新机器智能：边缘计算重塑AIoT产业生态

本书大量篇幅介绍人脑“智能”的神经生物学机制，尝试用“逻辑化”的语言对这种复杂工作机制进行描述（即“记忆-预测”模型），同时说明为什么这样的机制可以被利用开发更智能的机器，以及此类“智能机器”广阔的应用前景等等。如果你想更“逻辑化”的理解我们头脑智能的运作机制，如果你想了解目前“神经网络”等机器学习算法的思想源头，本书都是一部佳作。 但有必要说明的是：书中并没有提及人的智能哪些方面很难被机器所取代，人之所以为人区别于机器智能的本质是什么。作者甚至认为“创造力”也并非人的天赋，而可以被简单定义为“通过类比进行预测”的能力，作者大概认为人的智能没有什么不能被机器学习的。谈到人工智能对人类的威胁和危险时，作者又乐观的认为无需过度担心，认为人终将有能力处理这些问题。但我想说的是，如果作者认为人有能力处理机器智能发展的威胁，这一点本身不就是机器智能无法取代的人类智能的特别之处吗？但对这个关键问题，作者未能予以说明。另外，作者认为人类的智能活动都是人脑某些器官功能性的结果，这一点已经有很多其他科学家给出了反对意见，比如《寻找斯宾诺莎》中提到，人的智能来源于我们身心一体的“动态平衡”。我想这些都算是本书和其思想体系的“局限性”吧。

所有进入大脑的信息都是以一系列的模式构成的，就像河流一样流动，而不是一幅画。新皮质的所有区域都有一个共同的功能，使用一种通用的算法。大脑不会“计算”问题的答案，它只是从记忆中检索答案。为了做出具体的预测，大脑必需将不变结构的知识与最新的细节相结合。我们感知到的东西是感觉和大脑的记忆所产生的预测的结合体。人类的大脑之所以比其他动物的大脑更聪明，是因为它可以对更抽象的模式和更长的时间模式序列做出预测。智能的根本是预测而非行为。新皮质有一个聪明的学习算法，可以找到并记录任何存在的层次结构。当结构缺失时，我们反而会变得困惑。大脑会记住世界的本质，而不只是表象。当高层的某个区域认为他可以理解这个意外事件后，它会生成一个新的预测。而每个区域都收到了和数据匹配的序列，即顿悟。你知道的越多，你能够记住的也就越少。创造力可以简单的定义为通过类比进行预测。当它使用不同寻常的类比做出不同寻常的预测时，即创新。创造力是你一生中经历或了解的所有事物的模式混合和匹配。人类最深沉的想法不受现实世界的驱动，他们纯粹是由模型创造的。新皮质没有能力模拟大脑本身，因为大脑中没有感官。因此，我们可以理解为什么我们的思想似乎独立于身体，为什么我们感觉有独立的思想或灵魂。出色的让人们认识自我的一本书。

虽然是去年出版，但《新机器智能》真的不能算是一本“新书”——原著出版于2005年，至今已经过去快二十年了。也因此，有不少人认为书中的观点已经陈旧过时。这种“批评”主要针对的是作者在书中，对人工智能产生自我意识这一观点的旗帜鲜明的否定态度。类似的“批评”或者更直白地说是“鄙薄”，是各种涉及人脑、智能、神经科学等书籍中，相当常见的一种读者点评。自从语言类大模型成为业内热点以来，这种鄙薄都快成新的行业政治正确了。当下如果有人还在怀疑AI究竟能否真的“理解”了那些看起来很惊艳的输出，那简直就是在逆历史潮流而动。但是如果真的细读这本近二十年前的作品，这种好像已经确定无疑的“进步”，对比书中那些“陈旧”的观点，就显得格外浅薄和可笑了。 书中作者真正反复强调的，其实是他提出的“记忆—预测模型”假设。而其论证推测的根基——新皮质的工作机理，则与后来发展出来的大模型机器学习有着非常内在的一致性。这里推荐《AI3.0》和《脑与意识》，可以分别从神经网络和机器学习的算法演进，以及大脑与感知器官信号处理模式，这两个不同纬度，印证本书作者所提假设的合理性。 但是，相比于技术层面的构想和假设，作者顺带提出的，对于机器智能能否产生意识、是否能够如人一般“理解”、是否可能具备人类的情感认知等问题的判断，虽然非常简短，但却严谨自洽，如果要想提出质疑和反证，恐怕不是仅凭一些套话式的空谈，就可以立论的。 在AI大兴，吸引无数舆论眼球和热钱投入的今天。基于语言大模型的各种应用，实际已经成为一些新型产业的基本生产力工具。典型的例子，就是以AI生图和文本生成，快速制造基于社交类媒体的同质化内容。这类以前只能依靠低端IT民工，制作垃圾内容来洗流量的典型低端产业，几乎一夜之间通过AI内容生成获得了对内容的主导权。虽然目前同质化依然是无法逾越的鸿沟，但其面对的受众也从来不是对内容有足够挑剔敏感度的人群。反倒是之前舆论中贩卖焦虑的AI替代论，在这个完全新生的AI民工群体面前，不但被狠狠打了脸，而且连同类的文字输出，也在极短时间内转向了AI投喂下的个性化内容模型训练。由此增加的新型人才和岗位需求，凡是对这个半灰色产业有接触的人，都不可能视而不见。 可以预见，不远的未来，这类利用语言大模型工具更新甚至创新的职业辐射范围，肯定会越来越多，越来越深入各行各业。而被越来越广泛应用的AI工具，也会快速祛魅，褪去资本和投机者强加的各种扭曲光环，还原出新质生产力工具的本来面目。这时回首再看二十年前作者在本书中所做论述和预言，才会意识到，前瞻性研究和脚踏实地的思考，是远比资本投机的喧嚣，对产业和社会更具价值的输出。

核心洞见：大脑不是计算机 这本书最颠覆认知的前提是：大脑不是"计算"答案，而是从记忆中检索答案。霍金斯认为，当今主流的"计算机应该像大脑一样工作"其实搞反了方向——机器智能的正确路径，不是让计算机学会"计算"，而是让机器理解大脑本身。 🧠 记忆-预测模型：智能的本质 霍金斯提出的记忆-预测模型，是全书最核心的理论框架。他的核心论点是： "人类关于世界的所有知识都是基于模式的模型。大脑是模式的机器。" 预测是这套理论的关键。人类每时每刻都在用储存的记忆，对看到的、感觉到的、听到的一切进行预测。智力测试本质上就是一个预测性测试——从幼儿园到大学，测量的都是你预测未来的能力。 ⚡ 有趣的对比：人类 vs 人工智能 书中有几处让人印象深刻的比较： 人类每天失去数以千计的神经元，但心智能力的衰减却极其缓慢——这说明大脑存储的知识是分布式的、冗余的，不是单点故障。 计算机对什么是重要的没有与生俱来的感知，因此必须探索更多的选择——而人类天然知道什么是重要的，这让我们的学习和推理更高效。 虽然大脑与并行计算机都是并行运行的，但这是它们唯一的共同点——两者的架构逻辑截然不同。 💡 人类智慧的独特之处 霍金斯认为，人类与其他哺乳动物的关键区别在于： "人类的大脑可以学习更复杂的世界模型并做出更复杂的预测。与其他哺乳动物相比，人类看到了更深层次的类比与更多的结构。" 这解释了为什么我们能进行抽象思考、跨领域类比，而不仅仅是条件反射式的反应。 📌 科学方法论：假设与检验 书中特别强调了人类认识世界的方式： "人类通过假设和测试的过程推进自身对世界的认识。" 这不仅是科学方法的核心，也是人类智力的动态特征——我们不是被动接收信息，而是主动提出假设、验证预测、迭代理解。

推荐学习人工智能的人都看看这本书，虽然是20年前的书了，但作者对人工智能的本质的解释还是非常的有启发性的，隐约觉得现在大模型的实现可能或多或少的受到这本书中洞见的启发。说不定从阅读这本书受到启发，我们还可能创造出transformer以外的更先进的模型架构。当然我们不需要完全认同这本书对AI本质的解释，重要的是从中获得启发。

首先感谢微信读书上架。 这本书写的过于庞杂了，对于行业外围者很难看下去。我是从千脑智能中写了长评后转了过来的。这本书第三章和第八章是精华。还有就是有关他自己历程的叙述。 jeff 自己所在的国家和那个时期有高度的活跃自由，可以让他从小看他自己喜欢看的比如魔法不必理会什么分数，然后中间一路各种反抗权威观点还可以坚持己见，中间各种跳跃跨行家庭也支持， 最终现在也在干契合他本科时期最初可以的点燃自己的方向，研究大脑。杨振宁先生曾经说过 90 分以上的人其实适合去美国。我想在中国的天才从小被分数，要听老师话，要遵循传统，你是哪行的就要干哪个不要跨界给搞死了，要和大多数人一样，最近又多了一个要记得搞钱。我觉得很少有人可能闯过这几个社会和文化关。 所以，他和马斯克可能是最后一代伟大创业家。中美两国的年轻人本身就被这种智能文明深度异化了 ，不可能再有这种人格上高度韧性眼神里高度热血的求知者和创业者。 再次建议各位移步千脑智能那本书。

人工智能领域的核心信条是：大脑只是另一种形式的计算机。 这本书主要探讨了大脑学习世界的一个模型，并通过这个模型来预测未来，书中称之为“记忆-预测模型”（或者说“不变的表征”）。作者所写的模型的工作原理的所有内容，都取决于一个非常基本的前提，即世界是有结构的，因此是可以预测的。置身于变化万千的世界里，人类的意识维系在这个相对稳定的“模型”上，存在于我们的大脑。这个大脑内的模型就像一座城市，各个区域分工合作，各个层级各司其职，神经元联接就像是城市的道路，信息流在其中高速通行，无数的“新皮质”将详细的、高度具体的输入转化为一种不变的表征（内在世界模型）。这个“不变的表征”即是指以从信息流中抽象出来再被储存在记忆中的“本质”，有序搭建的脑内“世界模型”。在平时，大脑皮层会根据这个“模型”来比较每一项新输入信息中抽象出来的“本质”，以此预测事情发展，再根据信息反馈不断修正、完善或者巩固这个“不变的表征”，产出思想，创造价值，形成自我。 大脑新皮质建立了身体的模型，建立了世界的模型，但它不能建立大脑本身的模型，因为大脑中没有感官。我们的思想位于大脑中，与身体和世界上其他物质在物理上是分开的。心智独立于身体，但不独立于大脑。我们可以理解为什么我们的思想似乎独立于身体，为什么感觉我们有独立的思想或灵魂。人是真的，树是真的，我的猫是真实的，我们发现自己所处的社交场合是真实的。但是我们对世界的理解和对它的反应是基于来自我们内部模型的预测。因此任何时刻，我们只能感知世界的一部分。但专家和天才的大脑能够“看到”结构的结构、模式的模式，而这些是其他人做不到的。这是因为一些人的大脑在接收处理全面大量的专业信息之后，抽绎出事物的内部逻辑，进行重新整合，构建的系统模型越来越贴合客观世界的元规律，这是从具体到抽象，从越多到越少。因此如果一个人知道的越多，他能够记住的也就越少。 我们生活中所接受到的一切信息，都无时无刻在参与塑造我们大脑内部的“世界模型”。童年经历、亲情、友谊、娱乐、社交、阅读、实践……文化也能塑造一个人的世界模型，从一定意义上来说甚至是彻底的。例如，研究表明，亚洲人和西方人对空间和物体的感知不同。亚洲人更多地关注物体之间的空间，而西方人更多地关注物体本身。这种差异转化为不同的美学偏好和解决问题的方式。显然，以绝对或普遍适用的标准来看，这些不同的世界模型不可能都是正确的，即使它们对个人来说似乎是正确的。 “记忆-预测模型”的类比预测还意味着创造力，它是如此普遍，但我们通常并不会注意到。创造力是我们一生中经历或了解的所有事物的模式混合和匹配，是信息分子在大脑中高速碰撞的“化学反应”，是捉忽不定的灵感。因为灵感是事物在大脑中的联系和组织，所以如果遇到暂时无法解决的问题，我们可以暂时把它放在一边，先做点别的，然后重新开始，重新组织问题。如果这样做的次数足够多，迟早会有灵感。你可能会认识到，推广科学理念类似于推销商业理念，或者实现政治改革就像养育孩子。如果你是诗人，你高兴地想到一个新的比喻。如果你是科学家或工程师，你就会针对长期存在的问题找到新的解决方法。在科技领域，几乎没有人能发明任何全新的东西，人们采取的办法是将现有的想法融入新的框架。 大脑是一种能够构建模型并做出创造性预测的器官，它的模型和预测非常巧妙，但巧妙并不意味着正确，它既可能似是而非，也可能有效。人类大脑总在寻找模式并进行类比。如果找不到正确的相关性，大脑就会很乐意接受错误的相关性。伪科学、偏执和不宽容往往植根于错误的类比。因此为了预测的准确性，要输入更全面的信息和进行更深度的思考。而且只有当记忆-预测模型在更高的抽象层次上运行时，当它使用不寻常的类比做出不寻常的预测时，我们才是在创新。 北京智源人工智能研究院黄铁军院长提出“脑科学是自然科学的终极疆域”，研究脑科学，就是研究人类自己，以大脑本身去研究大脑。进化论指出，如果将分层记忆系统附加到我们的感官上，记忆就会为世界建立模型并预测未来。所谓智能，是通过分层记忆的预测能力来衡量的，而不是通过类似于人类的行为来衡量的。我们从自然造物身上寻找灵感，并沿着同样的路线制造智能机器。这就是制造智能机器的秘诀：从一组感官开始，从世界中提取模式。

边缘计算通过将算力下沉至靠近数据产生的地方，能有效解决企业级AI模型在云端部署时面临的延迟高、带宽贵、隐私风险大等问题。 边缘计算与AI智能体的结合将重构工业发展模式，推动工业系统从被动响应走向主动进化。 边缘计算提供实时算力与本地化决策能力，AI智能体提供自主分析与规划能力，二者结合让工业系统从等问题发生再处理，变成提前预测、主动优化、持续迭代。 未来，边缘计算将在AIoT产业中占据重要地位，50%的关键企业应用将在边缘运行，全球边缘计算支出将以两位数的复合年增长率稳健增长。 AIoT 是 Artificial Intelligence of Things 的缩写，中文通常译为人工智能物联网。 你的新皮质并未真正或直接感知这个世界。新皮质唯一知道的是进入输入轴突的模式流。你对世界的感知是由这些模式创造的，包括你的自我意识。 新皮质记忆有4个特性与计算机记忆有着本质不同：新皮质自动存储模式序列；新皮质可以自动联想到模式；新皮质以固定的形式存储模式；新皮质以层次结构的方式存储模式。 在皮质区，自下而上的分类以及自上而下的序列在不停地交互，在你的一生中不停变换。这就是学习的本质。 如果反复研究一组特定的物体，那么新皮质会重新在低层区域形成这些物体的记忆表征。这将解放顶部区域去学习更加微妙而复杂的关系。根据本理论，这就是成为专家的必经之路。 制造人类与制造智能机器是两回事。智能机器不需要有性冲动、饥饿感、脉搏、肌肉、情绪或类似人的身体。 真正的智能机器应该像大脑一样，能够自动学习、自动联想，并且能够处理各种未知的情况。 新皮质是大脑实现智能的关键区域，它的工作原理是理解智能本质的重要线索。 从光线进入你的眼睛，到你按下按钮，涉及的神经元链条中只有不到100个神经元。试图解决同样问题的数字计算机将需要数十亿步。 …… 大脑的工作原理是利用大量记忆构建世界模型，并使用该模型对未来事件进行连续预测，预测能力才是智能的核心。 整个新皮质结构本质是一个记忆系统，神经元本身就构成了记忆，大脑不是通过“计算”而是从记忆中检索答案。 第三个时期人类独有的，始于语言出现和新皮质扩增，人类可在有生之年学习并通过语言传递信息。

一、大脑的核心机制：记忆-预测模型 1. 新皮质的通用算法 • 核心功能：大脑新皮质通过分层结构（约300亿神经元）执行统一的“皮质算法”，其核心是学习模式序列并预测未来。所有感觉输入（视觉、听觉、触觉）均被转化为时空模式，由新皮质以相同方式处理。 • 关键证据： ◦ 盲人能用视觉区处理触觉信息（可塑性）； ◦ 听觉与视觉皮质结构相似，仅输入源不同； ◦ 扫视（每秒3次眼球运动）证明视觉本质是时间流，非静态图像。 2. 学习的本质：模式存储与序列预测 • 不变表征：大脑存储的不是原始感官数据，而是提取输入中的稳定关系（如“狗”的概念而非具体某只狗的形象）。 • 层级预测：低层皮质处理快速变化的细节（如音符），高层处理抽象序列（如旋律）。预测误差会向上传递，驱动学习（如发现门把手异常）。 • 运动与感知统一：行为指令（如走路）与感官预测（如脚落地触感）同步展开，形成闭环。 二、智能的根源：预测与类比 1. 预测即理解 • 大脑通过比对输入与记忆中的模式序列（如听到半句歌词补全下半句）实现“理解”。 • 反行为主义：图灵测试的局限在于，真正的智能取决于内部模型（如“中文屋”无理解因缺乏记忆-预测机制）。 2. 创造力与类比 • 创造力本质是跨领域模式类比（如将数学结构映射到物理问题）。 • 专家通过反复练习将模式记忆“下沉”到低层皮质，解放高层处理复杂关系。 三、作者对意识的观点 1. 意识作为新皮质活动 • 自我意识：源于新皮质对身体的建模及预测，但无法模拟自身（故产生“灵魂独立于肉体”的错觉）。 • 感受质（Qualia）：可能源于旧脑（如情绪系统）与新皮质的交互，或输入模式的结构差异（如听觉vs视觉的独特时空特征）。 2. 现实是内部模型的投射 • 大脑通过一致的模式流构建“现实感”，但无法直接感知绝对世界（如橡胶手实验证明感知可被操控）。 • 文化差异（如东西方空间认知）显示世界模型的可塑性。 四、智能机器的启示 1. 类脑AI设计原则 • 需具备：层级记忆结构、时间序列学习能力、多模态预测（如将触觉与视觉关联）。 • 优势：速度（百万倍于人脑）、自定义感官（如直接感知多维数据）、知识可复制性。 2. 风险与伦理 • 智能机器无旧脑驱动力（如欲望），但需防范错误类比（如偏见被固化）。 结论：智能的本质是通过记忆预测未来，意识是这一过程的副产品。未来AI需模仿新皮质的层次化预测机制，而非仅追求行为仿真。

作者提出"智能的本质是预测而非模仿"的革命性理论，以"记忆-预测模型"为核心框架，通过神经解剖学实证（如新皮质六层结构）、技术反推法（从自动驾驶系统失败案例逆向推导）及跨学科思辨（物理学熵增定律与认知科学结合），系统论证了三大核心命题： 1) 智能定义革新：真正的智能在于通过世界模型预测未来，而非简单复现人类行为；2) 脑科学启示：新皮质中150亿神经元通过分层预测机制构建认知体系。3) 技术路径重构：传统AI依赖海量数据与算力的暴力破解，终将被类脑预测架构取代。