智能時代

《智能時代》是跨界天才傑夫·霍金斯的顛覆性著作，融合計算機科學、神經科學與哲學思考，提出“記憶 - 預測框架”這一智能本質理論。霍金斯以工程師的敏銳與科學家的洞見，揭示了人類大腦通過記憶構建恆定表徵、持續預測世界的運行機制，並批判傳統人工智能研究陷入“行爲主義”誤區——僅追逐外在行爲模仿，卻忽視智能的內在認知邏輯。 書中指出，當前人工智能的算法侷限在於缺乏大腦的通用性：視覺與聽覺處理在計算機中是割裂的，而大腦通過層級化神經網絡實現跨模態模式關聯。霍金斯以動物幼崽感官神經重組實驗爲例，證明大腦具有強大的自適應學習能力，這種能力源於對時序模式的動態捕捉。他更預言，未來智能機器必須模擬大腦皮層結構，通過持續預測實現類人認知，而非依賴預設程序。 霍金斯的實踐精神令人震撼。從發明 PalmPilot 到創立腦機接口公司，他始終踐行“理論 - 實踐”閉環。書中對創造力與意識的探討尤其深刻：創造力是預測的副產品，而意識本質是記憶與預測的量子糾纏。這種將抽象理論轉化爲技術路徑的思維，爲 AI 發展提供了全新範式——不是追趕人類行爲表象，而是解碼智能底層算法。 霍金斯的理論直面 AI 領域三大困境： 1、​​感知的不可解性​​：人類感知是預測與感官輸入的融合，而當前 AI 僅能處理離散數據； 2、​​學習的通用性缺失​​：深度學習依賴海量標註數據，遠遜於大腦的少量樣本學習能力； 3、​​意識的工程化困境​​：意識作爲預測系統的湧現屬性，難以通過模塊化設計實現。 書中對 MIT 學界“無需研究大腦”的批判，恰似一記警鐘。當全球 AI 研究陷入技術內卷時，《智能時代》提醒我們：真正的智能革命，始於對大腦運作本質的謙卑探索。

《智能時代》圍繞“大腦如何工作、機器如何模仿、二者如何共生”展開，其核心觀點可歸納爲七個層面：1. ​​智能的根本動力：預測未來​​ 作者將“預測能力”視爲智能的核心。大腦通過不斷構建外部世界的內部模型，對未來狀態進行預測並提前做出決策，這比單純的記憶或計算更能解釋人類智能的本質。2. ​​記憶-預測框架​​ 智能體（無論是人還是機器）都依靠“存儲-檢索-預測”循環：將經驗以模式序列存入記憶，當下級刺激到來時，通過相似性檢索舊模式並預測下一步，從而指導行動。這一框架既描述了大腦皮層的工作方式，也爲機器算法提供了範式。3. ​​大腦皮層的結構與功能​​ 大腦皮層是記憶與智能的中心，具備巨大的存儲空間、自聯想檢索機制和高度可塑性。理解其層級結構與信息流，是開發更高效人工智能系統的前提。4. ​​機器如何獲得智能​​ 機器學習，尤其是深度學習，正沿着“感知—認知—決策—自主學習”的路徑快速進化。其成功依賴於大數據、雲計算與超級計算等基礎設施，這些技術爲算法提供了“餵養”與“訓練”的土壤。5. ​​人機共生與角色分工​​ 在智能時代，機器承擔重複、高精度或危險任務，人類則專注於創造、同理與價值判斷。作者提出“做事是AI的事，做人才是人的事”，強調人類不可替代的情感與倫理維度。6. ​​社會與經濟的重構​​ 智能技術將生產方式推向“數據驅動、算法決定”的新範式：生產全球化、分配智能化、服務業與平臺經濟進一步升級。與此同時，隱私、安全、失業與倫理風險也隨之而來，需要新的制度與治理框架。7. ​​未來的挑戰與機遇​​ 作者認爲我們正處在“智能青年時代”——技術既能毀滅也能創造。人類需在創新速度與社會適應之間找到平衡，通過教育、政策與倫理建設，讓智能成爲普惠工具而非新的鴻溝。總的來說，本書通過腦科學與人工智能的雙重視角闡明：智能是記憶與預測的產物；理解大腦皮層是根本；大數據與算法讓機器學會預測；人類與機器在分工中互補；社會制度必須同步演進以應對新風險。這些論點共同勾勒出一個“以智能爲核心生產力”的未來圖景。

《智能時代》—突破下意識思維，改變下意識 讀了作者第二本書的積澱，此書的內容少了些思維火花的熊熊燃燒。但它是第二本書思想燃料的來源。如作者的思考：當所有的機器都能學習思考，我們的生活會如何改變？書中的許多觀點依舊有啓發的思考性。兩本書對比，它是觀念的科學延續和細化，也是思想猜測的遞進。 《關於大腦的思考》由DNA結構的發現者弗朗西斯.克里克撰寫的，對作者轉向大腦研究領域有着難以忽視的影響。懷疑精神是科學方法的核心，也是區分事實與虛構的唯一方法。“新想法”往往都是舊想法的重新包裝和重新詮釋。作者的這個觀點，一瞬間想起一本書《從零到一》。記憶-預測框架理論的核心概念，作者在第二本書做了更科學詳細的詮釋。也是“新想法”的最好註解。 人的直覺往往是發現真理的最大阻礙。有時它是對的，但改變自以爲正確的慣性思維是很難的。這是人的直覺，下意識的思維。最近一直學習一位老師的課，期間他也在談：人最難打破的就是自己，打破自己的常規認知，越應該做的事情越不要去做，越不想碰的事情，越要去做。 每年數以千計的研究報告發表，研究者往往只是堆砌新的細節，而不是將它們組織起來。這種努力上的失敗，並非是沒有足夠的正確數據，有時需要的是轉換角度的思考，正確的框架下細節纔能有意義和可操控。例如，人有視覺、聽覺、觸覺、嗅覺和味覺。視覺是運動、顏色和亮度感覺的集合。觸覺包括壓力、溫度、痛覺和震動。人們還擁有一套運動傳感器系統，告訴人關節的角度和位置。沒有它，我們就無法運動。內耳中的前庭系統使我們擁有平衡感。研究的角度，人的五大感覺是籠統概括。而研究要細化，每個因素都很重要，甚至需要重新歸類。 研究體象的神經科學家們發現，自我意識比感覺靈活的多。所以人的學習和適應能力是很強大的，超乎想象。作者反覆指出過，我們所見所聞和所感經常高度依賴於我們的自身行動。基底核是原始的運動系統，小腦負責學習事件。兼精準的時間關係，海馬體則存儲和特定事件與地點有關的記憶。 大腦的記憶-預測框架在於大腦認識世界所憑藉的一系列感覺，探測到絕對世界的一部分。這些感覺形成模式被傳入大腦皮層，經過皮層算法處理後，創建出世界的模型。而更大膽的猜測想法：我們的世界就是大腦模型的世界。 大腦皮層的存儲是序列模式，以自-聯想的方式提取模式記憶，以恆定的形式存儲模式。自-聯想記憶系統是一個能夠根據不完整或被扭曲的輸入信息，提取出全部完整的模式系統。它對於空間和時間模式都適用。所以無論何時，一個記憶片段都可以激活全部的記憶。這是這一模式的本質。因此，人的隨機想法或異想天開都不是平白無故的，它都是與記憶有關聯的。隨機的想法是不可能發生的。 柏拉圖提出的解決方案，即是著名的理念論。他總結道，我們的高級心智一定是被束縛在超現實的某些先驗層面上，其中存在着永恆完美的恆定概念。他認爲我們出生前的靈魂就來自於這個神祕之處，並在這裏第一次獲得各種理念，在我們出生後仍然保留着這些潛在的知識。學習和理解的發生，是因爲現實世界的形式使我們回憶起了對應的理念。這段話如同科學之前的哲學，哲學之前的神學。柏拉圖在神學範圍內找到了哲學，在哲學範圍裏找到了科學。這是絕對瘋狂和超前的，如同中世紀哥白尼第一次提出日心說的震撼感。 所以對於很多物種來說，學習只能發生在演化過程中，通過很多代來實現。通過大腦皮層的層次結構、恆定表徵以及類比預測，哺乳動物比其他沒有大腦皮層的動物可以更好地利用這個世界的豐富結構。 由大腦皮層的存儲模式，創造力可以簡單定義爲類比預測，在大腦皮層中隨時隨處發生。它由大腦皮層外的特殊結構和迴路控制。它是每個大腦皮層區域的內生屬性。它是預測的必要組成部分。 所以預測乃至我們的才能都是在我們經歷的基礎上建立起的。人也可以訓練創造力：人們需要假設面對的問題是有答案的，但人們往往很容易放棄。需要拓展思維，讓大腦暢想，給大腦足夠的時間和空間來找到答案。但是錯誤的類比是很危險的。找到答案必須於經常面對問題陷入沉思也需要做些別的事情，讓大腦皮層有機會找到可類比的記憶。 關於智能的未來，作者一直在引用《魔法學徒》中的魔法掃帚，能夠從碎片中重生，並不分日夜的工作從而引發災難的故事思考。作者一直的觀點是智能機器是沒有舊腦的，人類對智能機器擔心的點在於人的舊腦的情感驅動。所以圖靈測試將智能等同於人類行爲，所以它也限制了我們對未來的憧憬。 關於創業。他說創業成功的關鍵一點，你必須在 100% 肯定自己能成功之前，就投身於新的領域。時機很重要，如果跳的太早，你會備受煎熬。而如果等待不確定性完全消散，往往爲時已晚。這也是作者傳奇經歷的解釋。

大腦不是一臺計算機，它不”計算“答案。它做的事情只有一件： 預測。 具體來說大腦新皮層 （neocortex) 時刻在做三件事： 1. 把經歷過的感知序列存入記憶 2. 遇到新的輸入時，從記憶中召回最匹配的模式 3. 在事情發生之前，就預測接下來會發生什麼 這就是 ”記憶-預測框架”。 霍金斯認爲，預測能力的高低，就是智能程度的高低。 現在的LLM本質上也是在預測下一個詞，這和20多年前的這本書的理論一致。但是霍金斯說，光會預測還不夠，真正的智能需要層級化的不變性表徵，也就是能從千變萬化的感知中抽象出穩定的概念。

現代人工智能以深度學習爲主導，以DNN、大數據和超高速計算機爲三駕馬車，它們是現在人工智能的制勝之道，但也是侷限所在。它常常表現出解決某些特定問題的能力和行爲，但無法充分解釋智能是什麼，無法回答理解事物的能力意味着什麼。 現實AI(Narrow AI)缺乏常識，而常識是實現理想AI(Broad AI) 或者說真實智能(real intelligence)的關鍵。 大腦是複雜系統，《智能時代》將智能定義爲介於生物和計算機科學之間的一個計算問題(參考《AI3.0》)。智能不是由行爲定義的，而是： “ 大腦使用大量的記憶資源來創建關於世界的模型。你所知道和所學到的一切，都存儲在這個模型中。大腦根據這個基於記憶的模型，不斷對未來事件作出預測。預測未來的能力，纔是定義智能的關鍵。” 理解大腦結構和工作方式，是理解人類智能的前提，對大腦的理解有3個標準： （1）必須考慮時間的因素，大腦始終在處理快速變化的信息流； （2）反饋的重要性，信息不僅自下而上流動，也自上而下，即反饋，這是預測的關鍵； （3）任何理論或有關大腦的模型，都應該能夠解釋大腦的物理結構，大腦存在不斷重複的層級結構； 前兩個標準，和《如何創造可信的AI》關於通用智能的觀點非常契合： 在正確表徵知識（即編碼知識）的基礎上，理解事物與時間的關係、理解一切關於世界如何隨時間變化的知識，即具備因果關係的思考能力，具備推理的能力，機器才真正具備常識，擁有對世界的連貫理解。 基於大腦的結構和神經生物學的研究結論，即“大腦皮層在外表和結構上存在着驚人的同質性，大腦皮層似乎使用相同的計算方法來完成它的一切功能”（1978，約翰·霍普金斯大學的神經科學家弗農·蒙卡斯爾），作者提出記憶-預測框架的假設，它嘗試解讀人類的常識是什麼，它們是怎樣產生的。 大腦結構是層次化的，存在各種感官的聯合區，實質是處理模式的機器： （1）記憶：記憶的四個屬性，包括大腦皮層存儲的是序列模式，以自—聯想的方式提取模式記憶，以恆定的形式存儲模式，將模式存儲在層級結構中。大腦皮層建立了這個世界的模型，大腦皮層的層級結構存儲了這個世界層級結構模型；“大腦並不計算複雜的任務，而是從記憶或者模式中提取答案”。 （2）預測：存在自上而下的反饋，具備處理因果關係或者預測的能力，且預測需要通過經驗學習得到，先形成記憶或模式； “大自然首先創造出一些動物，如爬行動物，它們擁有複雜的感官和複雜但有限的行爲模式。隨後大自然發現，通過給這些動物增加一個記憶系統，並輸入感覺信息流，這些動物就可以記住過去的經驗。當動物身處相同或類似的情境下時，過去的記憶就會被喚醒，引發對接下來可能會發生的事情的預測。因此，當記憶系統將預測反饋給感覺信息流的時候，智能和理解就出現了。這些預測便是理解的本質。理解一件事情，就意味着你能夠對它作出預測。” （3）學習：海馬體是大腦皮層金字塔的頂端，是新事物通過海馬體學習，並轉移到大腦皮層；”如果一個區域無法理解當前的輸入信息，它就會將其向上傳遞，直到有更高層區域能理解它”，海馬體就是這個最高層的區域； 關於創造力： （1）“創造力是每個大腦皮層區域的內生屬性。它是預測的必要組成部分。怎麼可能是這樣呢？難道創造力不應該是某種非凡的品質，需要更高的智能和天賦才能實現嗎？實際上並不需要。創造力可以簡單地定義爲類比預測，這在你的大腦皮層中隨時隨處都在發生着”。 （2）“創造力，就是將你曾經經歷和一生所學的所有模式進行混合和匹配。這就像是說：“這個有點像那個”。”實際上說的就是在記憶或者經驗裏面，建立新的連接； 關於想象力： （1）“從概念上講，想象力很簡單。進入每個皮層區域的模式流，要麼來自你的感官，要麼來自記憶層級的較低區域。每個皮層區域都在作出預測，然後傳回到較低層級。如果想要想象什麼，你只需要將預測的內容轉回來作爲輸入信息即可（“想象”需要大腦擁有將預測轉換爲輸入信息的神經機制）。即使在物理世界沒有做任何事情，你也可以感受到預測的後果。“如果A事件發生了，然後B事件就會發生，然後C事件就會發生”，如此等等”。 （2）“某些運動員，例如速降滑雪者，能夠通過在腦中反覆演練來提高比賽成績。閉上眼睛，他們想象每個轉彎、每個障礙，甚至最終勝利到達終點的樣子，通過想象他們提高了成功的可能性。想象不過是規劃的另一種說法，這是由我們大腦皮層的預測能力實現的，它能讓我們在真正行動之前就能知道這些行動的後果。”（菲爾普斯也是通過這種想象提高或者穩定比賽成績，包括出現逆境場景應對的想象） 文中其它一些有意思的地方： （1）大腦具有非凡的靈活性，比如基於蒙卡斯爾理論，”大腦皮層近乎相同的計算方式來完成它的一切功能“，大腦存在感官聯合區，因此激發了感覺替代裝置的發明，比如通過舌頭的感覺學會“看“（將感覺信息轉化爲空間信息）。 （2）專家和非專家的區別是專家通過反覆鑽研某一組特定對象，在大腦皮層不斷重構對象記憶表徵，並逐級下移，這就可以把較高層的大腦皮層空閒出來，學習更細緻、複雜的關係，發現模式中的模式； （3）我們看到我們手臂在動，實際是大腦皮層先預測會看到手臂移動，然後這一預測引發它發出運動指令，從而使預測成爲現實；你首先產生想法，然後纔去行動來使想法成真； （4）“在高科技領域有個說法，你的短期期望往往需要更長的時間，而長期期望則往往比你的預期發生得快”；

人類大腦皮層有三個記憶特徵：存儲序列、自—一聯想回憶和恆定表徵。用這三個特徵可以解釋爲何即便是嬰兒，也能很輕鬆地從嘈雜的聲音中，精準地辯識出父母的聲音。反觀現在的人工智能，要做到這點，雖有海量的數據，強大的算力以及先進的算法做支持，但也很難做到。看來人工智能想要擁有大腦皮層的這三大功能，路還很漫長。通過了圖靈測試，也僅僅是實現了萬里長征的第一步。

我想，這個emoji完美地描繪了我讀完這本書後的心情:🤯 作爲和AI 3.0一起推送給我的書籍，智能時代（On Intelligence，其實翻譯不準確，更應該翻譯爲“論智能”）這本書傳達了和前者相似的信息。與AI 3.0一書的作者的想法不謀而合的是：科學家們若想要人工智能達到“智能”，必須首先直面“思考”這一隻有人類具有的高等能力；否則人工智能就是人工傻瓜，它只能夠在計算能力上一次次地突破而非在思考能力和意識上，這樣的話，智能又從何說起呢？科學家想要建造人工智能機器，更準確來說應該是通用智能；而這“通用智能”在於一個物體可以反思自己做過的事和嘗試去理解周圍的世界而對周邊的新事物和環境做出適應，並不是像當前的人工智能一樣，即使其精通某一領域，例如音樂程序EMI，它雖然懂得創造出甚至以人類審美觀上來評判都覺得優美的新音樂，但是它卻沒有這個賞析能力；它無法理解其創造出來的音樂的意義。而這等思考與理解的能力便是智能的關鍵，便是我們在製造真正的人工智能所需要突破的關鍵。如作者所言，“本書的其中一個主題便是：理解是無法通過外部行爲來測量的，相反，它是對大腦如何形成記憶並利用這些記憶來作出預測的一個內部度量。倘若真如圖靈所說，衡量智能的標準便是由機器所做出的行爲來評判，那麼我們能夠在黑暗中什麼都不做的情況下也能進行思考的能力又該如何解釋？只是思考和理解，我們也是智能的，即使不發出任何聲音，不做出任何舉動。”忽略頭腦中的活動而只關注於行爲，對理解智能和建造智能機器造成了極大的障礙。“ 實話實說，儘管媒體如何大篇幅地炒作人工智能，目前來看”我們沒有會思考的機器，只有能幹活兒的機器。“ 大腦，這個佔據我們人類體重2%的器官卻消耗了我們吸入的氧氣的20%，是我們人類一切心智行爲（如意識，創造力，想象力）的根本所在。思考”人腦“與”人工腦“（人工智能）之間的區別可以向我們揭示智能的祕密，而人腦中一個很關鍵的結構即是大腦皮層。本書的作者相信大腦皮層是產生智能的關鍵所在，他圍繞着這個結構進行論證和舉例。但是令人失望的事情是雖然世界各地有無數的人致力於三層神經網絡的研究，對於真實皮層的網絡的研究卻是鳳毛麟角。缺乏一個從大局觀上描述大腦的神經學構架也是限制了科學家研究智能的絆腳石。於是，本書想要探討的問題就是構建一個能夠描述大腦工作機理以及其如何催生的智能理論的框架。 請大家記住這幾個詞：“結構”, “預測”, “大腦皮層”, “記憶”。這四個詞是這本書中反覆出現的字眼，與智能緊密相連，也可以算是這本書的濃縮了。 首先講講大腦皮層。本書的第四章從解剖學和生理學的角度上詳細地講述了大腦皮層的構造及其功能。作者提到：“人類之所以更聰明，是因爲我們的大腦皮層相對於我們的體型來說，覆蓋了更大的區域，而不是因爲它更厚或是含有某類特殊的”智能“細胞。”後半句的“不是含有某類特殊的’智能‘細胞”很重要。如果這句話是正確的話，那麼智能並不是專屬於人類的一項能力，也不是一種上天賦予人類的魔法，而是能夠被複製出來的一項能力。這意味着智能並不受到智能出現在生物體上的這一物理限制，而是能夠在機器上實現，只要我們能夠在其身上實現像大腦皮層一樣的結構。另外關於大腦皮層的一點也很奇妙，很反直覺。也就是說，用哪個感官來“看”，“聽”並不是決定性的，感官之間可以互相置換。比如說，當我們聽到貓咪的聲音，我們就可以在腦海中想象到貓咪的這一視覺畫面。在這個例子中，視覺和聽覺互相合作聯合，而這其中的祕密在於“造成大腦皮層區域之間細微差別的原因在於它們連接的對象不同，而非它們的基本功能不同。他總結道，所有大腦皮層的區域都有着共同的功能，遵循一個共同的算法，視覺、聽覺和運動輸出之間並不存在差別。他還認爲，大腦皮層區域之間的連接方式是由基因決定的，會因功能和物種的不同而不同，但大腦皮層組織本身在各個區域都做着相同的事情。“ 關於這一點（”大腦皮層的各個區域共享着一個強大的通用算法“），作者提出了一個令人震驚的設想：”如果將皮層區域按照合適的層級結構連接起來，並輸入一個信息流，它就能學會去了解四周的環境。因此，未來的智能機器並不需要同我們人類一樣的感官和能力。大腦皮層的算法能夠在人造的機器“皮層”上，通過新的感官和新的方式實現，這樣一來，具有靈活性的真正智能便出現了，它將脫離生物腦的範疇。“這將是一項劃時代意義的突破。 第五章中作者提到了下一個關鍵詞：記憶。他認爲大腦皮層就是一個記憶系統，而不是計算機，因爲大腦皮層不會去計算問題的答案，而是用儲存的記憶來解決問題併產生行爲。作者還提出了大腦皮層記憶的4個完全區別於計算機記憶的屬性： 大腦皮層存儲的是序列模式（所有的記憶都是以序列化的形式儲存的，如時間序列闡述了事情發生的先後順序） 大腦皮層以自—聯想的方式提取模式記憶（大腦能根據不完整或扭曲的輸入信息，提取出全不完整模式的系統） 大腦皮層以恆定的形式存儲模式（儘管接收到的刺激不斷變化，大腦中表徵一個事物整體的內部模式卻不會改變） 大腦皮層將模式存儲在層級結構中（於第六章細講，也就是關於世界結構和模式的識別和記憶） 第六章提到了“預測”的這一非凡能力，完善了”記憶-預測“這一框架，也是我本書中最喜歡的一章節。大家有沒有想過，人類能夠創造出美麗絢爛的文明，音樂和文化，能夠建設高樓大廈，航母飛船，靠的是什麼能力？本章給出的答案就是預測。在進化中，在原始腦（也就是所有動物大腦中都有的一部分，用來控制簡單的動作）的感官基礎上添加一個記憶系統，動物就能夠獲得預測未來的能力。接着，“隨着大腦皮層進化得越來越大，它所能夠記憶的關於世界的信息也越來越多。它能夠形成更多的記憶，作出更多的預測。而這些記憶和預測的複雜性也隨之增加。” 於是，大腦皮層的進化主要是爲了提供對外部世界的記憶，擁有大的大腦皮層的動物，可以和你我一樣感知這個世界。然而人類的獨特之處在於，人的大腦皮層在產生和控制行爲方面起着主導和超前的作用。這就是爲什麼我們擁有複雜的語言和工具，而其他動物沒有，也解釋了爲什麼我們可以寫小說、上網衝浪、發送探測器到火星和建造郵輪。” 總之，我們在出生之時大腦便通過感官處理周邊世界的信息，便在我們的大腦中構建一個高度模擬現實世界的一個世界，產生記憶。這個世界的構建依賴於真實世界的結構性。因爲它有結構，所以它是可以預測的。世界包含着各式各樣的模式，它不是隨機的，於是大腦可以通過形成記憶來對這個世界進行理解並且作出預測和行爲。“如果世界沒有結構，記憶，預測和行爲都會變得毫無意義。“ 作者提到，其實創新力也等同於預測，其相似處在於創新是我們大腦在遇到新的問題時，能夠運用記憶來回憶以前符合於這個新問題的舊模式，從而運用這個舊模式來解決新問題。所以作者說：”預測就是將恆定記憶序列應用於新的情境。因此所有的大腦皮層預測都是類比預測。我們通過類比過去來預測未來。 “ 第七章比較複雜，篇幅最長，需要多次閱讀來理解。總的來說，第七章介紹了大腦皮層的工作方式和構成大腦皮層的六層細胞之間的互動，詳細地講述了大腦皮層如何形成恆定記憶且如何對新事物做出預測從而指導行動。本章從功能上來說是”記憶-預測“這一框架的詳細支撐。 最後作者做出了對未來的智能機器的一些展望。我期待有一天人類能夠破解智能的奧妙，並將其應用到現實生活中來改善人類的生活，造福社會。

看得很暢快的一本 20 年前的書，結合計算機科學與神經科學，排除不可避免的時代侷限性，並不嚴格學術但足夠啓發性，今天仍舊不過時甚至極具引領性。 傑夫霍金斯強調大腦足夠複雜但也簡潔（圍繞神經科學家弗農·蒙卡斯爾的假說“大腦皮層各區域共享一個強大通用的算法”），我們需要一種通用的理論框架來引導研究。 對智能科學的探討、對利用大腦機制建造真正的智能機器。 過去，普遍共識建立起的關於大腦不可解釋的直覺是一種阻礙。 “人工智能領域存在着一個根本性的錯誤：它無法充分解釋智能是什麼，也無法回答理解事物的能力究竟意味着什麼。” 反對當時也是如今對於以行爲判別智能的一種標準，視智能爲一種可通過計算性質解決的問題，提倡結合生物學解決智能問題。 智能不僅僅體現在行爲上，還包括大腦的內在信息處理和思考過程。 “記憶-預測框架”尤其獨特。大腦皮層作爲核心結構，通過層級化的處理、信息上下層相互傳遞，輸入與反饋不斷進行。 每個區域都遵循通用的算法，處理視覺、聽覺和觸覺等不同類型的信息。 大腦通過算法逐步形成內在模型，存儲爲序列模式，使得記憶按照時間順序組織與處理。 自-聯想回憶能力同時增強基於序列模式的記憶能力，進行合理地預測與補全。 大腦皮層會形成恆定表徵，一種對於事物存在的本質存儲。 大腦皮層的記憶是序列的、自-聯想的、恆定的並且以層次化存儲的。 提出人類對於世界的認識、日常生活與生產，不同於計算機的實時運算，而是基於記憶的不斷召回與預測，並以此加強過程與調整反饋。 “理解智能的關鍵在於大腦的預測功能。” “大腦皮層通過預測來理解世界，利用記憶來形成對未來的預測。” “預測與行爲密切相關，預測是行爲的副產品，並指導行爲以實現預測。” 意識與創造力甚至也是預測與類比的結果。 創造是否來源於記憶多層的抽象，進一步的類比、模式應用。 意識是否因爲記憶？因爲有了更多的“我”？更多的不同的感覺，與當下自我感知的對比形成...

《智能時代》圍繞“大腦如何工作、機器如何模仿大腦”這一核心議題展開。作者傑夫·霍金斯既是神經科學家，也是 Palm 和 Handspring 等公司的創始人，他將對大腦的多年研究與造出可預測未來的智能機器的實踐經驗結合起來，提出“記憶-預測框架”理論——認爲大腦最重要的能力是基於記憶對未來進行預測，而這正是智能的本質。 全書大致分爲三條主線： 1. ​​大腦篇​​：通過解析神經元、突觸及大腦回路，說明人類智能源於大腦的預測機制，而不僅僅是存儲信息。 2. ​​技術篇​​：探討如何把大腦的這種“預測”能力遷移到機器中，建造真正具有前瞻性的智能系統，並回顧作者在 Palm、Handspring 等項目中的技術嘗試與教訓。 3. ​​未來篇​​：展望未來幾十年可能出現的智能機器與人類協作方式，提醒讀者既要期待技術帶來的巨大進步，也要警惕其潛在風險，提出應建立新的社會與倫理框架來應對“智能時代”。 簡言之，這本書用通俗語言把神經科學與計算機科學的最新成果串聯起來，解釋了“智能”究竟是什麼、大腦如何產生智能，以及我們怎樣才能造出比今天更聰明的機器。它既是理解大腦與 AI 關係的入門讀物，也是一部思考人機共生未來的前瞻性作品。

現在（2025年） 是Attention is all you need（2017年）發表後的第八年，ChatGPT（2022年）發佈後的第三年，此時閱讀一本2014年的關於人工智能的書，真的頗多感慨。 其實我最近讀了好幾本類似的書，都是LLM出現前討論人工智能的書，似乎此時此刻沒有比較有影響力的人會寫關於人工智能的書，大概是因爲 Transformer 的威力還沒有完全發揮出來，我們此時還處於劇烈變動的時期，確實也不適合寫關於人工智能的書。怕是至少要十年以後纔會有比較有影響力的大佬出面寫書梳理並總結人工智能的進展吧。現在這個時期只能讀到LLM之前的關於人工智能的書，或者只能去讀論文了。這算第一個感慨吧。 第二個感慨是，理解語言真的是件異常困難的事，LLM出現之前真沒有人能樂觀到認爲十年或者五年內計算機就可以讀懂笑話並解釋笑點，描述一張圖片上都有什麼，甚至輔助人類寫代碼。 第三個感慨是，當年的大佬們確實是有一些洞見的。比如這本書中提到的“預測”的部分，作者認爲“預測”是人工智能道路上很重要的部分。真是可惜，作者有這樣的洞見，但是沒想到方法將這個洞見落實成爲代碼。而 Transformer 的本質也就是預測下一個 token 而已。甚至比作者描述的預測能力更弱。但其展現的威力已經讓人驚歎了。 最後，我認爲 Transformer 是一個巨大的進步，但我不認爲只有 Transformer 就可以實現 AGI。我希望未來的十年內能再出現一兩個像 Transformer 這樣有巨大進步性的新算法出現。