到某个层次才能看见，而溯因的逻辑——需要抽象到更深层次才能看见。

当然，相比演绎，归纳、类比、溯因的准确率是渐次递减的，而如果前提是准确的，演绎就是准确的，所以演绎就成了逻辑的代名词，演绎推理通常就指代“逻辑推理”。

那么推理的意义，就在于——捕获因果，预测未来。

显然，掌握了因果关系，就可以预测未来，而预测未来是为了趋利避害，趋利避害是为了生存，生存压力演化出了预测未来的能力，即：因果推理。

而从因果推理来看，“在意料之外，又在情理之中”——就是没有推理出结果，但可以理解推理过程。

至于，推理如何捕获因果，其关键就在于，逻辑连接了推理与因果，即：推理通过逻辑捕获了因果。

逻辑与因果

为什么按照逻辑，应该是这样的？为什么你的逻辑是对的，我的逻辑就是错的？为什么这样符合逻辑，那样就不合逻辑？

原因就在于，逻辑是事物所固有的关系，更准确地说，逻辑是某个角度下客观结构所呈现的客观关系。

简而言之，事物的关系，是一种客观存在，可以被抽象成逻辑。

因此，正确的逻辑——就是可以客观存在的结构关系，错误的逻辑——就是无法客观存在的结构关系。

例如，应用正确的逻辑，在现实中就可以得到“可见”的结果（即预测成功），应用错误的逻辑，在现实中就无法得到“可见”的结果（即预测失败）。

例如，逻辑正确，关系存在，对应的信息就正确，而正确的信息可以消除不确定性，错误的则不行，因为错误的逻辑，对应不存在的关系，“不存在”无法确定客观运作。

可见，逻辑具有可判定的唯一正确答案。

而推理过程中，必须符合的逻辑规律（矛盾律、排中律、无矛盾），其目的就是保证结构关系的客观存在性。

例如，如果逻辑出现了前后矛盾，就必然没有客观存在性，因为矛盾是对立的关系，同一事物在某一时刻，只能客观存在对立关系中的一个，这是客观世界的现实要求。当然，不同事物，或同一事物不同时间，可以出现对立关系。

事实上，有结构就会有关系，有关系就会有逻辑，关系无法脱离结构，就是逻辑无法脱离结构，而结构是无处不在的，所有的事物都会以不同的结构呈现出不同的关系，这意味着逻辑会以不同的形式，无处不在地存在。

那么，在相同的环境和条件下，事物所呈现的各种关系，被观察、被体验、被总结、被验证、被理解，最后掌握了关系的触发与重现，这个客观关系就被称为——规律。

而每当我们对规律有了新的认识，就相当于重新定义了关系，旧逻辑就会被推翻（或变得有条件成立），新逻辑就会被建立。

不过，这里需要特别指出的是，不同的角度看同样的结构，可能会有不同的关系，即有不同的逻辑——因此，同一个事物，不同的理解角度，就会有不同的结论与意义，这有点像是“逻辑的相对性”（类比同时的相对性）——同时，连接将会非线性（接近平方一半）地增加更多的视角，也就是增加更多的逻辑关系。

• 例如，横看成岭侧成峰，远近高低各不同。
• 例如，温故而知新，即是在相同的结构中，发现了新的关系。

所以，换个角度说，推理就是对事物关系的确定，即：正确的推理——得到规律，错误的推理——得到谬误。

著名理论物理学家、圣塔菲研究所前所长——杰弗里·韦斯特（Geoffrey West），在《规模》一书中，曾指出：

“所有的物理定律、及实际上所有的科学定律，都必须可表述为比例不变的「无量纲数」数量之间的「关系」，尽管它们通常不会这样写就。”

无量纲数——是指两个具有相同量纲的物理量的比值，又称无量纲量。量纲——是指物理量的基本属性，如长度、时间、质量等。

而规律可以帮助我们预测未来，谬误则无用或有害，甚至带来灾难，但有时也能带来益处，主要是心理上的正面感受，如：虚幻的确定感与自利性的偏见。

但，规律中的逻辑关系，为什么就可以预测未来呢？

答案就在于，关系意味着存在连接，连接可以传递相互作用，相互作用带来了“因”与“果”，所以是因果关系中，现在的“因”可以预测未来的“果”。

也就是说，逻辑保证了关系的存在性，关系中的相互作用通过因果，连接了现在与未来。

不过需要指出的是，这个相互作用所呈现的结果，可以是确定的即没有概率，也可以是不确定的即有概，所以逻辑可以呈现概率（如微观不确定性），即概率是逻辑的结果（如量子力学）。

由此可见，逻辑就相当于（充当了）一个“层级封装”，在层之上，人脑利用推理形成了智能，在层之下，就是现实世界的各种关系，可以被抽象成逻辑，支撑智能的预测。

而更形象地说，现实世界的客观结构是一个“整体”，人脑结构映射了“世界的部分结构”，并通过智能，推理出了“颅内数据结构”的逻辑关系，这个逻辑关系连接了颅内外的结构，从而可以预测现实世界的未来运作。

也因此，预测未来的关键，就是获取各种结构的逻辑关系——最底层结构的逻辑关系，自然就是宇宙的基本规律，也称之为“第一原理”。

于是，我们可以得到：

• 预测未来 = 确定关系 = 结构 推理
• 预测能力 = 人类智能 = 颅内结构 四种推理
• 颅内结构 = 大脑结构 数据结构

可见，智能的高低（或强弱），就是体现在预测能力之上的，即：智能越高，预测能力就越强。而预测能力越强，就意味着能更好地——应对未来、适应环境、甚至改造环境——这就是进化出智能的意义。

当然，四种推理，分别代表了不同的预测能力，如：

• 演绎——是逻辑预测，在于逻辑力。
• 归纳——是经验预测，在于记忆力。
• 类比——是联想预测，在于联想力。
• 溯因——是洞见预测，在于洞察力。

这里需要指出的是：

• 逻辑力包含抽象力，没有抽象就没有逻辑，语言就是一种抽象，语言支撑了逻辑。
• 想象力可以想象出，毫无逻辑且没有预测效用的结果，所以想象力可以无关推理。

而这些能力，是组合运作的，如：

• 逻辑力 记忆力 = 分析力
• 记忆力 联想力 = 直觉力
• 联想力 洞察力 = 顿悟力
• 逻辑力 记忆力 联想力 洞察力 = 预测力 = 推理力

塔勒布在《反脆弱》中，曾洞见到：“经验不会受到思维漏洞的影响，但推理和研究会。”

这似乎就是，归纳优于演绎的地方，体现出了在复杂世界——实践经验（即躬身入局）会高于颅内模拟的准确率。

显然，真实世界的具体问题，往往都是不确定的复杂系统（包括简单的复杂和复杂的复杂），其难度不在于解方程，而在于没有方程，或不知道该用哪个方程（相比而言数学难在单纯确定的复杂）——这就是演化偏好经验归纳的原因所在。

例如，大自然用实践演化（真实世界），智能用推理演化（逻辑世界），前者是具体数学，后者是抽象数学。

那么，预测的准确率，除了在于智能的高低，还在于——时间与连接两个维度，即：预测的时间越长、连接越多，预测准确率就越低，反之亦反。

用公式表达，就是：预测准确率 = 智能 / (时间 * 连接)，即：

• 时间和连接固定，预测准确率与智能成正比；
• 智能固定，预测准确率与时间和连接成反比；
• 如果没有时间就是静止系统，如果没有连接就是封闭系统；
• 静止系统不需要预测，封闭系统的预测在于其内部的连接。

例如，预测一个人在一分钟、一小时、一天后的行为，是越来越难的，而一个人与如果环境发生连接，就可能会改变他的行为，于是连接越多（即交互越多），就越难以预测他的行为；同理，蚂蚁、鸟群、沙堆、粒子、乒乓球等等，万物都是如此。

事实上，连接越多，局部的相互作用就有机会，由正反馈的量变积累成质变，产生非线性的涌现效应——这种不确定性，非线性地增加了预测难度。

不过需要指出的是，有连接不一定时刻都在相互作用（如你不会时刻联系朋友），但可以有相互作用（如你随时可以联系朋友）。

于此，可以将“连接”看成是——相互作用的通道或路径。

当然，人类智能的强大之处，就在于可以发掘事物背后的逻辑关系，这些关系即是——规律（Laws）、原理（Principles）、法则（Rules）、理论（Theories）、模型（Models）、秩序（Orders），通过它们，就可以在更多时间和连接的范围内，进行有效的预测。

例如，牛顿力学，可以有效预测天体运行；统计规律，可以有效预测短期天气；幂律模型，可以有效预测复杂系统的演化；甚至脑神经模型与功能性核磁共振，可以有效预测人脑的即时选择。

而在此，我们还能看到一个正反馈循环，即在「智能预测 = 结构 推理」中，智能预测发现的「新结构」可以增强「结构」本身，于是输出可以增强输入，结果「智能预测」可以正反馈变强。

但同时，我们也会发现，推理是一个计算的过程，所以算力会制约智能预测的增速，尤其是人脑的算力有限，并且人脑的存储也有限，放不下所有的“已知结构”——结果就是，人类的预测能力，不在于个人智能（有限），而在于群体智能的叠加（迭代规律），以及借助外部工具的辅助。

例如，科学体系（可以看成是预测模型与预测工具）的构建与发展，就典型地体现出了群体智能的叠加。

例如，智能创造工具，工具扩展智能，而据「存储 计算 = 预测」可得，工具提高人类预测能力的方式有：

• 一方面，工具提供了，外部的存储、计算、或存储与计算。
• 一方面，工具开发了，大脑的存储、计算、或存储与计算。

那么，更普适地来看待逻辑与关系，我们会发现，所有的感觉都是一种逻辑关系（如饥饿与疼痛），它是本能捕获的因果，可以帮助我们预测自身与环境中的利害程度，而感受与感知（两者有思维，如愉快与危险），则是在感觉（无思维）的基础上，加入了智能预测。

所以，本能也可以进行，一定程度上的有限预测。

大脑的预测

直观上，人脑的推理行为，可以按照意识分为两种，即：有意识推理与无意识推理。

换言之，就是有意识预测与无意识预测——是的，推理就是预测未知，不仅未来充满未知，现在和过去也充满未知，所以推理可以预测——现在、过去和未来。

所以，广义的预测，就是根据已知对未知的判断——这也是解决任何问题的手段。

需要说明的是，这里的无意识是指——潜意识与下意识，它们均来自本能系统的运作。

潜意识——是本能潜在的推理预测，代表着你对环境信息的判断和情绪（来自腹内侧前额叶）。

下意识——是本能对外界刺激预设的行为反馈，代表着你对环境信息的非自控行为（来自边缘系统，尤其是其中的杏仁核）。

而从卡尼曼在《思考，快与慢》中所说的——节能系统1与耗能系统2——角度来看：

• 有意识推理——属于耗能系统2，类似手动驾驶模式，也就是智能预测，或称“自上而下”的预测。
• 无意识推理——属于节能系统1，类似自动驾驶模式，也就是本能预测，或称“自下而上”的预测。

那么，智能预测与本能预测的显著区别就在于，前者耗能缓慢容易累，后者节能快速没感觉。

例如，阅读文章，常用词组有错别字，或是文字顺序颠倒，都不会影响我们的阅读理解，甚至都不容易发现，因为在阅读的过程中，潜意识一直都在预测可能出现的文字组合。

例如，我们身处的周围环境，时刻都有很多运动的物体，而潜意识会按照经验中，我们所熟知的物理规律，去预测物体的运动轨迹，以至于我们都难以注意到，这些运动物体的存在。

而一旦出现预测失败——无意识就会切换到有意识，注意力对准“意外事件”，本能切换到智能，开启耗能的推理计算。

例如，面对突然高速飞向自己的皮球，我们会迅速注意到它，并试图“主动”躲避，但一般都会被击中，因为智能计算是耗能缓慢的，而有时我们却能够下意识地“被动”躲避，这是因为下意识是本能计算，它是节能快速的。

事实上，大脑无时无刻不在预测未来，以填补感官没有捕获到的模糊和空白。

例如，一段听不清的音频，听一遍清晰版本，再回去听就能够听清了；一段看不清的文字，看一遍清晰版本，再回去看就能看清了——这就是因为，人脑用预测信息填补了音频文字的空缺。

例如，电影不连贯的画面，却拥有连贯的叙事能力——这就是因为，人脑用预测信息填补了情节画面的空缺。

例如，著名科普作家——比尔·布莱森，在《人体简史》中，指出：

“对于每一次视觉输入，信息都要花一段微小但可感知的时间（大约200毫秒，或者1/5秒），顺着视神经传输到大脑当中，再由大脑进行处理和阐释。为了帮助我们更好地应对这种时间上的滞后，大脑做了一件真正非同凡响的事情，即：它不断地预测世界在1/5秒后的样子，并告诉我们，这就是「当下」。”

所以，毫不夸张地说，大脑一直都在进行着各种预测，甚至说没有预测，就没有判断与选择，就没法做出任何行为与动作——只不过大部预测，都是自动驾驶模式的本能预测，所以我们通常难以察觉，但刻意注意就会发现。

那么，从算法角度来看：

• 本能预测，是把先验算法“硬编码”在神经系统中，情景（即输入信息）一旦抵达阈值，预测就会激发，但情景的反馈，无法修正这个预测，即：先验算法不可改变——如应激反应。
• 智能预测，是把先验算法“软编码”在神经系统中，情景（即输入信息）不仅可以激发预测，其反馈还可以修正这个预测，即：先验算法可以改变——如随机应变。

而从时间角度来看：

• 本能预测——形成了潜意识、下意识与直觉，这是一种短期预测，时刻被动触发，如脑补。
• 智能预测——形成了思考、决策与选择，这是一种长期预测，需要主动控制，如设计规划。

可见，本能预测——就像是硬编码的“快捷算法”，智能预测——就像是软编码的“动态算法”。

然而在实际中，这两种预测并非是独立的，而是混合且互作用的，即：大脑预测 = 本能预测 智能预测。

例如，类比与溯因推理，就是本能预测与智能预测的混合计算——所以准确率不高。

例如，本能预测可以调用智能推理，所以直觉背后可以有认知逻辑（如闪念）；智能预测也可以调用本能推理，所以认知背后可以有直觉引导（如洞见）。

但，本能预测是可以“强力约束”智能预测的。

例如，某些情景，同时激发了本能预测与智能预测，此时情景的反馈，就难以修正（本可以修正的）智能预测（因为被本能预测约束了），表现出来的就是——本能偏差、偏见、或谬误，如：幸存者偏差、归因偏差、叙述谬误。

那么，智能预测的绝对优势就在于——动态调整与长期预测。

动态调整在于大脑的可塑性（这个后面说），而长期预测其实一种模拟，即：大脑会映射环境信息，并在颅内模拟环境信息的演化——所以，颅内模拟 = 颅内信息 推理预测。

事实上，模拟，是一个非常高级又非常底层的操作：用一个系统模拟系统自己就是自指（Self-Reference，高级），用一个系统模拟另一个系统就是计算（底层）——大脑意识的产生，就必须要有自指计算，而智能提供了模拟的基础。

例如，理解智能需要智能本身，这是一个自指计算，所以需要意识。

可以说，大脑一直在持续自动地构建一个——“颅内模拟的世界”，并利用感知信息作为“模拟材料”，本能智能作为“模拟工具”。

而简单的模拟是计算，复杂的模拟是预测，高级的模拟是自指——演化是随机计算（即随机简单的模拟），它可以构造出复杂高级的预测与自指。

回到演化视角，有预测就会有误差（有误差就会有注意力），消除预测误差就会增加生存优势，于是消除误差的行为就会得到化学奖励，即：

生存优势 = 预测未来（推理） 消除误差（行为） 化学奖励（快感）。

可见，如果「预测未来 消除误差」的能力越大，生存优势就会越大，而生存压力导致生存优势的“军备竞赛”，则促成了「预测未来 」向着智能涌现的方向演化。

例如，人类对“盐糖脂肪和繁衍”的本能欲望，就会产生极大的预测误差（会带来极大的内驱力），而人类智能则非常擅长消除误差（会想尽一切办法来满足欲望），以获得化学奖励。

其实，如果说大脑时刻都在预测未来，那么大脑就会时刻在试图消除误差，即产生某些行为的驱动力。

例如，如果你想挠痒，但手臂不动，大脑就会产生预测误差，只要你移动手臂去挠痒，就可以消除这个误差。

例如，风沙进入眼睛，就会有不适，为了消除不适，大脑就会产生预测行为，即揉眼睛，你不执行就会产生预测误差，只有执行才可以消除这个误差。

例如，某个场景下的习惯动作，如果不执行就会产生预测误差，此时会不断地下意识想要执行习惯动作，直到执行才能消除这个误差。

可以想象，本能预测产生的误差，动物可以依靠本能行为去消除，而人类可以把这个“本能误差”转化成“智能误差”，然后依靠智能行为去消除。

需要指出的是，误差来自现实对预测的反馈，如果行为无法消除误差，就会产生一个新的预测，新的预测会产生新的误差，新的误差会驱动新的行为——如此循环，直到误差消除，或放弃预测。

那么，本能行为——就是被本能预测（产生的感受）驱动的行为，智能行为——就是被智能预测（产生的逻辑）驱动的行为，两者可以统一（感受和逻辑统一），也可以对立（感受和逻辑对立）。

例如，本能预测到需要喝水（否则对生存不利），这就是口渴的误差，在简单情境下（如生活环境），人类和动物一样用本能行为去找水喝，但在复杂情境下（如沙漠、密室、迷宫），人类可以通过智能行为（即一系列的推理，顺着因果路径）去找水喝。

由此来看，对人类来说，所有的智能预测，其源头最终都会关联到本能预测，因为生存需求最先激发本能预测，如果处理不了才会传递给智能预测。

而在远离生存的一端，智能预测则可以专注于颅内模拟，为了单纯的（无关生存的）快乐，不断循环消除「预测未来」的误差，从而构建出一个平行于人类世界，但关联着现实世界的——逻辑世界。

事实上，只有可预测，才能可证伪，只有可证伪，才能算得上是科学——所以逻辑世界又支撑了科学世界，科学世界又改造了现实世界——这是一个从现实到逻辑、再从逻辑到现实，智能预测实现“自证预言”的故事。

而无法量化没有标准答案的，就是与科学相对的艺术世界，它由本能与智能一同构造，但似乎其中的智能只是在预测，个体不同的由本能（即化学奖励）所主导的目标设定，所以并没有统一的标准。

同理，价值观、人生观、所谓意义，都是故事世界的产物——故事是科学与艺术之外更大的世界，这里不仅没有统一的标准，甚至可以有完全相反、相冲突、相矛盾、不自洽的各种标准。

例如，赫拉利在《今日简史》中，说道：“人类的大脑，这个盒子外面还有一个更大的盒子，也就是充满各种虚构故事的人类社会。”

那么，就纯粹的智能预测而言，韦斯特在《规模》一书中，指出：“一个基于数学或可计算的基本原理，而构建的理论框架——这是智能最好的预测框架。”

是的，就如前文所说，大脑的预测能力是有限的，智能预测的能力不限于大脑之内，而在于消除所有预测误差之后的——逻辑世界。

在预测之外

事实上，预测只是本能算法的部分功能——所以预测能力弱，但却是智能算法的核心功能——所以预测能力强。

本能除了预测，还有诸多的控制调节功能，如新陈代谢、自我修复、呼吸心跳、昼夜节律、成长繁衍、精神情绪等等，很多都是主观意识所无法控制和难以调节的。

而智能除了预测，概括起来，可以分为两类功能：一类是支撑预测的，如抽象与计算；一类是对抗本能的，如质疑感受与控制情绪。

事实上，本能带来的负面感受，往往都是本能地“悲观预测”，而智能对抗本能的方法，就是用积极乐观的“正面预测”，来质疑感受并控制情绪，即：改变了思维（是智能）就改变了感受（是本能）——这是颅内模拟的“预测博弈”。

感觉——是对环境信息的生理反应，无思维和想象参与，有对应身体部位，如冷暖、饥饿、疼痛、瘙痒。感受——是对环境信息的心理反应，有思维和想象参与，无对应身体部位，如恐惧、愤怒、开心、孤独。情绪——是持续的心理状态，有持续的多种感受，可以影响思维和想象，可以抵抗环境信息的影响，维持自身的状态。注：感受的心理反应可以被感觉到，如感觉到开心或孤独；有些生理反应可以产生心理反应，反之亦可，如紧张与痛苦。

当然，如果是强烈的本能反应，激发了强烈的电化学风暴，事已至此，智能已经无能为力，只能依靠强大的意志力——如果没有就只能服从本能的差遣了——这是来自意识的强力控制。

那么，从预测角度来看，抽象是语言的基础，抽象和语言是逻辑的基础，抽象、逻辑和计算是推理的基础，推理就是广义的预测。

如果说，逻辑是结构固有的关系，那么抽象就是找出“本质关系”的第一步（空间想象也是一种抽象），接下来有了逻辑，就可以约束四种推理（演绎、归纳、类比、溯因），而推理的具体操作，就是对信息的「搜索、抽象、拆分、连接」，即是对信息的排列组合，也就是计算——用一个系统模拟另一个系统就是计算（如图灵机的纸带），所以信息的排列组合就是模拟。

可见，搜索记忆空间中的“关联信息”，就是推理至关重要的操作，显然没有“关联信息”就无法进行信息的「抽象、拆分、连接」，就无法得到“新关系”进行逻辑判断，自然也就没有推理结果，表现出来感觉的就是——「不知道、没头绪、搞不清、不明白」，即是颅内对未来模拟的一片“空白”。

而搜索记忆的关键，就在于根据“输入信息”去寻找“连接信息”，而这个过程可能会“新建连接”——想法的连接即是创新创造，“短连接”支持了演绎与归纳，“长连接”支持了类比与溯因，洞见则一定是“难连接”，即很难连接的连接（不然很多人都会想到）。

那在大脑中，输入信息是如何去寻找连接信息的？

从生物硬件的角度来说，是神经电脉冲在神经网络结构中“运动”的传递——这其实是带电离子的浓度差，形成电化学驱动力（即扩散力与电动力的合力）驱动离子流动，从而产生电位变化的传递。

例如，一个环境信息激活了一些神经元，其电脉冲会沿着神经连接扩散传递（即同步放电），并会根据激活强度持续地传递一段时间（即幂律衰减），期间一系列的电化学反应（即电信息与化学信息）所形成的路径，就是信息的连接。

那么，输入信息既可以来自环境信息，也可以来自颅内信息，而一旦被注意力捕获，就会“幂律连接”其它信息，这些被“点亮”的信息，可以被注意力继续捕获，接着继续传递，然后再被捕获再传递。

通过这种方式，注意力可以不断“链式搜索”整个记忆空间，而期间会产生各种连接信息，如果某些连接信息符合逻辑，就可以停止搜索，并将所有的已有信息，进行「抽象、拆分、连接」的操作，以得出推理结果。

可以说，控制注意力，在记忆空间搜索的能力，是推理的基石，也是智能重要的组成。

当然，搜索信息的过程可能无果（包括没有满意的结果），此时就需要环境信息输入新信息，这样不仅可以带来“新连接”，以连接本来无法连接的信息（包括直连和串联），也可以调整注意力的“搜索点”，以防止搜索陷在记忆空间的某个局域。

例如，遇到无法解决的问题时，就需要换个环境走走、或换个事情做做，这就是在输入新信息。

例如，头脑风暴可以创意不断，就是因为头脑之间不断互相输入新信息，头脑之内不断用新信息进行信息的排列组合，再输出另一个新信息。

例如，几何证明中引入创造性的“辅助线”，这个新信息就可以串联起原有信息，并得到突破性的视角。

可见，大脑中的信息，并不是随时随地可以任意提取的，检索信息强依赖输入信息，因为我们只能顺着输入信息，去搜索与之关联的连接信息，所以某个信息与输入信息的连接越多或越近，就会越容易被检索到，而两个信息之间的连接越少或越远，就越难以被连接起来。

但在此，不能忽略了潜意识的计算，事实上在意识主动搜索信息的时候，潜意识也在根据输入信息进行关联信息的搜索——这会“点亮”某些信息，以等待着注意力的捕获——为什么那些不可思议的“长连接”（创新）与“难连接”（洞见），能够突然地灵光乍现——这正是本能与智能的混合计算，也是直觉与推理的协同配合。

那么，可以想象是，每次启动智能运作的输入信息，一定是由注意力捕获的环境信息，而在“节能系统1”默认运作的时候，注意力其实是由本能预测控制的——也就是说，我们的行为模式大部分都是，由环境信息刺激本能提出需求（即感觉感受上的想要），然后利用智能去实现需求。

因此，其实是环境信息，主导了大脑的预测，而预测误差主导了我们行为。

但另一方面，大脑结构会决定智能对环境信息的处理——事实上，连接就在于结构，逻辑在于结构，记忆在于结构，搜索在于结构，预测在于“搜索到符合逻辑的连接”也就在于结构，于是智能其实也在于结构。

---

人类智能（中）：结构、信息、学习、算法、想法与一切

人类智能（下）：智能的源头、语言的作用、虚拟的现实

,