为机器立心：人工智能专家朱松纯力作

立心以智，筑路以国。 当ChatGPT掀起的大模型热浪席卷全球，当人工智能的发展陷入“数据堆砌即智能”的迷思，当世界各国在通用人工智能的赛道上加速奔跑，我们正站在智能时代的十字路口，直面人工智能的中国之问。 这一问，接续着李约瑟难题的求索、钱学森之问的深思，考验着中国科技的自主底气，也追问着智能科学的本质答案。 朱松纯教授的《为机器立心》，正是为时代写下的答卷。 它不只是一本关于通用人工智能的学术著作，更是一位中国科学家为AI立“心”、为中国筑路的赤诚宣言，让我们在技术的喧嚣中，看清了通用人工智能的本质，更看到了属于中国的智能未来。 朱松纯对当下人工智能发展的清醒反思，他没有被大模型的表面繁荣所迷惑，而是直言不讳地戳破了三大关键迷思，字字句句都透着求真的勇气。 他将ChatGPT等大模型比作“缸中之脑”，一语道破其囿于数据、缺乏真实世界感知与因果推理的本质。 他用“乌鸦智能”与“鹦鹉智能”的生动比喻，划清了真正的智能与机械的模仿的界限，鹦鹉能学舌千万句，却不解其意，正如大模型能生成海量文本，却无独立思考。 乌鸦能以小数据解大难题，靠的是对世界的理解与变通，这才是通用人工智能该走的路。 最具东方智慧的，是他提出的理（U体系）与心（V体系）并非对立的观点，打破了技术唯理的偏执，让我们明白，真正的智能从来不是冰冷的逻辑堆砌，而是理与心的共生，是能力与价值的统一。 这份反思，不是对现有技术的否定，而是对智能本质的回归，让在大数据赛道上盲目追赶的我们，突然停下脚步，重新思考AI的初心。 第一部分的破迷思，是为通用人工智能拨开迷雾，那么第二部分的1238路线图，便是朱松纯为中国通用人工智能发展画出的清晰航向，字里行间都藏着实干的底气。这个开创性的路线图，绝非纸上谈兵的理论构想，而是扎根于多年科研实践的智慧结晶。 一个统一理论框架，锚定了通用人工智能的研究核心。 两个系统完备性，筑牢了技术发展的底层根基。 三个基本特征，界定了通用智能体的本质属性。 八个关键问题，直指研究路上的核心难题。 更令人振奋的是，书中不仅有理论框架，更有实打实的原创成果：全球首个通用智能人“通通”，让我们看到了通用智能体的真实模样；大任务仿真平台“通界”，为科研搭建了贴近现实的试验场；“通智测试”跳出了图灵测试的局限，建立起“能力—价值”双维度的评估标准。 科研平台“通境”，为跨学科协作提供了坚实支撑。 这四大成果，不是孤立的技术突破，而是彼此关联、相互支撑的体系，更以此为基础，勾勒出产业智能体落地的八大领域，让通用人工智能从实验室走向产业、走向生活，有了具体可感的路径。 这份脚踏实地的探索，让“通用人工智能的中国时代”不再是一句口号，而是触手可及的未来。 《为机器立心》最珍贵的价值，远不止于技术与理论的创新，更在于它为人工智能注入了独属于中国的文化底蕴与价值温度，回答了“为何为机器立心”的根本问题。朱松纯笔下的“心”，不是简单的算法叠加，而是根植于中国哲学的智慧——是儒家“心即理也”的知行合一，是道家“道法自然”的顺应规律，是对人类情感、伦理、责任的深度契合。 他提出的价值系统（V体系），分层呼应着人类的基础生存、社会伦理与高阶责任，让AI不再是“价值中立”的技术工具，而是与人类价值观对齐的伦理主体。 这种“为机器立心，为人文赋理”的追求，让中国的通用人工智能研究，从一开始就走在了“人机共生”的正确道路上。它告诉我们，发展人工智能，从来不是为了追求技术的极致，而是为了更好地理解人性、服务社会。 中国的通用人工智能之路，从来不是对西方的模仿与追赶，而是基于自身文化与国情的自主创新。 这份文化自信与价值坚守，正是中国能在通用人工智能领域实现弯道超车的核心底气。 心中满是感动与振奋，感动于朱松纯教授的家国情怀，他放下海外的优渥条件，回国创建研究院，将个人的学术理想与国家的发展需求紧密相连，用一生的求索，践行着科学家的使命与担当。 振奋于中国的通用人工智能研究，终于有了属于自己的底层逻辑与发展路线，不再随波逐流，不再盲目跟风。 《为机器立心》不仅为我们厘清了通用人工智能的发展方向，更让我们看到了中国科学家的精神脊梁。 敢于质疑、勇于求真的科学精神，是扎根本土、自主创新的文化自信，是心怀家国、勇担使命的赤子之心。 人工智能的“中国之问”，从来不是一个技术问题，而是一个关乎战略、关乎文化、关乎未来的时代问题。 朱松纯教授用《为机器立心》给出了属于中国的答案：唯有为机器立起兼具理与心的“中国心”，走出底层逻辑自主可控的“中国路”，才能真正点亮人工智能的“中国时刻”。 这条道路，注定布满荆棘，但正如书中所展现的，中国的科学家们，正以坚定的信念、扎实的行动，一步一个脚印地向前走。 我们有理由相信，当机器有了“心”，当中国有了路，通用人工智能的中国时代，终将到来。 而这颗为机器立起的“心”，也终将成为人机共生时代里，最温暖、最坚定的力量。

说实话，读《为机器立心》这本书，我的动机非常“实在”——最近人工智能板块涨得挺猛，我心里痒痒想进场，又怕追高成了“韭菜”。这书名听起来宏大如“为天地立心”，而我想的则是：不如先静下心，看看这个行业到底发展到了哪一步，底层的逻辑到底是什么。 这本书给了我一个扎实的认知锚点。最让我震撼的观点在于：当前的大语言模型（如ChatGPT）无法真正“理解”世界，是因为它们没有“身体”。 作者朱松纯教授指出，它们本质是生成式AI，局限于文本领域，缺乏与物理和社会环境的互动。这让我对“知行合一”有了全新认知——原来“行”不仅是行动，更是身体在真实世界中的体验与验证，是思想得以进化迭代的基石。 书中一个生动的实验佐证了这点：当实验者反复故意把板子摞歪，小朋友会逐渐怀疑对方的能力，表情也变得僵硬。这个细节深刻揭示：智能体（无论是人还是AI）对世界的理解与信任，建立在与环境的反复交互之上。 读完我清晰地看到，真正的AI前沿远不止于聊天和生成，而是走向拥有“身体”、能交互的“具身智能”。这让我在热潮中能分辨趋势与泡沫，心里确实更有底了。如果你也对AI既好奇又谨慎，这本书或许值得一看。

木铎书评之《为机器立心》 这本书的作者是北京大学一位研究人工智能的专家学者，我对这位学者的学术成就并不了解，所以仅仅从书的内容出发进行评价，有不准确不全面的地方也在所难免。 首先我同意作者在书中对现在的人工智能，尤其是以transformer 架构为主的大语言模型的批评和意见。我觉得作者的评价是准确和靠谱的。作为一个AI的使用者，我对现在AI的理解和作者是一致的。作者的书名叫《为机器立心》，也就是说现在的AI，尤其是大语言模型是没有“心”的。 什么是机器的“心”呢？作者称之为价值系统，也就是AI需要确立一个价值系统，然后根据这个价值系统得出的结果来推算应该采用的策略。现在的大语言模型明显是没有这个“心”的，现在的大语言模型或是多模态大模型基本上就是一个带有随机性的符号产生机器，它根据从训练数据中得出的符号之间的关系以随机的方式来得出下一个符号。当然这个符号未必是文字，可以是图片，也可以是视频等等其他模态的数据。 虽然我认同作者对现在的AI没有“心”的定位，但是在我看来，这个“心”是无法通过人去给机器“立”的。人之所以有“心”，是因为人脑是一个不停地主动提炼意义的机器。人是通过从周边环境中不断主动地获取信息并提炼意义的过程才得到了价值系统，其他动物也不例外。人的价值系统是在主动比较自己的目标和外界环境的差别并不断行动的基础上逐渐建立起来的，而不是被外界因素赋予的，没有主动性的从环境信息中提炼意义过程也就谈不上“心”，并且这个“心”也只能靠动物或机器自己“立”起来。 因为缺乏对脑科学的理解，很多人不了解“心”是和主动性密切相关的，这也是我们面临很多教育悲剧的原因。我们认为小孩的心智是一张白纸，然后通过教育不断地在“白纸”一样的心智上画出我们想要的“图像”。这种对心智和教育的理解本身就是极端错误的，也是现在很多教育悲剧（比如学生的心理健康问题）的根源。我们忽略了一个脑科学早就告诉我们的道理：再小的孩子都是一个携带了人类所有基础认知模块的参与者，而不是一个需要被灌输“心”和“理”的白纸。 现在大家都在讨论在AI如此发达的时代我们该如何改进我们的教育，其实在我看来最简单也最重要的改变就是要尊重人的主动性，把孩子们视为教育过程中一个具备主动性和控制权的参与者，而不是一个等待被描绘和涂抹的“白纸”。我们在教育中忽视和抑制了孩子天生对主动参与和控制的内在需求，然后我们再去担心孩子的心理健康，这种做法无异于缘木求鱼。 回到人工智能的话题，现在的人工智能的核心问题在于缺乏主动获取的过程，训练数据都是人类准备好喂给AI的，得到答案也是经过人类提前标注好的数据进行微调和强化学习的。所以AI只能知道这些人类喂给它们的符号之间的关系，但是它们永远无法理解这些符号代表着什么样的外界环境和什么样的交互过程和结果。人类还赖AI产生的结果有幻觉，这就太莫名其妙了，这就好像一个从来没来过中国的外国人，就算他看了再多中国的纪录片，他对中国的理解还是有大量的错误和幻觉的。 我虽然认同作者的观点，也就是机器要有“心”，但是机器的“心”必然是在一个主动的提炼意义的过程中产生的，无法通过人来赋予的。人需要把人工智能当成我们生活中其他的智能伙伴，我们不是创造人工智能的“心”，而是要参与一个类似于育种的过程。在这个过程中我们唯一能做的就是提高警惕，仔细观察，就像给驯养动物育种一样不断挑选能够和人类共生的新型合作伙伴：“人工智能”。 虽说现在的大语言模型有根深蒂固的缺陷和短板，但是它毕竟让人工智能真正地走进了每个人的工作和生活。OpenAI最大的贡献根本不是技术方面的。对于ChatGPT来说，无论是transformer的神经网络架构还是用GPU进行计算的方法都是在已经有了的，transformer架构是2017年谷歌的几个研究员发明的，用GPU进行计算的方法伊利亚早在和他的老师辛顿做Alexnet的时候就探索过了。 ChatGPT与其说是一种技术创新，不如说是一种应用模式或商业模式的创新，在此之前是很少有AI产品是以非企业用户为主要目标客户群的。要想真正找到替代ChatGPT等大模型的新技术，除了技术研究之外，找到合适的应用和商业场景也是同样重要的，在这方面我们还是期待作者进一步的成就。仅仅是一个科研成果是不足以推动人工智能技术的进一步发展的，还需要有一个合适的应用场景。

朱松纯教授一度因小样本学习而名噪一时，并且与杨立昆一样，认为目前的大语言模型是鹦鹉学舌和缸中之脑，认为它不是通用人工智能的终极路径。我一度很欣赏这些石破天惊的观点，但看了“为机器立心”一书，却更多是失望与疑惑。 朱教授的最大创造就是发明了UV体系，U是理性和势能，来自于物理学概念的借用，其实就是目前大模型所不断发展的“智能”，而V则是价值体系和道德内驱力，这有点像苏斯克夫追求的为AI大模型调校的安全概念，即AI要为人服务，要与人类的价值观相一致，但这个V又不太一样，朱教授并未提供如何实现这个V的嵌入，可能在朱教授看来，这个V必须人为构建在AI模型之内，或者通过与人的交往来学习，或者通过人为的函数调校而成立。 朱教授这个想法或许初衷是不错的，但他并没有发明一个学习方法，让这个V能够真的生长为一种人工智能的重要维度。这其中，我一直主张，这个维度可能是不可学的，甚至一定会失败的。 我认为，人之所以有价值观、成就观、内驱力，最大的来源是人的生理特征，即字面意义上的“心”。由于心所提供的动力驱使以及发展成就、躲避风险的终极目标，人才会派生出一系列的动力与智能，包括情商、坚韧不拔、克服困难、寻找解决方案甚至欺骗等，这些内在的来源，机器目前似乎是没有的。如果人们用自己熟悉的概念、动机、出发点来“手把手”地教授机器，那么有三个重大困难：一是机器是否形成自己的自我意识与人格，如果没有自我意识，恐怕是教不会的；二是没有数据，如果能够生出这些场景与数据，似乎根本没有办法。人的合作精神、利他精神，也是在亿万年的进化中，用事件刻入基因的一种特质，这使得人比猿猴多了一种能力维度并形成合作族群，生发出重大的生存优势。这正是AI的弱项。三是如果这些路都走不通，那就只能回到历史上知识图谱的路线，即人类将人类的V维度做成图谱，一点一点“喂”给机器，但历史上知识图谱是一个失败模型，这基本上是行不通的。 所以，我认为朱教授一面不承认当前大模型的成就，想另立一套，但UV模型还是找不到工程学的方法，只能看着大模型攻城拨寨，说说风凉话罢了。北大通智院，不过就是一个数十块GPU的一个VR实验室，不去与现实世界结合，而梦想着自己发明一套“现实世界”，岂非舍近求远？我未知其可也…

这本书是我的导师在学术讨论中分享的，恰好与我的兴趣领域高度契合。这是一个难得的学习机会，我迫不及待地想深入阅读，汲取其中的精华。 通过深入阅读此书，我得以一窥朱松纯老师在《为机器立心》中展现的对通用人工智能的宏大构想： 通过构建“价值驱动”（V系统）与“任务塑造”的双螺旋框架，试图为智能体注入类人的伦理认知与物理世界交互能力。书中对当前AI技术路径的批判颇具洞见——他犀利指出大语言模型本质仍是“缸中之脑”，缺乏具身实践所沉淀的“街头智慧”；而“乌鸦范式”的提出（小数据、大任务、价值对齐），则试图突破统计学习的局限，让人工智能从被动数据拟合转向主动价值判断。这种将东方“知行合一”哲学融入技术进路的探索，展现出超越西方技术中心主义的独特思想锋芒。 然而，我认为，当我们将目光投向“通通”机器人擦拭桌面的温馨案例时，却不得不直面三个根本性悖论：（1）智能体“爱整洁”的价值观虽源于人类示范，但当其演化出自我意识后，“人性”的定义权将面临重构——当机器开始质疑“为何必须服从人类审美的整洁观”，人类中心主义的伦理框架将遭遇严峻挑战；（2）书中强调的“价值对齐”暗含文化霸权风险，若将儒家伦理预设为普世准则，可能陷入技术乌托邦的傲慢。或许更根本的出路在于构建人机“共识契约”——如同书中提及的“通信式学习”，通过动态博弈形成价值公约数，而非单向灌输特定文明的道德图谱；（3）作者寄望通过“可解释性”建立人机信任，但若智能体发展出基于暗物质推理的元认知（如自主生成反常识任务），人类是否还能理解其行为逻辑？这本质上触及认识论的边界：当机器智能突破碳基思维的认知框架，传统因果律与目的论或将失效。 本书最深刻的启示，恰在于揭示了人工智能本质上是人类文明的镜像——我们既渴望创造具有“心”的智能体，又恐惧其突破我们设定的“理”。这种矛盾映射着技术革命时代的集体焦虑：当机器开始追问“人生的意义是什么”（书中引述的哲学命题），人类或将被迫重新审视自身在宇宙智能生态中的位置。朱松纯老师的探索虽未完全跨越这些深渊，却为后来者树立了极具东方智慧的路标。

评分高难道是因为人少吗…… 为机器立“心”的标题让我一度以为是人工智能行业专家从一种去人类中心的本体论角度讨论AI或AGI，但到头来整本书内在的人类中心意识形态框架作者倒是毫无意识，UV双系统本质是一种对齐和模拟，而我下意识认为如果这是一个提炼并数字化信息化人类人文社会学层面系统再输入机器的过程，那么这套系统能否与作为物的或许拥有自身的umwelt的机器自洽而不出问题，是非常难保证的，这可能才是人机难以互相信任、人不敢坐无人驾驶汽车的一个重要原因。将马斯洛需求等理论视为通用价值的做法忽视了意识形态、政治立场以及道德体系的流变性（也可能是因为需要函数化价值，所以倾向于取用通用的价值）。况且若AGI需要处理不可见的社会关系、意图等“暗物质”，那么人文社科在AI领域的作用将变得前所未有的重要。意识的部分试图构建人类智能中都未存在的完备认知架构，但说实话基于人类智能与人类主体的有限性与敞开性，所谓完备封闭的意识体AGI可能只是技术创造的一种神话情结。唉，怎么说呢，我完全理解技术上正是需要不断的信息化函数化简化才能投入实践，因为这样才有确定性，但是针对一个本身就充满不确定性的对象进行模拟的时候，这就显得很苍白，而且论述中处处透露着哲学方面的薄弱…自己专业的论著尚且如此，这位作者另一本与人文相关的想想也应该不用看了。

算通用科普书吧，很多内容其他地方看过，但是一些思考非常有意思。比之前看过他总编的书好。 笔记： 智能现象的产生依赖两个基本前提条件：价值链条和因果链条。 价值链条是生物进化和生存的“刚需”。个体生存、物种传承和社会活动，这些基本任务（或需求）会衍生出大量的其他任务，进一步驱动人类的行为。任务背后隐藏着价值函数，这些价值函数大多在进化过程中就已经形成了，包括在人脑中发现的具有“奖惩作用”的化学物质，如多巴胺（快乐）、血清素（痛苦）、乙酰胆碱（焦虑）、去甲肾上腺素（兴奋）等。在价值链条的基础上，智能体需要理解物理世界及其因果链条，以适应这个世界。因果链条决定了任务完成的路径，基于自然和社会规律，为任务的实现设定了限制。 动物的行为都是被各种任务驱动的。有了这个基本的先天条件后，下一个重要问题是：什么驱动了模型在空间中的运动，也就是学习的过程？我认为是以下两点： • 塑造我们心智的外来的数据 来自外部世界的各种可感知信号传递到人脑，塑造了我们的心智模型。数据分为观察数据和实践数据。观察数据一般用于学习各种统计模型，这种模型就是某种时间和空间的联合分布，也就是统计的相关性。实践数据用于学习各种因果模型，将行为与结果联系在一起。 • 内在的任务可以驱动行为 内在的价值函数驱动行为，以期达到某种目的。我们的价值函数是在进化过程中形成的。因为任务不同，我们往往对环境中有些变量非常敏感，而忽视其他一些变量，因此形成了不同的模型。 关键问题5：让机器人学会人类的价值函数 先以老师和学生做例子。老师的目的是传授学生知识，学生的目的是从老师处获得知识。他们通过观察和交流来相互理解。老师通过观察学生的行为来了解学生的状态；同样地，学生也通过观察老师来了解老师的意图。在这个过程中的每一时刻，老师都在向学生传达一些信息，如知识点等；而学生也可以向老师询问一些信息，如自己对某个知识点的理解是否正确等。

《为机器立心》中智能体“通通”主动擦拭桌面的情节，生动展现了“价值驱动”的AI内核——它并非执行预设指令，而是基于“爱整洁”的自主判断。朱松纯以此案例，批判当前大模型是缺乏意图的“缸中之脑”，并提出以“小数据、大任务”的“乌鸦范式”重塑AI发展路径。真正的通用智能，需在因果推理中内化人类价值观，而非沉溺于数据投喂的统计幻觉。

本书从中国视角出发，提出三大关键问题与创新路径，构建了价值对齐的实现框架。 它不仅解析核心难题，更展示了四大原创科研成果，为AI从专业工具迈向通用智慧提供了清晰的路线图。 这本书系统梳理了通往通用人工智能的核心问题与路径，深入浅出，是展望AI未来不可多得的向导。

书中主要讲了两点内容。 第一，由“大数据、小任务”范式向“小数据、大任务”范式转换。现在的人工智能依赖大量数据做某一场景的模型，作者希望能做到和人一下用少量数据做大量的内容，比如学会了四则运算就会做很多应用题，甚至奥赛题。 第二，由“数据驱动”向“价值驱动”转换。在“小数据、大任务”范式的基础上，智能体需要由V系统驱动U系统，即由“心”驱动“理”发展。当智能体有了价值判断作为驱动，就可以由此推导出大量的任务。用了马斯洛需求模型在讲价值，人工智能要看到价值，实现主动学习等。 作者说了很多当前的不足，用了很多社会学，脑科学在讲述大道理，有点像弗洛伊德用复杂的概念介绍心理学使之不可证伪更多是宣传噱头。也可能作者是爱因斯坦一样希望开创一个统一场论的纪元，当前不符合天时地利人和而已。 从工程结果来说作者主要推广自己的想法和模型，这个我们仁者见仁吧，talk is cheap，show me the code。