01｜智能究竟是什么？为什么“聪明”不是一件单一的事

一、先说结论

二、我们先理解一个问题

先看一个看上去很荒谬的事实。

一台计算机能够在国际象棋上击败人类世界冠军，能在围棋这种“变化比宇宙原子还多”的游戏里碾压顶尖棋手，能写出像模像样的文章，能通过司法考试。可是，它至今没法可靠地做好一件事——把洗碗机里的餐具摆好。

它不知道那个盘子该斜着放，不知道锅盖会挡住喷水臂，不知道玻璃杯不能压在碗下面。你让它摆，它可能把杯子叠成一摞，然后“自信”地关上机门。

再看另一个事实。

人类的大脑只有大约 1.4 公斤，功耗约 20 瓦，比一只灯泡还省电。可它能做一件今天任何超级计算机都做不到的事：看着一个陌生人的表情，在两秒钟内判断出“他嘴上说没事，其实心里很不高兴”。

为什么会出现这种反差？

为什么“下棋”这种人类觉得难的事，机器反而先会了？而“摆碗”“看脸色”这种三岁小孩都会的事，机器反而学不会？

要回答这个问题，我们必须先问一个更基础的问题：

三、作者到底提出了什么观点？

班尼特是 AI 创业者，不是学院派神经科学家。他写这本书，本来是为了回答一个非常实际的问题：人类的智能到底是怎么被“造”出来的？如果我们搞清楚了它的来路，是不是就能造出真正的 AI？

他的答案，是把十亿年的进化史压缩成五次突破。

请注意几个关键点。

第一，这五次不是并列的，而是叠加的。 每一次都建立在前一次之上，不能跳级。没有“好坏”就无从谈“行动”，没有“世界模型”就无从谈“模拟别人”，没有“心智模型”，语言也只是一堆声音。

第二，每一次突破，本质都是大脑获得了一种新的“模型”能力。 这是全书最核心的线索。班尼特认为，智能的本质，就是在脑子里建立模型，并用这个模型来预测和行动。

第三，这五次突破，恰好可以拿来给今天的 AI 打分。 这正是这本书最抓人的地方：它不是单纯讲进化史，而是拿进化史当尺子，去量 AI 走到哪一步了。

四、把这个观点翻译成人话

我们换个方式理解这五次突破。

想象你要造一个“会自己活的机器人”，但你只能从最笨的版本开始，一步一步升级，而且每一代都必须能靠这一代的本事活下去。

第一代：会动的机器人。 它只有一个本事：判断眼前的东西是“好的”还是“坏的”，然后靠近或躲开。它不会学习，也不会计划。看到亮的地方就往那走，看到黑影就缩回去。这就是第一次突破。听起来很傻，但这是从“不动的生命”到“主动选择”的巨大一步。

第二代：会试错的机器人。 它多了一个本事：做对了给块糖，做错了挨一下，它开始记住“上次那样做，结果不错”。慢慢地，它学会了一连串动作。这就是第二次突破。它已经能在环境里“摸索”出一条活路，但它必须真的做过，才能学会。

第三代：会想象的机器人。 它多了一个本事：在真正行动之前，先在“脑子里”演一遍。走这条路会不会撞墙？伸手会不会被夹？它开始能够“不付出代价地试错”。这就是第三次突破。这是质变——它终于能处理“没做过的事”。

第四代：会读心的机器人。 它多了一个本事：不仅模拟世界，还能模拟“另一个人脑子里的世界”。它知道“主人以为冰箱里有牛奶，但其实昨天已经喝完了”。这就是第四次突破。从此，它可以合作、欺骗、结盟、谈判。

第五代：会说话的机器人。 它多了一个本事：把自己脑子里的模型，用声音“复制”到别人的脑子里。一个人花一辈子摸索的经验，几句话就能传给下一代。这就是第五次突破。从此，知识不再随个体死亡而消失。

用一句话概括这五次升级：

每加一层，这个系统的能力就不是“多一点”，而是打开了一整个新的世界。

五、为什么会这样？

关键问题是：为什么智能必须一层一层长，而不能一步到位？

答案藏在进化的机制里。

进化没有设计师，没有蓝图，它只能做一件事：在现有的东西上打补丁。 它不能推倒重来，只能小修小补。所以每一次重大能力的出现，都必须建立在已经存在的大脑结构之上。

这就导致了一个结果：能力是路径依赖的。

graph TD
    A[进化只能小步打补丁
不能推倒重来] --> B[每一层必须建立在前一层之上]
    B --> C[没有坏好的判断
就无从谈趋利避害]
    C --> D[没有趋利避害
就无从谈试错学习]
    D --> E[没有试错学习
世界模型就没有素材]
    E --> F[没有世界模型
就无法模拟他人心智]
    F --> G[没有心智模型
语言就没有内容可传]
    G --> H[五次突破依次叠加
形成今天的智能]

我们拿“想象”来验证这条链。

一个人能“想象明天面试失败的样子”，前提是他得先知道“失败是坏的”（第一次突破）、得先经历过“做错事会难受”（第二次突破）。如果一只动物连“好坏”都不分，它根本不会去想象什么未来——未来对它没有任何意义。

同样，人能“揣摩同事是不是在针对我”，前提是他自己脑中有一个“世界模型”（第三次突破），能把它套用到另一个人身上。没有世界模型，就没有“别人的世界”可模拟。

所以，智能不是“五项能力的集合”，而是一座必须一层一层往上盖的楼。你不能先造第五层再回来打地基。

这也是这本书最锋利的一个推论：如果智能真的是层层叠加的，那么“直接造出通用智能”可能比很多人想的更难——因为你可能根本跳不过某一层。

六、举一个现实生活中的例子

我们用“公司里的一个人”来理解“智能是分层的”。

假设有一个员工，叫小李。他的能力可以拆成几层：

• 第一层：判断好坏。 他能分辨“这件事对项目有利”还是“有害”。这是最基础的。
• 第二层：学会行动。 他做过一次汇报被表扬，下一次就会照做。这是经验学习。
• 第三层：预演结果。 他能在开会前，在脑子里过一遍“如果我说这句话，老板会怎么反应”。这是模拟。
• 第四层：理解他人。 他能想到“老板今天心情不好，不是因为我的方案，而是因为他刚被上级批评”。这是心智化。
• 第五层：把心智传出去。 他能把这套经验写成文档，让新人照着学。这是语言和传承。

现在你注意：这五层是可以“缺”的，而且缺哪一层，人就会表现出很不一样的样子。

一个“第一、二层强，第三、四层弱”的人，可能是那种执行力很强、但总在人际关系上翻车的人：活干得漂亮，却猜不透同事和领导的心思。

一个“第三、四层强，第五层弱”的人，可能是团队里最会看眼色、最懂人情的人，但他说不清自己是怎么做到的，也没法把本事教给别人。他一个人很厉害，但带不出团队。

再看 AI。

今天的 AI 在前两层上早就是超人了：它能判断一张图里有没有肿瘤（好坏判断），能在围棋里通过自我对弈把水平磨到人类看不懂（试错学习）。在第三层上，它也开始有了苗头：大模型能“续写”一个故事的多种结局，某种意义上是“在脑内模拟”。

但它第四、第五层非常薄。它能说出一句“我理解你的感受”，却不真的拥有一个“你的心智模型”。它能写出一份完美的说明书，却不真的理解说明书里那些动作在物理世界里意味着什么。

智能的差距，往往不是差在一个整体上，而是差在某一层没有被点亮。

七、回到书中重新理解

现在我们再回头看班尼特的问题，就顺了。

他作为一个 AI 创业者，最关心的其实不是“生命史”，而是“为什么 AI 是现在这个样子”。他之所以要从六亿年前的海绵、水母讲起，是因为他想证明一件事：

AI 之所以先学会了“下棋”和“识图”，是因为这两种能力对应的是第一、二次突破——它们可以被大量的数据、明确的奖励和反复的试错训练出来。而“摆碗”“读心”“带团队”之所以难，是因为它们要求第三、四、五次突破——理解混乱的物理世界、理解别人的心智、把理解传出去。

这也解释了那个反直觉的现象：为什么机器能赢棋却摆不好碗。

在我们从小接受的观念里，“下棋”是聪明的象征，“摆碗”是本能。但从进化史的角度看，顺序是反过来的：摆碗要用到的能力，在进化史上比下棋晚出现得多，也高级得多。 下棋只需要“行动模型”，摆碗却需要“世界模型”。

班尼特想说：我们高估了计算，低估了理解。

八、这个观点背后还有什么？

这里有四个作者没有完全展开、但很关键的隐含前提。

第一，作者把“智能”定义成了“建模与预测能力”。 这不是唯一可能的定义。有人把智能等同于“解决问题的能力”，有人等同于“适应环境的能力”，有人等同于“通用性”。班尼特选择了“在脑中建立世界模型、并据此预测”作为主线。这个选择很聪明，因为它能同时解释生物和 AI；但它也意味着，这本书从一开始就排除了其他几种理解智能的方式。

第二，“突破”这个词自带方向感。 说某件事是“突破”，暗示着它是一次跃迁、一个进步。但进化本身没有方向，也无所谓进退。班尼特用“突破”讲故事，是文学上的选择，不是科学上的必然。这一点读的时候要留意。

第三，“五次突破”是一次事后归纳。 进化史上并没有一块牌子写着“现在进入第三次突破”。这五条线，是作者站在今天回望，从十亿年的混沌里画出来的。它清晰、好记，但清晰本身可能就是代价——真实的进化远比五个台阶更零碎、更混乱。

第四，它其实在回应一个古老的哲学问题：心与物。 当班尼特说智能是“层层叠加的模型”时，他实际上把“心智”也当成了一种建模能力。这背后的立场是倾向唯物主义的：心，就是大脑这台建模机器的工作方式。这个立场很强，但不是没有对手。

九、这个观点有问题吗？

十、今天再看这个观点

以下部分是基于班尼特思想的现代延伸，不是他在书里的原话。

我们今天争论“离 AGI 还有多远”，其实常常在争论一个被这份框架点破的问题：智能能不能跳级？

一种观点认为，只要把规模继续做大、数据继续喂多，第四、第五次突破会像前三次一样，自然地从模型里“涌现”出来。这是“规模派”的赌注。

另一种观点认为，不会。因为心智化和语言可能不是“更多算力”能自动带来的，它们对应的是完全不同的架构——就像你怎么给一辆马车加马力，也变不出一架飞机。这是“架构派”的赌注。

班尼特的框架，相当于给这场争论提供了一个共同的语言：先别吵“是不是智能”，先看看它已经完成了哪几次突破，卡在哪一层。

这也给了一个很实用的判断方法。下次你听到某个 AI 产品有“重大突破”，可以问三个问题：

1. 它是真的用上了世界模型，还是只是记住了很多数据？
2. 它有没有对他人心智的建模，还是只是在模仿人类说话的方式？
3. 它的知识能不能稳定地、忠实地传递给下一个模型，还是每次都要从头训练？

第三点尤其扎心。班尼特在书里提到一个关键区别：ChatGPT 这类模型是“一次性学完就冻结”的，它不能像人一样每天学一点、积累一辈子。人类智能最大的优势之一，是“持续学习 + 代际传承”；而这恰恰是当前 AI 最不像人的地方。

十一、这一篇真正应该记住什么？

1. 智能不是单一能力，而是五次突破的叠加。 转向、强化、模拟、心智化、语言，一层盖一层，不能跳级。

2. 每次突破都是给大脑加装一种新“模型”。 好坏模型、行动模型、世界模型、心智模型、可共享模型——智能的本质是建模与预测。

3. 机器能赢棋却摆不好碗，是因为顺序反了。 摆碗要用到“世界模型”，它在进化史上比下棋需要的“行动模型”出现得晚得多、也高级得多。

4. 这套框架最适合用来给 AI 打分。 与其争论“它是不是智能”，不如问“它完成到第几次突破了”。

5. 它是一个好用的地图，不是唯一的地形。 五次突破是作者的事后归纳，清晰是优点，也可能隐藏了真实世界的混乱与偶然。

十二、留一个问题

下一篇：我们已经知道智能是“层层叠加”的，但第一层究竟长什么样？在这次突破发生之前，生命连“大脑”这个东西都没有。

下一篇我们就回到六亿年前，看看大脑出现之前的世界——为什么最早的生命根本不需要脑子？

本系列基于 Max Bennett《A Brief History of Intelligence》整理，文中“班尼特认为/书中认为”均指作者观点；带“延伸”字样的段落为基于其思想的现代推演，不代表原作者。