关于智能的讨论里,最容易滑出去的一句话是:这和人脑的工作方式差不多。这个类比有历史来源,也有它的用处,但一旦被当成事实依据,后面的推理就容易出问题。
比喻是从哪来的
早期联结主义把神经元抽象成加权求和加非线性激活,这个抽象确实受生物神经元启发。但今天的模型在规模、连接方式、训练目标上,已经和神经科学里的发现拉开了距离。名字相同,机制不同。
记忆和学习的差别
人脑的记忆是稀疏、联想、会遗忘的。你记不住昨天中午吃了什么,却能在闻到某种气味时突然想起一段往事。模型的记忆是参数和上下文窗口,没有真正的回想,也不会因为时间流逝而自然淡化。
学习效率也不对称。人看几个例子就能掌握一个新类别,模型通常要成百上千条样本;反过来,模型在精确检索、长文本比对、多语言覆盖上远超个体。各有各的强项,不是同一种能力的不同档位。
能耗差了几个量级
人脑的功率大约二十瓦,一天下来不到半度电。训练一个大规模模型的能耗以兆瓦时计,推理也要靠数据中心支撑。这个差距说明两者的计算方式根本不同,不能用人脑的高效去论证模型的天花板,也不能用模型的规模去论证它像人。
工程上该怎么用这个比喻
比喻适合做科普和跨专业沟通,前提是标明它只是比喻。做技术判断时,可测的指标更可靠:任务准确率、错误类型分布、延迟、成本。这些数字不会因为“像大脑”而变好。
保留一点敬畏也有必要。人对智能的理解还很有限,模型表现出的某些能力,目前确实没有令人满意的解释。承认不知道,比套一个熟悉的类比更诚实。
读者留言
4 条 · 编辑审核后展示苏
苏晓2026-11-22 08:09
这个边界划得很清楚,类比不能当论据。
有用 15 · 回复
苗
苗川2026-11-22 08:11
能耗对比那段有说服力。
有用 18 · 回复
白
白晚2026-11-22 08:13
希望多写点可测指标,少讲玄的。
有用 21 · 回复
顾
顾知2026-11-22 08:15
最后一段的态度很专业。
有用 24 · 回复