人工智能的突破是怎样实现的？ | 方柏林读《陌生的新大脑》

牛津大学教授萨默菲尔德在他的新书《陌生的新大脑》中揭示了大语言模型的运作机制。

2025年刚出版的《陌生的新大脑：人工智能怎么学会了说话，这意味着什么》是一本极富洞察力的作品，它不仅追踪了人工智能的技术演变，更深刻探讨了“智能”究竟意味着什么，能做什么。它不是一部关于编程技巧或模型架构的教科书，而是一部融合认知神经科学、哲学思辨与社会反思的跨学科力作。作者克里斯托弗·萨默菲尔德（Christopher Summerfield）带我们踏上一段从数字神经元到人类心灵，从符号推理到沉默的意义，从人工智能的威力与功用，到伦理和谬误的旅程，最终引导读者重新理解自己，理解人类心智的独特性与脆弱性。

本书作者克里斯托弗·萨默菲尔德是一位横跨认知神经科学与人工智能领域的学者。他在英国牛津大学担任认知神经科学教授，专注于研究人类大脑如何进行思维、学习与决策；同时，他也是英国人工智能安全研究院（AI Safety Institute）的研究主任，致力于探讨如何构建安全、可靠且具备类人智能的人工系统。他的研究融会神经科学与计算机科学，深入探索人类与机器智能之间的共通、差异和有机组合。2015年，萨默菲尔德荣获“认知神经科学学会青年研究者奖”（Cognitive Neuroscience Society Young Investigator Award），其学术成就备受国际认可。

人类理性的幻梦：实证主义和逻辑崩塌

本书一开始追根溯源到大语言模型演化的历史，尤其是实证主义哲学传统和“我思故我在”的理性主义传统。在实证主义传统里，我们的思考和外部感官刺激有关，代入到大语言模型的语境里，大语言模型的输出效果，和我们外部的刺激——亦即我们投喂的提示词和开发者的训练语料息息相关。我们作为使用者，大语言模型的产出效果，受制于我们的提示词投喂和提示词的细化质量，所谓“进去的是垃圾，出来的也是垃圾”，反之亦然。故而同样都有这些人工智能的工具，人们使用的效果却千差万别，有的仅限于写写小作文，有的则人生规划都用它来辅佐了。

关于理性主义传统，作者反思神经网络内部基于逻辑和算法的组合，如何改变生成效果。这里强调的是人工智能对于语言规则的学习，通过逻辑的方式反刍，借此输出结果。从概念到概念地解说这两种传统比较抽象，作者使用了花样滑冰和下象棋的比喻。花样滑冰有如实证主义传统，运动员在溜冰场上，感官刺激丰富，如赛道的平滑或者颠簸、风速、音乐、教练训导、观众反应等等，都能对表现产生影响。而与之相对，象棋大师可能只是坐在那里，在脑海中排列组合，这好比那种纯逻辑的传统。这两者其实是相互结合的。还有一个有趣的比喻，是一个外国人，如果不幸被困在泰国图书馆里，长时间不得出去，先前没有学过泰语，能否通过符号和逻辑，最终把泰语学会。如果我们的头脑中生来就有语言所依据的逻辑，照说这是有可能的，如果时间不限的话，这是理性主义传统的隐喻。与之相反，长期外界刺激，能否让生物学会人类语言？这方面的实验，如对大猩猩，过去做过不少，但是过了一段时间又都销声匿迹了——最终的结论，语言是我们作为万物灵长的特殊禀赋之一。人工智能始于语言，始于大语言模型，也是很有象征意义的事。作者应该不会中文，不然可能更多分析中文作为一种组合语言的特殊优势。据说DeepSeek的训练比英文语境下的工具更有效，而且能耗更低，我的猜测也正是中文作为组合语言，在算法转换上可能更具优势。其实大语言模型学习自然语言处理，可能和我们人类学习语言有类似之处，应该都有归纳和推演的双方面因素。我过去有的老师，从来没出过国，可是语言极好。有