超越智能幻象：通过文化进化重新构想人工智能的潜力

有一些流行观点声称人脑可以做出令人惊叹的事情。

例如，有一种意识观点认为，意识是我们大脑深奥神秘的精神状态。意识就像开关一样，打开时，在我们的头骨内照耀出神秘的光芒，让我们能够感知我们内在的心理过程。根据这种观点（像山姆·哈里斯这样的人提倡），意识之光一直处于休眠状态，直到最近。据我们所知，意识之光奇迹般地在现代人类大脑的出现时被打开，但原因不明。

一个相似的主流信念在科技界和普通大众的观点中占主导地位，那就是关于智能的看法。在这种观点中，智能被视为是人类大脑所能获得的神秘特征。人们认为它存在于一个连续的光谱中，但人类在这个分布的右侧远远领先于其他物种，人类水平的智能与非人类智能相比更具有定性作用。其它动物王国中没有任何一种大脑能够接近它的水平。据说这种跨越发生在约70,000-50,000年前的所谓“认知革命”中。尤瓦尔·哈拉里在他的书《人类简史》中精辟地阐述了人类智能演化的这种观点。

然而，关于人类大脑所能做到的奇妙事情的这些观点是不正确的，我认为这些观点会引导我们朝着错误的方向发展真正的人工智能系统。

当前AI研究试图通过建造越来越大的神经网络来模拟人类大脑的（据称极端的）通用智能，以创建一个人工系统。社区用来评估在这个目标上的进展的一个粗略指标是，将人类大脑中的神经元数量与神经网络中的参数数量进行比较：人脑有100万亿个，而GPT-4有1-170万亿个（这些都是估计值，因为OpenAI将这些信息保密）。显然，我们已经达到了目标，或者非常接近了！

据说，具有正确结构的大型神经网络不仅能够擅长下棋，还能够与世界互动，解决以往未遇到过的问题，发明工具，并展现探索世界的好奇心，类似于人类大脑。这就是开发所谓的通用人工智能或AGI的目标。考虑到以上的规模估计，有人说我们离开发AGI非常接近。我不这么认为。

将人类大脑视为具有卓越能力（意识和智能）的特殊对象的观点是错误的。我们的大脑并没有从“认知革命”中突然出现并获得胜利。这不是我的看法。这是人类学家和社会学家早就知道的事实。在最近的一次证据回顾中，“几十年的科学研究一直未能找到一个完整的‘现代化包裹’的离散门槛，而这个概念 [认知革命] 理论上已经过时。”

正确的观点是，我们并不是聪明的，因为我们本质上是独立的聪明；我们之所以聪明，是因为我们集体聪明。我们的技术成就不是我们个体大脑的产物，而是我们集体大脑的产物。它们是人类学家所称的文化累积的产物（“累积”是关键）。作为智人，我们并不特别，因为我们头骨内的某些额外神经元会神奇地将大脑转化为神秘的自我参照、全能系统；相反，我们的智力能力大多是文化的产物。当然，文化能力源于我们的基因和生物学。但是，我们的基因和生物学本身在很大程度上也是文化的结果（流行的例子包括我们消化系统的变化、乳糖酶持久基因或我们的胼胝体）。

我们个人所展现的智慧是文化发明的“思维工具”（正如丹尼尔·丹尼特所称）的结果。作为个人，我们从父母、祖父母和我们出生的社会中继承了这些思维工具。我们使用这些工具，并将它们传承给后代。

请看下面的图表：

该图表总结了Esther Herrmann和同事在2007年发表在《科学》杂志上的一篇重要论文（请参见此处），该论文比较了儿童，黑猩猩和猩猩的认知技能。结论很明显：与其他类人猿相比，人类在空间，数量和因果推理方面并不是特别擅长。相反，我们在“社会学习”方面异常出色。特别是盲目模仿他人。如果您想查看示例，请查看此视频（来自本文）。

尽管如此，您肯定会想知道，为什么善于模仿让我们登上了月球？答案当然很复杂。但是，简而言之，这是因为复制他人的能力使得一种达尔文过程能够在想法和行为层面上展开，从而使得适应能力知识得以积累。

因此，再次强调，我们的智力并非与生俱来，而是继承而来的。将我们物种的显著成功归因于我们个体的特点是一种还原主义的失败。只需考虑如果没有字母表、广泛的词汇、数字概念（包括我们当前的十进制系统）、衣服、熟食、药品、笔和纸，我们会变得多么愚蠢。目前关于人工智能的讨论忽略了一个关键的认识，那就是人类级别的智力基本上是一种集体属性。但再次强调一下：人脑本身并没有什么特殊之处，试图构建一个模仿人脑的人工系统是没有多大意义的。试图构建越来越大的神经网络，希望在某个时刻它将获得一些人类大脑神秘特性的愿望是徒劳无功的。这不会发生，因为最多它只能学会已经发明的“思考工具”。如果我们沿着当前的道路继续前进，人工智能的使用将产生新的思维工具，这些工具将被添加到已经存在的工具中，从而增加我们的集体智力。这是很好的，但不会发生神秘的东西。

ChatGPT和类似的人工智能是通过预测文本中的后续单词来训练的。然而，要使这些深度神经网络真正增长智能，我认为它们必须获得体现和复制文化积累本身的能力。为了实现这一点，我们需要将所有人类文化以一种精细的时间顺序组织起来，捕捉新概念的出现、新技术的发展、行为的演变、信念的转变和新机构的形成。实现真正的AGI的愿望在于识别固有于这个过程中的可辨识模式，模式可以被人工神经网络有效地学习和吸收。