认知不是只在大脑里：环境如何塑造智能

在这次对话中，DeepMind研究者Matt Botvinick提出一个反直觉但极具启发性的观点：理解人类智能，不能只盯着大脑本身，还必须认真对待环境的结构。从图灵机隐喻到强化学习中的自我博弈，他勾勒出一条连接人类认知与现代AI的清晰线索。

从图灵机说起：人类大脑像“能运行软件”的系统

为什么把人类和图灵机放在一起讨论很重要？因为这触及了“智能的本质”这个根本问题。Botvinick回忆他在计算机科学入门课上学到的一个视角：图灵机的意义不在于它做某一件具体的事，而在于它是“机器的模拟器”，可以模拟任何其他机器。

他用这个隐喻来理解人类心智。他明确承认，人类并不是图灵机，我们有明显的容量限制，但我们有一种关键能力：能快速适应前所未有的任务和情境。“我们有能力适应与过去完全不同的行为方式”，他认为这意味着大脑中存在一种通用机制，使我们能够“运行不同的软件”。

这个说法把人类智能从具体技能（算术、下棋）中解放出来，指向一种更抽象的能力：跨任务迁移。这也为理解AI提供了一个参照系——真正接近人类的系统，不能只是某一项能力的专家，而应具备这种可重配置的通用性。

大脑只是计算吗？真正的难题还没开始

如果大脑是计算设备，那是否意味着智能不过是“基本计算”的堆叠？Lex Fridman直接抛出了这个尖锐问题。Botvinick的回答很坦率：他“乐于把它看作基本计算”，但这远远不够。

关键在于，他不满足于解释人类如何完成单一任务。“我不会满足于只理解让人们做算术或下棋的计算”，他说，“我想要的是全部。”这句话点出了当前AI研究的一个隐痛：我们可以在封闭问题上做到超人，却依然无法解释情感、社会互动、意义理解等复杂现象。

在这里，Botvinick并没有诉诸任何‘魔法’或神秘主义，而是提出了一个更高的要求：如果认知真的是计算，那我们必须找到那些能够生成“人类认知全部丰富性”的计算形式。这不是降低问题难度，而是把问题摆在真正该在的位置上。

群体行为：智能是否只能在社会中诞生？

为什么讨论群体行为对理解心智如此重要？因为人类从来不是在真空中行动的。谈到疫情期间的行为变化，比如从握手到碰肘，Botvinick和Fridman都注意到一个现象：没有集中协调，人群却能在短时间内“分布式地”趋同到同一种行为。

Botvinick认为，“人类行为产生于群体之中”几乎是自明的事实。这种集体层面的收敛，让人联想到把群体看作一种“集体智能”。不过，他对把智能直接定义在群体层面保持谨慎。他坚持，智能的基本分析单元仍然是个体，只不过个体必须放在社会语境中理解。

Fridman提出了一个更激进的可能性：如果没有多个智能体的互动，单个个体或许根本无法发展出我们所说的‘人类智能’。Botvinick并未反驳，只是承认这将使研究变得异常困难。但正是在这种张力中，群体、文化与认知之间的深层关系浮现出来。

最关键的转折：认知是环境的函数

这一部分是整段对话中最具分量的洞见。Botvinick直言，一个严肃的智能理论，必须“同样重视环境结构和认知系统的结构”。这是他早年向神经网络先驱Jay McClelland和John Cohen学习到的核心经验。

他的结论非常明确：“认知的结构，只有一部分来自大脑架构和学习算法。”真正塑造智能的，是这些机制与所处世界之间的互动。这一点在强化学习中尤为明显——智能体“只能学到它能被模拟出来的东西”。

在DeepMind的实践中，这一观点通过自我博弈得到了生动体现。当系统与另一个智能体竞争时，“另一个智能体本身就成了环境”。正是这种竞争结构，驱动了学习的持续升级。Botvinick将其称为AI领域最令人兴奋的思想之一，因为它揭示了一个事实：在某些情境下，竞争不是副产品，而是学习本身的必要条件。

总结

Botvinick的核心信息并不复杂，却极具颠覆性：智能既不只存在于大脑中，也不只是算法的结果，而是认知系统与环境长期互动的产物。从人类社会的群体收敛，到DeepMind中的自我博弈，环境不断“塑形”智能的边界。对研究者而言，这意味着理解心智和构建AI，都不能再忽视世界本身的结构。

关键词： 认知科学， 强化学习， 环境与智能， 自我博弈， Google DeepMind

事实核查备注： Matt Botvinick为DeepMind研究者；视频发布于2020-07-05，频道为Lex Fridman；核心比喻为图灵机；提到的研究方向包括强化学习、自我博弈；引用的学者为Jay McClelland和John Cohen；公司名为Google DeepMind。