思想地图 · 体系勘测
“学习、世界模型、自主探索、持续发展只是解释智能的一组路线，而不是已被公认的‘真正智能’唯一标准。跨学科看，这个问题远比单纯的技术分类宏大得多。这张地图的目标是呈现主要的解释传统及其关键分歧，看每一种路线究竟解释了哪一部分，又把哪些问题留在了外面。”
试图用某种极简原则（如自由能最小化、预测压缩、奖励优化）统一解释看似悬殊的智能现象。
智能不是单一公式，而是一组异构机制在身体、环境和发展过程中形成的特定系统组织。
‘智能’概括的是一族具有相似适应功能、但实现机制和演化历史并不相同的异质能力。
‘智能是什么’不能混为一谈。判定、测量、机制、起源与价值，不能直接互相替代。
什么样的表现，可以被称为智能？
智能是一个总能力，还是许多不同能力的组合？
推理、学习、理解、决策是怎样在系统内部发生的？
智能如何在个体成长、生命演化和社会历史中逐步形成？
智能究竟位于大脑内部、具身形态、环境耦合，还是整个群体之中？
会解决问题是否就意味着理解？智能是否必然包含意识、目的或智慧？
涵盖心理学、计算机科学、控制论、生物学、神经科学与心灵哲学的解释传统。
将判断放到可观察的交互行为上：先看它能做什么，避免诉诸主观感觉。
从环境条件、学习历史与强化解释能力，避开不可观察的内在心灵。
将‘机器能否思考’转化为语言交互中是否能与人类不可区分。
按解决复杂问题的正确性、稳定性与覆盖广度综合评价能力。
将能力水平、适用广度与自主性严格拆解，避免单一‘AGI’标签包办。
提供客观可度量的操作定义，避免陷入唯心式的感觉之争。
行为相近可能由不同机制产生；擅长回答‘表现如何’，无法直接回答‘内部机制是什么’。
研究人类认知任务间的共变差异：智能究竟是一种总能力，还是多种能力的层级结构？
不同认知任务成绩存在普遍正相关，可以用一般能力因素总结。
区分流体智力（处理新问题）与晶体智力（积累知识），组织为层级结构。
任务调用部分重叠的基础认知过程，从而在统计上浮现出共同能力因素。
强调语言、数理、空间、音乐、人际等多重异构维度的相对独立性。
严格的统计测量方法，揭示了不同认知能力之间的相关性与层级组织。
观察到统计上的共同因素 (g)，并不等于找到了单一的生物物理或算法机制。
智能不在于‘已经记住多少题’，而在于‘面对未知时怎样高效习得新技能’。
将先验、经验与任务难度纳入评估，测量面对全新未知情境的泛化速度。
将已理解的构件模块化地组合到陌生语境中，实现概念跃迁。
以概率近似正确 (PAC) 框架形式化什么能被有限样本和算力有效学习。
刺破了预训练数据污染和死记硬背的假象，将焦点转向真正的先验与样本效率。
能够学习不等于拥有全部智能；运行时不改变参数也不等于绝对无智能。
在时间、算力与知识都不充分的前提下，做出协调而适宜的选择：适可而止也是聪明。
在所有可计算环境中最大化加权期望奖励的理论极值。
将搜索与推理本身的算力代价计入效用，寻找计算资源的合理分配策略。
简单启发式与特定环境结构的共振，往往优于复杂而过度拟合的计算。
在假设知识不完备、资源时刻受限的真实条件下持续自主运作。
打破‘算得越多越聪明’的虚妄，将智能与计算代价、现实约束紧密锚定。
不同学派在数学形式上互不兼容（如 AIXI 的不可计算性与有限启发的经验性）。
智能源于结构化的符号实体及其操作演化：具有产生一般智能行为的充要条件假说。
主张符号系统的模式组合具有产生通用智能行为的充分必要条件。
将世界建模为状态空间与目标转移，通过估值函数剪枝搜索路径。
发现两个异构系统深层次的关系同构，实现跨领域知识迁移。
将概念理解为可组合的代码或谓词程序，从少量样本推断生成规则。
具备极高的可解释性、可验证性、因果演绎严谨性与组合生成能力。
符号接地困难；在面对模糊、连续、高噪声的感知物理现实时脆弱易碎。
知识分散在海量连接权重的活动模式中：智能来自连续几何空间的深层表征与自监督压缩。
概念不是孤立标签，而是由高维隐空间中大量神经元的联合激活来表征。
多层非线性变换逐级解耦数据流形，形成适于分类、生成与对齐的高层语义空间。
以输入自身为监督信号（如下一个词预测），从无标注海量语料中汲取世界知识压缩。
算力、数据量与参数规模呈现出平滑幂律关系，驱动涌现现象。
在多模态感知、自然语言直觉、高维特征提取上展现了前所未有的经验威力与 Scaling 规律。
易产生幻觉与对抗脆弱性；‘随规模扩大而改善’并不等价于‘这就是智能的唯一本质’。
智能是对不可见世界的推测：从观察相关走向干预（do）与反事实推演（What if?）。
在先验信念与局部观测证据间动态贝叶斯更新，从小样本形成抽象归纳。
严格区分关联、行动干预与反事实推测，建立无混杂因果图谱。
大脑是一个自顶向下发送预测、自底向上反馈残差误差的预测机器。
在内部构建紧凑的环境动力学生成模型，在梦境与想象中进行试错规划。
清晰界定了统计观察、主动干预与反事实推演的三级因果阶梯，为模型赋予因果解释力。
因果图的发现极为困难；拥有内部仿真器不等于掌握所有不确定性。
智能不是孤立的问答，而是‘感知 $\rightarrow$ 决策 $\rightarrow$ 行动 $\rightarrow$ 环境变化 $\rightarrow$ 新感知’的闭环动态。
任何能够良好调节环境系统的控制器，其内部必定构成该系统的一个模型。
通过行动的长期累积回报信号调整策略，平衡探索 (Exploration) 与利用 (Exploitation)。
不仅改变认知以符合感知，更主动采取行动去使外部环境符合预期稳态。
不依赖外部特定奖励，而是主动维持和最大化自身对未来可能状态的因果控制力。
将智能落实在物理或环境闭环交互中，强调长期收益优化与稳态维持。
标量奖励是否充分（Reward is Enough 假说）仍存巨大争议；样本效率与稀疏奖励探索代价昂贵。
不存在一个包办全部认知的万能算法：智能源于异构认知组件与元认知的协同调度。
组织工作记忆、陈述性记忆、程序性生产规则与感知行动总线。
心智由大量本身没有智能的简单 Agent 构成，智慧从它们的竞合互动中涌现。
不仅解决问题，更评估自身置信度、错误风险并合理分配‘慢思考’算力。
区分组合式、探索式与突破式创造，智能体现为重新定义问题空间的能力。
兼顾记忆、注意、感知、推演与反思，为复杂长程任务提供系统级架构支撑。
模块拼接容易带来工程复杂性，难以像端到端网络那样享受纯算力 Scaling 的红利。
解释真实生物神经网络如何实现认知：揭示脑区协同、网络拓扑与神经调质动力学。
强调额叶、顶叶及其白质纤维束的高级信息整合与一般智力的相关性。
以复杂图论分析全脑功能模块的分离 (Segregation) 与灵活重配置 (Integration)。
从工作记忆负荷、多巴胺调控与注意力分配解释不同认知任务间的共变性。
为人工智能提供天然的原型证据、能量约束启发（20W 功耗奇迹）与脉冲神经启示。
相关机制不等于充分机制；机器智能未必需要事无巨细地复制生物脑的演化冗余。
智能不是装进去的固定软件，而是在与环境互动的开放进程中持续‘长出来’的。
通过同化 (Assimilation) 与顺应 (Accommodation)，个体主动建构与迭代图式结构。
婴儿早期便具备物体持久性、代理目标等演化预装核心结构，作为后续学习脚手架。
追逐‘学习进度’与可压缩性提升，主动寻找既非过于简单亦非完全混乱的学习前沿。
持续生成全新挑战与阶梯技能，环境与智能体共同演化，实现递归自我提升。
将系统从封闭静态任务集解放出来，探讨持续终身学习、自发课程生成与元学习。
开放式系统极易发散、遗忘或陷入无序噪声（难以稳定收敛于人类期望目标）。
挑战‘脑内先算好、外部再执行’的默认前提：身体材料与动力学本身就是计算的一部分。
骨骼力学、弹性组织与连杆几何分担了原本需要中央微处理器完成的大量协调计算。
直接感知环境对该特定身体而言‘可以怎样行动’，无需先建立内部抽象表征。
‘世界本身就是它最好的模型’，由多层紧密感知-行动耦合直接应对扰动。
认知并非外部客观世界的内部镜像，而是自主主体在与环境交互中共同‘生成’出来的意义空间。
揭示了无神经系统下形态涌现步态的奥秘，避免了无休止的内部符号膨胀。
在低级反应与步态上极具说服力，但很难直接平移解释高阶抽象数学或脱离语境的远景推演。
智能首先是生命自组织的一部分：目标的真正来源，不是程序员写下的分数，而是系统维持自身存在的必要条件。
生命系统通过内部过程持续生产和再生产构成自身的边界与组织，认知即生活的过程。
从细胞、组织形态发生到生物个体，不同生物尺度都具备非神经的解题与目标趋向调节。
智能形态完全取决于有机体在生态位中遭遇的物理竞争与自然选择压力。
回答了‘意义何来’的难题：任何反馈之所以具有好坏属性，是因为它关系到主体的热力学生存。
目前的人工智能均在无生命硅基设备上运行，如何将自创生原则移植到人工系统仍无定论。
人类高阶智能不是离岛上孤立长出的野兽，而是浸泡在多代人累积的语言、符号工具与社会文化之中。
高级心理功能最初产生于人际交往，借助语言中介内化 (Internalization) 为个体的私语思考。
人类认知跃迁的关键不仅是预测他人，更是形成‘我们在此共同做事’的共同注意与道德契约。
个体不必每一次重新发明车轮，文化基因的代际传递与筛选构成了智能的第二演化引擎。
指明了人类智能超越黑猩猩的关键在于‘累积式文化齿轮’与代际符号继承。
过分强调社会语言，容易忽视前语言动物或无文化具身实体的高超感知适应能力。
智能的物理单位不必受限于颅骨或皮肤：工具、群体与网络都可以构成认知的有机回路。
如果外部笔记工具在功能上与大脑内部工作记忆无异，它就应当被视作认知的物理组成部分。
轮船驾驶舱或航天指挥室的计算与感知，分布在操作规程、仪表与团队协作之中。
任何单个中心脑都无法拥有完整信息，分散知识通过局部交互涌现出全局最优配置。
将现代科学研究、市场价格体系、维基百科等视为大尺度的超个体智能现象。
容易陷入‘认知膨胀’（Coupling-Constitution Fallacy）：影响了思考不等于它本身拥有心智。
试图用最底层的统计物理、香农信息熵与柯尔莫哥洛夫复杂度统领智能：理解即压缩。
从有限历史数据中找到最短的生成程序（奥卡姆剃刀形式化），实现最强未来预测。
学习并非保留所有输入细节，而是尽量丢弃无关冗余，压缩出对目标最具互信息的表征。
主体倾向于自发演化向保留最多未来自由度的宏观路径，表现为目标驱使的自适应。
神经网络在有序与混沌的边缘（相变临界点）具备最大的动态范围与信息整合能力。
在极其深邃的数学物理层面上提供了统一描述（如算法概率、信息瓶颈理论）。
一个物理量能够描述智能系统（如临界态），不等于这个量就已经完全定义了智能。
不争论谁的跑分更高，而是严厉追问：纯粹的形式语法操作，究竟在何时才能‘意味着什么’？
单纯根据规则置换符号，即使外部表现不可分辨，内部也不具备真实的理解意向。
字典里的符号相互解释只是无穷闭环循环，符号必须锚定到底层感官-运动因果互动中。
将一个复杂系统假定为拥有‘信念’与‘欲望’并依理性行动，是一种极度成功的预测策略。
心理状态由系统内部各部分的因果组织关系界定，在不同物理载体上具备多重可实现性。
揭示了符号接地困难、意向性（Intentionality）与概念内涵的不可化约性，防止将工程拟人化错觉当成真理。
哲学思辨往往无法直接输出可运行的工程算法代码或架构指导。
解决问题是否必须对自身状态‘有所感受’？将解决问题的智力与主观体验（Qualia）严格拆分。
当局部模块的信息被广播至全局神经工作空间、被多个系统共同调用时，产生意识通达。
从系统内部不可约约的因果结构度量意识量值 (Phi)，强调内在因果机制而非外在表现。
大脑构建了一个关于自身注意状态的简化内部模型，以此监控、引导注意并形成意识觉知。
内感受、情绪与身体状态参与价值打分，智能不是冷冰冰的逻辑推演，而是生于对躯体感受的守护。
直面心灵哲学‘困难问题’（Hard Problem），提醒人们解题机器与有痛感、有体验的主体之间存在深渊。
缺乏客观公认的意识测量仪；各意识理论（IIT 与 GWT）在机理上尚存重大争鸣。
会实现目标，是否就足够‘明智’？反思目标本身的正当性、行动的时机与何谓良好的生活。
不仅通晓普遍命题，更在纷繁复杂的具体处境中洞察恰到好处的分寸、克制与善。
认知与道德辨别、情境顺应融为一体；不执于僵化概念分别，顺应物理与天性。
深刻剖析概念投射、心识造作与虚妄‘自我’构建，以般若智慧洞见缘起空性。
在自我利益、他人利益与更大公共福祉之间取得长远动态平衡。
突破西方现代 IQ 的单一工具理性局限，融入亚里士多德实践智慧、儒道佛心性反思与长期公共善。
难以形式化为单一可优化的损失函数，涉及不可公度的伦理与价值权衡。
探讨心智是否超越了经典的图灵可计算物理假说：从本体论、泛心论到非经典测量模型。
体验性或心智潜能是物理世界最基底的本质属性之一，而非复杂组织后凭空掉出来的奇迹。
依据哥德尔不完备定理认为人类数学洞见不可算法化，寄托于微管量子坍缩。
运用非对易算符与量子干涉数学精确描述人类在不确定情境下的顺序效应与违背经典概率的判断。
拓宽了人类对物质与心智关系的本体论视野，并在认知决策中成功运用了量子概率公理。
本体论假说极具争议；‘用量子概率建模认知决策偏差’不等于‘大脑物理上就是量子计算机’。
不同学派并非非黑即白，很多前沿探索恰好在寻找两极之间的连接。切换下方象限仪的 X/Y 轴，实时观察 20 条路线的思想聚类：
| 分歧轴 | 一端 | 另一端 | 核心争鸣点 |
|---|---|---|---|
| 评价什么？ | 已经拥有的任务能力（静态储备） | 获得新能力的效率与泛化潜力（动态过程） | Chollet ARC 等测试主张将先验与经验剥离，测量面对陌生任务的学习效率，而非海量预训练事实储备。 |
| 怎样解释行为？ | 内部表征、符号推演与世界模型计算 | 主体与环境之间的实时动力学生理耦合 | 经典认知科学主张‘先内部算好再执行’；行为式机器人与生态心理学主张‘世界本身就是它最好的模型’。 |
| 什么使行动有方向？ | 外部给定的标量奖励或损失函数 | 机体自维持、内在动机与自主形成的意义 | Reinforcement learning relies on external reward; autopoiesis and active inference view orientation as self-preservation. |
| 智能的单位是什么？ | 孤立的个体、算法模型或大脑 | 由身体材料、外部工具、社会群体构成的延展系统 | 延展心智与分布式认知认为，笔记本、语言工具和制度本身就构成认知过程的一部分。 |
| 需要多少先验？ | 从空白开始的通用纯统计学习（极少预设） | 丰富的核心知识结构、领域几何与演化约束 | Scaling 假说主张通用架构+算力即可；Spelke、Lake 等强调人类学习依赖物理对象、代理意图等核心先验。 |
| 是否存在统一机制？ | 一个足够一般的原则（如自由能、自监督预测、奖励优化） | 多模块系统、多重异构机制与发育阶段的协调协作 | ‘Reward is enough’ 或自由能最小化尝试统一解释；ACT-R、Soar 与 Minsky 心智社会强调异构组件协作。 |
| 意识是否必要？ | 功能与能力完全可以独立于主观体验研究 | 真正的理解与主体性需要现象体验与自我感受 | 图灵判定与弱 AI 认为主观感受可抽离；中文屋论证与生物自然主义认为形式操作不等于主观理解。 |
| 聪明是否包含价值？ | 高效且工具性地达成任意指定目标 | 审视目标是否正当、反思后果与何谓好的生活 | 现代 IQ 与智能定义往往是价值中立的工具理性；亚里士多德实践智慧与跨文化心性传统强调德性辨别。 |
能测量某些智能表现，不等于发现了智能的唯一实体。智力因素或跑分只是观察影子，不可物化为单一引擎。
能人工构造某种行为，不等于自然界只能用这种机制产生该行为。模拟证明‘可以这样’，不证明‘只能这样’。
提出一个统一公式，不等于已经覆盖全部智能现象。自由能、奖励最大化或压缩律，都需要明确适用范围与反例。
将研究范围扩展到细胞或群体，不等于可以泛化地说‘万物皆有智’。拓宽对象时，更需要精密界定观察到的适应能力。
理解、意识、自主性与智慧，不能草率当作智能的同义词。一个理论解释了解题，并不代表它解释了主观体验或价值反思。