Jeff Hawkins：千脑理论如何重塑我们对智能的理解

在这期 Lex Fridman 的访谈中，Jeff Hawkins 系统阐述了“千脑理论”，解释新皮层如何通过大量并行模型理解世界，并直言深度学习并非通向通用智能的道路。这是一套试图统一神经科学与人工智能的新视角。

从工程师到神经科学家：他为什么执着于大脑

这一对话的价值，首先来自 Jeff Hawkins 本人的跨界经历。Hawkins 并非传统意义上的学院派神经科学家，而是以工程思维进入大脑研究领域。他在 2002 年创立红木理论神经科学中心，2005 年创立 Numenta，核心目标只有一个：理解新皮层到底在“做什么”。在访谈开头，他回应了一个看似宏大的问题——我们是更该研究智能本身，还是只研究人类大脑？他的回答非常直接：如果你想真正理解智能，就必须理解人类大脑，因为这是目前唯一被自然验证过的通用智能系统。Hawkins 甚至明确表示，“已经不存在那种不可触及的神秘了”，真正困难的不是哲学，而是把杂乱的神经数据整理成可解释的计算原理。这种立场为整场对话定下基调：少一点玄学，多一点可落地的机制解释。

新皮层的真正特别之处：重复电路与统一算法

理解 Hawkins 理论的关键，在于他对新皮层（neocortex）的独特观察。他强调，新皮层与更古老的脑区最大不同，不在于复杂度，而在于结构的高度重复性。无论是视觉、听觉还是触觉皮层，基本都由相似的皮层柱构成。这意味着，大脑并不是为每种能力设计一套专用模块，而是用同一种算法反复运行在不同输入之上。Hawkins 认为，这个统一算法的核心任务是：学习世界中事物在空间和时间中的变化规律。他在访谈中反复提到“理解时间”，因为预测变化是智能的本质。正是这一判断，构成了他后续理论的基础：如果我们能搞清楚单个皮层电路在做什么，就可能解释语言、运动乃至抽象思维。

HTM 到千脑理论：为什么一个大脑里有“很多模型”

在 HTM（Hierarchical Temporal Memory，分层时间记忆）理论之后，Hawkins 提出了更激进的“千脑理论”。这一部分是整场访谈的思想高潮。他指出，传统观念认为只有高层皮层在构建世界模型，但真实情况恰恰相反：每一个皮层柱都在学习一个完整的世界模型，只是视角不同。换句话说，我们的大脑中并不是一个中央模型，而是成百上千个并行模型，通过投票和协作形成稳定认知。他用“参考系”（reference frame）这一概念解释这一点：就像 GPS 使用坐标系来定位物体，皮层柱也在为各种对象建立参考系，而且这种机制可以扩展到任意 n 维空间。这也是为什么这种模型不仅能识别咖啡杯，也能理解更抽象的结构。

为什么深度学习不是终点：稀疏性与结构缺失

谈到人工智能现状时，Hawkins 对深度学习的评价相当冷静。他承认深度学习在感知任务上的成功，但明确指出这并不是通往通用智能的路径。问题不在算力，而在表征方式。生物大脑大量使用稀疏表示（sparse representations），即任何时刻只有极少量神经元活跃，这使得系统更稳定、更节能，也更容易组合出新概念。相比之下，主流人工神经网络缺乏对时间、因果和三维结构的内建理解。他在访谈中直言，这一代 AI 更像是“函数逼近器”，而不是理解世界的系统。这并非悲观判断，而是一个方向提示：真正的突破，可能来自向神经科学更深处学习。

总结

这次对话并不是在推销某个算法，而是在提供一套看待智能的新坐标系。Hawkins 的核心信息很清晰：智能不是单一模块的产物，而是大量简单模型在时间和空间中协作的结果。对读者而言，最大的启发或许在于反思——当我们谈论 AI 进展时，是否忽略了大脑已经给出的结构性答案？千脑理论未必是终点，但它迫使我们重新思考“理解”本身意味着什么。

关键词： Jeff Hawkins， 千脑理论， 新皮层， HTM， 深度学习

事实核查备注： Jeff Hawkins：红木理论神经科学中心（2002）、Numenta（2005）创始人；Thousand Brains Theory（千脑理论）；HTM（Hierarchical Temporal Memory，分层时间记忆）；新皮层结构高度重复；对深度学习的批评集中在时间建模与稀疏表示不足。