别急着变现！静下心来，才能获得AI顶级智识

你用上Manus了吗？

这应该是今天整个互联网上最火的话题，DeepSeek带来的“余震”犹在，新的AI又带来了新的震撼，和新的麻烦：

• 怎么把“说不清楚”的灵感变成连AI都能执行的指令？

• 如何用小时候“抄作业”的套路，让AI替你试错？

• 怎样让AI给出的结果不用反复的优化？

读了这本新书《心智的10大模型》之后，终于悟了！悟了！悟了！

原来用不好AI的人，并非缺乏使用工具的能力，而是缺少对人类大脑的认知深度。因为越高阶的人工智能，模仿生物大脑就越厉害！

也正因此，当我们理解大脑如何处理信息、完成决策优化、创造新知，才能真正将AI从替代性工具转化为思维延伸的“第二大脑”。

这是一本很有雄心的书！让每个读完这10个模型的人，都能理解如此庞大复杂的大脑运行机制。

这是一本安静的书！不适合只想变现的匆匆过客，读完本书的人，将获得关于AI最深刻的理解、最先进的智识。

这绝非又一本AI工具说明书，而是一场关于认知升维的思维革命！

焦虑的人还在疲于追赶AI，而拥有这种顶级能力的人，甚至已经能通过心智发展图景预测下一代人工智能的未来！

▲点击书封，即可购买《心智的10大模型》▲

作者格蕾丝·林赛是纽约大学计算神经科学家，她在新书《心智的10大模型》中揭示：真正需要迭代的不是算法，而是人类理解智能的维度。

最早读到这本书的一批人，恭喜你，一定会感受到自己的知识库被“搅翻”！

但也不用过分担心，这本书并不是那么“难读”，它深入浅出，正文里没有一个公式～

这一切，就是硅基世界的起源。读完它，你将如清华大学洪波教授所说，“再造一个硅基大脑”！

清华大学为先书院院长、生物医学工程学院教授洪波

复旦大学生命科学学院退休教授、博士生导师顾凡及

作序推荐！

中国科学院院士、复旦大学神经科学教授杨雄里

加州理工学院物理系教授肖恩·卡罗尔

哥伦比亚大学理论神经科学教授拉里·阿博特

神经生物学家利亚姆·德鲁

等中外知名人士

联袂推荐！

美国知名科技杂志《大众科学》

强烈推荐！

1.| 这本书为什么值得你通宵读完？

大脑的终极秘密，居然是一道数学题？

从860亿个神经元到源源不绝的聪明决策，我们的大脑中究竟发生了什么?只有理解碳基大脑，才能再造硅基大脑。

在认知科学的基础上善用人工智能的人类，将成为真正意义上的超人。读这本书，就是你了解认知科学将如何重塑人类社会的开始。

当脑科学实验被翻译成数学模型，这本《心智的10大模型》正在上演21世纪最大胆的学科跨界。它不满足于告诉你「大脑如何工作」，而是用10个数学模型带你直击认知本质——

「上帝视角」读脑指南：从神经元放电的微观世界，到记忆编码的时空密码，再到群体智慧的涌现规律，跟随这本书的上帝视角，就能层层解剖思维系统的「源代码」，这也是硅基大脑的进化路线。

400年科学史的高光时刻：30位科学家的「顿悟瞬间」串起一部烧脑大片，脑科学如何启发数理科学，开发新技术，而数理科学又如何启发脑科学寻求全新的解释，并提供手段处理海量数据，挖掘隐藏在这些数据背后的规律。

AI时代的认知导航仪：揭穿深度学习与生物脑的本质差异，为什么DeepSeek能处理任何语料问题，却理解不了情绪？真正类脑智能的突破方向，一定从这里出发。

▲点击书封，即可购买《心智的10大模型》▲

（整本书都是干货，建议直接看目录）

[目录]

推荐序一如何再造一个硅基大脑

洪波

清华大学为先书院院长、生物医学工程学院教授

推荐序二脑科学的数学之旅：一场科普的破冰行动

顾凡及

复旦大学生命科学学院退休教授、博士生导师

引言穿越400年时空，开启心智探索之旅

第1章我们头脑中的火树银花

带泄漏整合发放模型与霍奇金-赫胥黎模型

|19世纪20年代至21世纪10年代|

莱顿瓶与青蛙实验

欧姆定律与带泄漏整合发放模型

乌贼实验：动作电位是如何形成的

电缆理论：树突是神经元中一枚有用的齿轮

赋予神经系统研究勃勃生机的正是电学研究

第2章一团执行精密逻辑计算的粉色物质

麦卡洛克-皮茨模型与人工神经网络

|17世纪70年代至20世纪70年代|

麦卡洛克-皮茨模型：将大脑理解为一个遵循逻辑规则的计算设备

感知机，像人脑一样思考和学习

小脑的神经元结构与感知机原理：从错误中学习的神经网络

多层感知机：人工智能领域的变革引擎

反向传播算法：推动人工智能发展的关键突破

第3章我们如何相处，世界就如何被记住

霍普菲尔德神经网络与环形网络

|20世纪40年代至20世纪90年代|

印迹与赫布型学习：记忆科学的演进

霍普菲尔德网络：跨学科的记忆模型

海马，解开记忆奥秘的关键枢纽

环形网络：建立优质工作记忆系统的得力干将

第4章花样百出的神经元制衡战

平衡神经网络与神经震荡

|20世纪30年代至20世纪末|

神经元噪声：神经元反应的“乱糟糟”有何大用处

抑制性神经元：使大脑产生思维的关键角色

神经元的噪声之战：兴奋与抑制的平衡vs.大脑的随机性

平衡网络：大脑中的兴奋与抑制如何共舞

混沌理论：为什么相同的输入会引发千变万化的反应

大脑中的振荡与混沌：认知活动之谜

第5章层层堆叠造就的清晰视野

新认知机与卷积神经网络

|20世纪20年代至20世纪80年代|

模板匹配的变革之路：从机械装置到计算机

群魔殿：从模板匹配到视觉系统的层次结构

探秘初级视觉皮质：大脑如何解读复杂的视觉信号

新认知机：师从生物学以拓展计算机视觉

卷积神经网络：给人工视觉网络的发展插上翅膀

跨学科合作，共同探索生物视觉科学的未来

第6章降本增效的信息处理大法

神经编码与信息论

|20世纪40年代至20世纪60年代|

信息论的起源：香农领航的通信革命

信息论的应用：应对神经编码的多样性与复杂性

有效编码假说：大脑如何以最优方式传递和利用信息

大脑就像一套通信系统，但这还不够

第7章在乱糟糟中合并同类项

动力学、运动学与降维

|20世纪30年代至20世纪90年代|

从抽搐到动作：19世纪的大脑运动控制机制发现之争

埃瓦茨的腕力研究：运动皮质编码与动力学的开端

重新定义运动皮质的角色：不仅仅是编码

解码运动皮质：绕过理解直达行动

降维：挣脱神经群体思维的困境

运动皮质的探索之路，道阻且长

第8章简单线条揭示的庞杂秘密

图论与网络神经科学

|18世纪30年代至21世纪10年代|

图论：解密复杂网络结构的数学之钥

六度分隔：神经系统领域的降本增效

连接组：从图论视角探索神秘的大脑世界

连接组与精神疾病：图论方法的医学应用

从爆发到精雕细琢：如何构建稳定高效的神经网络

超越连接组，探索理解大脑复杂性的多维视角

第9章所知所见决定出牌策略

概率论与贝叶斯法则

|16世纪至19世纪10年代|

从骰子到大数据：贝叶斯法则如何改变世界

从概率到认知：贝叶斯法则在心理学中的崛起

贝叶斯法则如何帮我们解读感知到的世界

用贝叶斯法则理解大脑的决策过程

贝叶斯大脑假说：灵活与挑战并存的探索之路

第10章用当下的惊喜修正对未来的预期

时间差分学习与强化学习

|20世纪50年代至20世纪70年代|

如何规划最佳路线：从巴甫洛夫的狗到贝尔曼方程式

从兰德公司到动态规划：贝尔曼如何改变决策科学

从条件反射到价值函数：强化学习的数学之旅

从蜜蜂到猴子：神经递质在学习与成瘾中的角色

大脑中的奖励与学习：马尔思考给我们的启示

结语有没有一个简明的大统一理论能解释大脑？

附录

致谢

译者后记

2.| 哪三类人必读这本书？

关心科技、未来和自己的人

数学如何影响我们的意识、情感、决策、创造力？大脑如何让我们拥有终身成长的能力？答案尽在书中。

你尽可以把它当作一本大脑建模的“旅游攻略”，在其中走一遍会大开眼界，最重要的是，下次你想去哪个模型景点“深度游”的时候，就有了一张系统的文献地图和人物关系图。

书中的10个模型可以分为两类：

一类是功能输出型的大脑模型，这类模型对人工神经网络和人工智能的发展起到了非常直接的推动作用，如果你是对技术、科技感兴趣的人，它会帮到你。

另一类是数学抽象型的大脑模型，为脑科学研究提供了信息论、系统论与概率论的分析视角和工具。如果你是想要掌握现在和未来的人，这些模型会帮助你更好的决策。

▲点击书封，即可购买《心智的10大模型》▲

3.| 谁是格蕾丝·林赛？

神经科学领域新锐科学家、世界级类脑智能研究者

· 建立注意力和学习之间的联系模型、验证系统神经科学的工具、将计算机视觉用于应对气候变化；

· 出版科普图书、主持播客《Unsupervised Thinking》，长期为《科学美国人》撰稿；

· 演讲《当数学家解剖大脑》播放量超百万，被评价“让微分方程变得性感”。

运用数学工具解析神经回路的工作原理，是阐明心智奥秘的关键。作者以简洁的语言将其中的若干专题娓娓道来，清晰明了，举重若轻，引人入胜，其功力令人惊叹。

——杨雄里

中国科学院院士、复旦大学神经科学教授

这是一本很有雄心的书，作者林赛试图用10个数学模型来回答“生物大脑的计算机制究竟是什么”。

这也是一本安静的书，不适合那些想从脑科学中“淘金”，拿去人工智能领域“变现”的匆匆过客。如果你稍有一点耐心，坐下来一两小时，试着读一章，你就会被其中有趣而深刻的故事所吸引，一定会在某个地方受到震撼，得到启发。不要担心数学模型的深奥，正文里没有一个公式，即使是附录里的公式也是极其克制而简洁的。

——洪波

清华大学为先书院院长、生物医学工程学院教授

林赛的《心智的10大模型》用讲故事的方式引人入胜地把读者带入这样一场探险。读者在享受愉悦的同时，也常常需要按下“暂停键”或“回放键”，掩卷长思，思考脑科学如何启发数理科学，开发新技术，而数理科学又如何启发脑科学寻求全新的解释，并提供手段处理海量数据，挖掘隐藏在这些数据背后的规律。

——顾凡及

复旦大学生命科学学院退休教授、博士生导师

格蕾丝·林赛带领我们在这一重要的前沿领域进行了一次大师之旅，用热情和智慧解决了令人生畏的话题。

——肖恩·卡罗尔

加州理工学院物理系教授、《非凡的生物》作者