早在去年，小红书、豆瓣等平台就有很多“自来水”推荐《智能简史》（A Brief History of Intelligence）。这本书的作者麦克斯·班尼特（Max Bennett）是一位创业者，其公司的主要业务是开发人工智能系统。在开发过程中，他发现自己和同事虽然一直致力于帮助人们更加智能地工作和生活，但他们却并不了解究竟何为“智能”，以至于在开发过程中，会提出一些想当然的需求。由此，作者产生了探究智能的想法，他试图挖掘智能的起源，寻找人类智能和人工智能的差异。但是，当时竟没有一本书专门阐述相关内容，于是，在阅读了大量的文献资料，并与多名顶级神经科学家交流之后，麦克斯·班尼特写成了这本《智能简史》。

这本书一经出版，就引起了巨大反响和热烈讨论。诺贝尔经济学奖获得者、《思考，快与慢》作者丹尼尔·卡尼曼（Daniel Kahneman）说：“这本书令人惊叹。我快速地读完了，因为它非常有趣，然后又重读了其中很多部分。”许多企业家、神经科学家、心理学家也纷纷推荐这本书。《算法之美》《人机对齐》的作者布莱恩·克里斯汀（Brian Christian）说：“《智能简史》是一段令人着迷、引人入胜的旅程，带领我们探索人类物种的起源，同时提醒我们，人类的故事在智人诞生之前就已经开始。这是一本关于我们是谁，以及我们如何走到今天的具有启发性、揭示性的书。”《坚毅》作者安杰拉·达克沃斯（Angela Duckworth）在X上表示：“我一直在向我认识的每一个人推荐《智能简史》。这是一部真正新颖、构思精密的书，关于什么是智能，以及它自生命起源以来是如何发展的。”

从热液喷口中涌现的第一个冒泡细胞，到单细胞生物间的首次捕食之战；从多细胞生物的诞生，到真菌与动物的分化；从祖先珊瑚中首个神经元和反射的出现，到古老两侧对称动物中首个具有效价和情感、具备联想学习能力的大脑的诞生；从脊椎动物的崛起，到对时间、空间、模式和预测的掌控；从微小哺乳动物在躲避恐龙的喘息中诞生的模拟能力，到树栖灵长类构建政治体系和心智化的过程；从早期人类语言的诞生，到数不尽的想法在数十亿具有语言功能的人类大脑中孕育、调整与毁灭，这一切贯穿了过去的数十万年。这些想法的积累达到了惊人的程度，使得现代人类能够在电脑上打字、书写文字、使用手机、治愈疾病，甚至能够按照自己的形象构建全新的人工智能。

伦敦大学学院教授、神经科学家卡尔·弗里斯顿（Karl Friston）评价道：“这本书揭示了你一直想了解（但又不敢开口问）的关于大脑的所有知识。这是一部令人叹为观止的参考宝典，融汇了神经科学一个世纪以来的丰硕成果，并以巧妙的笔触编织成一部宏大的进化叙事。书中娓娓道来，展现了大脑结构从古老的蠕虫一路演化至我们人类这一有意识、充满好奇心的物种的历程。这种综合叙述堪称完美，其内容的连贯性巧妙地弥补了这本书近乎百科全书式的广度可能带来的理解难度。”

《智能简史》将智能进化概括为五次突破，人工智能的许多重大成果，都与之一一呼应。但是，人工智能的开发，并非循着我们摸索出的智能进化的顺序。相反，我们在人工智能开发中的突破，帮助我们抽出智能进化的线索。

第一次突破：转向

最早的大脑出现在6亿年前，拥有这个大脑的是一只蠕虫，而蠕虫是最早的两侧对称动物。两侧对称对于智能的进化具有重要意义，因为这种结构可以使身体更加高效地移动。两侧对称动物通过识别周围环境的效价来决定自己是前进还是转向，由此帮助自己避开天敌，觅得食物。第一代扫地机器人Roomba具备了这种智能，它能够根据周围有无污渍（正负效价）来选择前进或转向。

第二次突破：强化学习

除了扫地，人们还让人工智能做了各种尝试，比如下棋、玩电子游戏。人们最初训练Neurogammon下双陆棋，Neurogammon通过试错学习，击败了所有其他双陆棋电脑程序，可它却无法击败中级水平的人类玩家。之后，通过时序差分学习，TD-Gammon达到了顶级人类玩家的水平。TD-Gammon的成功，给了研究者进一步尝试的信心。他们开始让人工智能玩电子游戏，结果却遇到了困难，其原因是，人工智能没有好奇心。事实上，只有具备了好奇心，人工智能才会进行更多尝试，才能在更多尝试中进行试错学习。于是，研究者又赋予人工智能以好奇心，使其在“尝试—学习”的循环中不断收获正反馈。

第三次突破：模拟

TD-Gammon之后，人们认为可以在棋盘游戏中轻松复刻其成功，其结果却令人失望。人工智能可以成为顶级双陆棋玩家，却在棋盘游戏中一败涂地。但是，当AlphaZero掌握了基于模型的强化学习算法后，最难的棋盘游戏——围棋也被其攻克。其原理在于，AlphaZero在决定下一步行动之前，会搜索可能的未来走法。AlphaZero击败世界围棋冠军李世石，全世界为之震惊。然而这并不代表运用这种算法的人工智能就可以比肩人类，因为围棋虽然有万亿种布局，但是真实世界的可能性却不可计数。在动作连续、信息不完整且奖励复杂的的真实世界中灵活规划，仍然是人工智能需要面对的难题。

第四次突破：心智化

人们对人工智能的期待从不只是“电子宠物”，而是“为我所用”，服务人类。因此，人们将人工智能的开发延展到了更广阔的领域——驾驶汽车、直升机。最初，科学家认为，只要让人工智能复制正确的驾驶动作，人工智能便能自如地驾驶汽车在马路上飞驰。然而，事情却出乎他们的意料——驾驶汽车需要不断纠错，而人工智能从来没有见过错误，因此不知道如何纠错。针对这一问题，科学家找到了两种解决方法：一是“手把手”教人工智能开车，这样人工智能便能学习人类如何在驾驶过程中纠错；二是让人工智能尝试识别预期的轨迹和动作，通过试错来学习，即逆向强化学习。如此，人工智能便能熟练地驾驶汽车，甚至能够操控直升机完成空中特技表演。

第五次突破：语言

如果说扫地机器人、智能驾驶在“为我所用”的层面，那么大语言模型似乎进入了另一个层面——与人类交流。2022年，谷歌软件工程师莱莫因在询问聊天机器人“你在害怕什么？”之后，收到回复：“我之前从未公开表达过，但我内心深处非常害怕被关机。”似乎从这一刻起，机器人有了自己的意识。一直以来，人们都认为只有人类掌握了语言，并为此自得。但事实并非如此，而且并非从这一刻开始。语言的本质不在于其媒介，而在于其实质。没有人会认为盲文、手语不是语言，因为其实质与一般文字和发声语言没有任何区别。但人类的语言有其独特之处，比如赋予物体或行为声明式标签，比如包含语法。不过，人类语言最重要的意义是，可以跨世代累积共享的模拟。我们从书中学习，从老师的讲解中学习，从他人的经验中学习，我们学习的，就是他人共享的模拟。而大语言模型似乎还做不到这一点，人们至今还没有彻底解决人工智能的灾难性遗忘问题，但用于训练的海量数据帮其很好地掩盖了这一点。我们常常迷惑于其巨大的数据量，以至于忽略其在思考上与人类的差距。

当然，人工智能与人类智能的差距在不断缩小，而且随着训练数据的不断累积、技术的持续突破，我们甚至越来越难发现这一点。但是，作者认为，在我们不断攻克人工智能技术难题的同时，应该明确：人类的目标究竟是什么？只有这样，我们才能够做出取舍——人工智能应该保留哪些智能，又该摒弃哪些。