AI神经网络带给我们的人生启示

我爱免费

作者：微信文章


【AI先锋洞察】我们正在经历一场前所未有的智能跃迁，人工智能带来的远不止技术革新，更是一场深刻重塑人类认知与生存方式的范式转移。当知识不再稀缺，学习的意义何在？当智能无处不在，智慧栖身何处？当资本不再稀缺，什么才最有价值？反复研读刘嘉教授《通用人工智能》一书，这是一部难得的跨学科之作，既有理工科的技术原理深入浅出的阐述，又有源自认知心理学的哲学解读，跨越历史与国界为大家娓娓道来，讲述人工智能可能对教育、科技、人类社会所带来的冲击和改变。本文摘取精彩部分共飨读者。

人虽以理性自居，但在命运转折处，常有无意识的暗流在指引方向。         

——弗洛伊德
引言：人类与AI的进化隐喻



亿万年来，人类一直是这个地球的主宰。而当机器模拟神经元突触产生反应的那一刻，人工智能纪元业已开启。

假如有外星生物登陆地球见证第一个神经元的诞生，他会否相信这个微小的神经元，最终会成长为一个拥有与他同等智慧的智能生物吗？同样，今天作为地球主宰的人类，会相信神经网络未来会发生同样未知而复杂的演变吗？

回顾生物神经网络的进化史，我们会看到许多“偶然中的必然”。生物智能的进化并非漫无目的的涣散，而是深藏着内在的逻辑和力量。20世纪70年代神经网络的寒冬中，是怎样的神秘力量让彼时的辛顿宁愿被当作疯子，也要选择将神经网络作为自己一生的事业，在他眼中，大脑是一个非常强大的计算机，没有理由认为一个以类似方式工作的机器无法做同样的事情，无论碳基还是硅基，都将服从这个智能的共同法则。

机器神经网络的出现，让我们有机会从外部科学视角重新审视人类大脑的工作原理、发展过程及决策特征，从而洞悉其可能的发展方向，并得出对于人生的启示。进化从不在于强大，而在于对世界更深刻的感知与理解。这才是智能的本质，也是进化的真正目标。
启示一：定义目标函数，避免局部最优陷阱



所有的机器学习，在开始训练前都必须明确一个目标函数（又称损失函数或成本函数）。这个函数定义了模型希望达到的理想状态，训练就是不断优化参数，让模型逐步接近目标函数。

人类学习遵循同样的道理。如果目标函数设定得过于短期、狭隘，比如考取某个证书、通过某次考试，那么虽然容易实现，但得到的人生模型也相对单薄。一旦环境变化，这个模型就不再适用，这在机器学习中被称为“局部最优”陷阱。

当一个模型陷入局部最优的舒适区，就不再演化，最终错过了可以抵达“全局最优”的更广阔、更深远的优化空间。

同样，人生的发展也会出现局部最优——在人生某个阶段取得了看似不错的成就，实际上却限制了后续的发展空间，短期看是目标达成，长期看则是机会丧失。
启示二：警惕“约拿情结”，突破自我束缚



在《旧约》中，有一个关于逃避与面对、恐惧与信仰的故事。有一天，约拿听到上帝的旨意，让他前往亚述帝国都城尼尼微，警示这个罪恶之城。但约拿抗拒这个使命，因为他对自己微薄的力量缺乏自信，认为自己无法完成如此宏大的任务。于是他选择了逃离，希望远离这份沉重的责任。

马斯洛称这种现象为“约拿情结”，即人不仅害怕失败，也害怕成功。我们对伟大的人和事物都有一种敬畏感——在面对他们时，会感到不安、焦虑、慌乱、嫉妒甚至敌意，因为他们会让我们产生自惭形秽的卑微感。于是，当我们试图获得荣誉、成功、幸福等美好的事物时，还未行动，我们却产生了“这是真的吗”“我不行”“我不配”的自我质疑——因为陌生的阳光如同黑暗一样可怕。

这种现象的背后，是自尊与自卑的纠缠。很多时候，阻止我们登上自我实现巅峰的最大敌人，不是别人，而是我们自己。我们身后和面前的一切，都不及我们内心的力量。如果你总是想方设法掩盖自己本有的光辉，那么你的未来注定暗淡无光。
启示三：构建个人知识体系，并持续更新



首先要有信仰，其次不要惧怕成功，设定目标函数，然后构建属于自己的知识体系。这样的人生才可能“奔放”而非“枯萎”。

真正的信仰不在于对结果的确定把握，而在于跃向深渊时的决断。信仰不在于到达彼岸，而在于纵身一跃的那一刻。即使跌入深渊，仍已完成了对信仰的绝对确认。

进入AGI时代，个人知识体系的重要性被无限放大。AI接手了标准化、结构化的任务，而唯有深层理解、价值判断和创造性思维，才是人类不可替代的能力。唯有不断拥抱新经验、新知识，打破认知边界，才能构建一个能与世界深度对话、与自我持续共鸣的知识体系。

启示四：用随机梯度下降优化人生



在机器学习中，随机梯度下降（stochastic gradient descent,SGD）是被广泛使用的优化算法之一。其原理简单而高效：每一步都在当前位置基础上，找到一个大致正确的方向，然后往那个方向迈进一小步。这个方向来自校准误差最陡梯度，逐步找到使损失函数最小的参数值。

梯度下降优化算法与大脑的预测编码（predictive coding）机制有异曲同工之妙。大脑根据已有经验主动预测外部世界的系统，随后将预测与现实中接收到的信息进行对比。

当预测与实际感知之间出现差异时，大脑会产生误差信号（prediction error），这种反馈将帮助我们快速发现原有知识或方法的不足，迫使我们重新审视自己原有的信念或行为模式，并尝试开始新的、更为准确的做法。

而预测正确时，大脑获得的反馈信号反而是弱而模糊的。因此，我们的成长来源于如何应对、修正错误，因为错误本质上并非失败，而是一种推动我们持续更新认知结构、增强适应能力的动力源泉。

梯度下降的核心魅力在于，它能从不确定性中找到确定性：目标函数清晰，但路径并不唯一。人生亦然。我们无需执着于精确规划未来的每一步。行动比分析更重要——“强行起飞、粗糙开始、空中加油”。不必在乎当下这一步是否最优，能走就走，坚持走，时间自然会给出答案。

同时，别忘了“随机”这一点。四处走走，走过不同方向，遇到误差与意外，激发新的学习过程，推动认知的重构。成长的真正动力，往往源自如何应对和修正错误。正是在随机探索中，我们不断修正对世界的理解、逐渐接近真实。
启示五：用好你的注意力，珍惜你的直觉



Transformer的核心在于注意力机制，学习的本质就是注意力分配的艺术。首先，要接触高质量的数据和人，精心构建自己的“数据集”；其次，注重实例而非规则，从实践中学习，“纸上得来终觉浅，绝知此事要躬行”；最后，要学会遗忘。强化重要知识，主动遗忘低效甚至有害的信息，让注意力回归到我们能掌控的事情上。这既是一种认知优化策略，也是通向内心自由的起点。

用AI的力量折叠时间。过去，经济以土地、劳动、资本等为基础，人的才华围绕体力、技能和知识展开，在AGI时代，注意力成为核心资源，时间以其公平性和稀缺性成为新的财富考量方式。通过AI的辅助、最大限度提升时间的价值，成为新时代获取财富的重要路径，而对时间价值的最大化提升就是创新。

用人类的直觉创新。假如把人类的知识分为“已知的已知”、“已知的未知”、“未知的已知”、“未知的未知”，前两类都已经或即将被AI占据。未知的已知是指知识掌握在特定个体或组织手中，包括个人的职业直觉、创新创意、情感体验等难以量化的主观经验等。从人类社会的角度来看，这就是稀缺，通常需要高价或者非正常手段才能获取；从大模型的角度看，这就是缺失，即AI的知识体系在这一领域是空白，因此无法直接模仿或思考。未知的未知在体现在创造，不再是简单的模仿和记忆，更多来自人类直觉的非理性跃迁，这种直觉是AI难以模拟的，也是人类最核心的竞争力。
小结

人类具有与生俱来的权利：生命、自由和追求幸福。而AI带给我们的最大启示是：智慧的进化，不在于更强，而在于更深刻的理解与感知、更客观的批判性思维和更自由的创造力。

本文摘读自清华大学刘嘉教授《通用人工智能》2025年6月第一版。刘嘉教授是清华大学基础科学讲席教授、心理与认知科学系主任、人工智能学院教授、北京智源人工智能研究院首席科学家。

---