WAIC特辑丨郭毅可院士完整演讲：AI进化跟“人”一样，需要对抗熵增、维持局部有序

演讲人丨郭毅可 香港科技大学首席副校长，中国工程院、英国皇家工程院、欧洲科学院院士

7月20日，在WAIC 2026思想者论坛上，香港科技大学首席副校长，中国工程院、英国皇家工程院、欧洲科学院院士郭毅可发表了《探求人工智能的第一性原理：把握硅碳时代的人机共生》的主题演讲。

以下为演讲实录：

大家早上好！非常高兴今天能和大家一起探讨一个极具价值的命题——人工智能的第一性原理，以及我们当下身处的硅碳时代，硅基生命与碳基生命如何共生共荣，共同塑造人类的未来。

在这个技术飞速迭代的时代，我们需要先回答几个最根本的问题：为什么碳基生命和硅基生命能够共存？为什么人类的智能，如今能够在机器上得以延伸和发挥？更进一步，我们常说碳基生命、硅基生命，那生命的本质究竟是什么？我们谈论碳基智能、硅基智能，那智能的核心又是什么？这些基础问题，是我们开展相关科学研究、把握未来发展方向的前提，只有把这些最根本的问题讲清楚，我们才能对人工智能的研究和未来走向，有更清晰、更深刻的认知。

01

从“人”到“人工智能”的科学奠基人

如果我们要探讨人工智能，就要先理解“人是什么”，有6位科学家的贡献至关重要，他们分别是达尔文、薛定谔、克里克、霍夫、图灵和维纳。

首先我们来谈谈薛定谔和他1943年出版的名著《生命是什么》。提到薛定谔，大家可能首先会想到“薛定谔的猫”，他是量子力学领域的核心人物，但他流传最广、影响最深远的作品，正是这本《生命是什么》。这本书并非单纯的科普读物，其中蕴含着大量原创性的深刻思考，核心就是对生命本质的解读。

薛定谔的核心观点，源于热力学第二定律：任何孤立系统，都会自然地走向熵增，也就是走向混乱和无序。如果将整个宇宙视为一个孤立系统，那么它最终会陷入混沌的热寂状态。但我们放眼大千世界，却能看到无数局部的有序系统，这背后的机制是什么？薛定谔给出了答案：生命的本质，就是对抗熵增。生命并非封闭的动力系统，而是开放系统，它通过与外界环境交换物质和能量，获取“负熵”，也就是抵抗熵增的能力，从而维持局部的有序状态。这一观点，为后续整个生命科学的研究，提供了核心指引。

既然生命能够对抗熵增、维持局部有序，且生命具有进化和延续的特性，那么这种机制必然需要一种载体来传承，就像计算机程序需要脚本一样。

在薛定谔思想的指引下，10年后，克里克发现了DNA，这就是生命的“遗传脚本”，也是我们的遗传程序。它存在于我们的细胞之中，能够被读取、转录为RNA——我们接种的mRNA疫苗，正是基于这一原理。RNA会执行遗传程序的功能，生成蛋白质，而蛋白质之间的相互作用，就构成了我们细胞的各项活动，这就是分子生物学中著名的“中央法则”。

如果我们将其与机器运行逻辑类比，DNA就像是存储在磁盘上的程序，RNA是读取到内存中执行的程序，而蛋白质就是程序运行后产生的结果。由此可见，生命不仅是碳基分子的组合，更是生命信息的载体，它通过执行信息，实现减少混乱、构建秩序的功能。而在这个过程中，大脑就像是生命系统的CPU和司令部，是进化的产物。我们的大脑中，留存着2亿多年前爬行动物的烙印，中脑源自1亿多年前的哺乳动物脑，这些都是遗传而来的，这也是我们与许多动物拥有相似行为和功能的原因。而最外层的大脑皮层，才是人类高级智能产生的核心脑区，这里布满了神经元。

神经元是一种特殊的细胞，拥有细胞核，外部延伸出轴突和树突，最尖端的部分叫做突触。神经元之间通过突触相互连接，并非直接接触，而是通过离子交换实现信息传递，这就形成了神经网络。我们将不同动物的神经元数量进行对比会发现，果蝇的神经元数量极少，而人类大脑皮层的神经元数量，在所有动物中是最多的，达到160亿以上。可能有人会说，大象的神经元数量有2500多亿，但大象的神经元主要分布在小脑，大脑皮层的神经元仅有60多亿，远少于人类。当然，我们也不能小看大象，它也是一种非常聪明的动物。

了解了神经元的数量，我们再来看看它的工作机制。我们今天所说的人工神经网络，本质上就是对大脑工作模式的模仿。人类的大脑约重1.3公斤，拥有860亿左右的神经元，神经元之间的连接会传递离子，进而产生脑电活动，这也是我们能够通过脑电仪检测到脑电波、实现脑机接口的原因。这些神经元的连接，是意识的物理实现，而核心问题在于：这些连接是先天固定的，还是可以改变的？也就是我们所说的“可塑性”。

加拿大著名神经科学家霍夫，在1948年出版的《行为的组织》一书中，提出了“大脑可塑性”理论，也被称为霍夫学习理论。他指出，当我们的大脑受到刺激时，部分神经元会同时活跃起来，而共同活跃的神经元，会建立起更紧密的连接，这就是“共同激活的神经元共同连接”。这一理论，奠定了学习的生物学基础：我们通过不断接收外界信息、刺激大脑，能够强化神经元之间的连接，也能抑制部分连接，从而实现大脑的“重塑”，这就是学习的本质，也是今天所有人工神经网络的核心生物学依据。

前面我们探讨的都是碳基生命的智能机制，而在1936年，计算机科学的鼻祖、英国数学家和哲学家图灵，跳出了这一局限，提出了一个颠覆性的问题：思维和计算，必须依赖人类的大脑这一碳基载体吗？答案是否定的。图灵聚焦于思维与计算的本质，发明了“图灵机”这一抽象概念，证明所有的计算，都可以通过一个简单的机器来实现。

图灵机的核心组成非常简单：一是纸带，相当于程序的抽象，存储着指令序列，就像我们的DNA是遗传指令的序列一样；二是读取指令的机器，相当于CPU；三是根据指令改变读取位置、输出结果的模块。这一抽象模型，就是现代计算机的原始雏形。15年后，美籍匈牙利科学家冯·诺依曼，在图灵机的基础上，制造出了第一台实体计算机，让图灵的理论变成了现实。

与图灵同时代的麻省理工学者维纳，深受薛定谔思想的影响，他提出了一个新的问题：既然生命的本质是抵抗熵增、建立局部秩序，那么这种机制，能否在机器系统中实现？维纳早年是生物学家，后来转向物理和数学领域，学识极为渊博。他认为，生命的核心并非碳基载体本身，而是抵抗熵增、构建秩序的机制，只要机器能够实现这一机制，就具备了类生命的属性。基于这一思考，他创立了划时代的控制论。

控制论的核心，是通过反馈机制缩小系统的可能性空间，实现熵减。所谓反馈，就是设定一个目标，执行相关行动后，将行动结果与目标进行对比，若存在差距，就修正行动，这也是导弹的核心工作原理。维纳在1949年发表了著名文章《人有人的位置》，在这篇文章中，他首次预判了未来人类将与智能机器共存的场景，也就是一个能够自动实现熵减的系统，与人类共同构成新的社会形态。

02

信息、先验认知、贝叶斯推理

我们一直在谈论“信息”，那么信息究竟是什么？

我们知道，生命需要吸取负熵来对抗熵增，而负熵的核心，就是能够减少不确定性的信息。在人与人、人与环境、机器与环境的交互中，我们会传递各种“消息”，也就是对某种状态的描述，但消息并不等同于信息。信息的核心价值，在于它能减少接收者的不确定性。

举个例子，假设我们看世界杯，我说“中国队输给了阿根廷”，这个消息对你来说可能毫无兴趣，因为你原本就认为中国队实力不如阿根廷，这个消息没有减少你的不确定性；但如果我说“中国队赢了阿根廷”，这个消息就会极大地减少你的不确定性，对你来说就是有价值的信息。

再比如，我说“人终有一死”，这是一个既定事实，没有减少你的不确定性；但如果我说“我明天就会死”，这个消息就会让你产生极大的震动，因为它大幅改变了你对相关事情的认知。所谓认知，就是通过吸收这些能够减少不确定性的负熵信息，建立起的思维结构。

理解了这些，我们再来看今天的人工智能神经网络，就会发现它的核心逻辑，就是将人类神经元的架构，迁移到计算机和云计算平台上。人类的神经元有细胞核、轴突、树突和突触，人工神经网络也有对应的结构，通过激活、静息状态的切换，实现信息的传递。而人工神经网络中的“权重”，就相当于人类神经元之间连接的紧密程度，权重的调整，就是对大脑可塑性的模仿，也就是“学习”的过程。

根据霍夫学习理论，学习的本质就是改变神经元之间的连接权重。在人工智能中，我们通过给模型输入数据、设定输出目标，让模型不断调整权重，直到输出结果与目标一致，这个过程就是“拟合数据”；调整权重的算法，就是学习算法；而模型的输出结果与目标结果的差值，就是“损失”。

机器学习的过程，就是通过一次次迭代，不断降低损失，让模型逐渐收敛、变得精准。比如，GPT有171亿个参数，本质上就是171亿个连接权重，连接数越多、参数规模越大，模型的学习能力和生成表现通常就越好。

讲到这里，我们需要探讨一个更深入的问题：认知的本质是什么？认知是主观的，是每个人对世界的理解，这种理解因人而异，并非绝对统一。这是因为我们对世界有一个“先验认知”。

这就引出了“预测编码理论”，这也是今天人工智能研究的核心理论基础之一。我们对世界的认知，并非被动接收外界信息，而是基于先验认知，对世界进行“猜想”。我们的五官将外界信号传递到大脑，大脑根据先验认知，构造出一个对世界的模型，当外界信号与我们的预测一致时，我们不会产生新的认知；只有当信号与预测存在差距，也就是出现“意外”时，新的信息才会进入大脑，推动我们更新认知。

这种认知模式，是符合生命熵减需求的最优机制。

首先，我们的五官接收的外界信息极为庞大，大脑必须通过先验认知过滤掉噪声，只关注有价值的信息；其次，这种预测模式能弥补信息传递的延迟。比如足球向我们飞来时，视觉信号传递到大脑需要0.2秒，若没有预测，我们根本无法接住足球；最后，人类大脑的功耗仅为24瓦，这种高效的认知模式，能最大程度降低能量消耗，避免大脑过载。

那么，我们的学习过程，本质上就是一个“信息压缩”的过程。首先，外界的光波、声波等物理信号，经过我们感官的筛选，形成神经信号，这是第一次压缩；其次，神经信号在大脑中转化为神经网络的连接结构，形成对世界的模型，这是第二次压缩；再次，我们用语言为这些模型命名、描述，语言是人类独有的能力，是对大脑中世界模型的表达，这是第三次压缩；最后，我们将语言描述的规律，凝练为数学公式，这是第四次压缩。人类的智能活动，就是在这样一次次的信息压缩中实现的。

而实现认知的核心过程，就是“贝叶斯推理”。简单来说，贝叶斯推理的逻辑是：我们先有一个先验模型，然后通过观察外界信息，将观察结果与先验模型结合，更新为新的模型。观察结果与先验模型的差距，就是认知的动力。这也印证了一句话：“你不是因为看见了才相信，你是因为相信了才看见。”我们的新认知，并非凭空产生，而是基于先验认知，结合新的观察证据，不断修正、完善的结果。

贝叶斯推理的核心公式非常简单：后验概率正比于似然度乘以先验概率。这个公式，就是今天大数据和人工智能训练的核心底层逻辑。

大数据的本质，就是通过我们能够获取的观察数据，构建对未知世界的模型，然后通过反推、验证，不断修正模型；而人工智能的训练过程，就是不断用新的观察数据，更新模型的先验认知，缩小预测与实际的差距。

我们日常生活中的每一个决策，其实都在遵循贝叶斯推理：面试时，我们先通过简历建立对候选人的先验认知，再通过提问、交流进行观察，根据观察结果修正对候选人的评价，最终做出决策。

理解了认知的本质，我们再来看大语言模型，就会明白它的核心逻辑。大语言模型的本质，是将语言再次压缩到人工神经元上。它通过“向量编码”，将语义相近的词语转化为相近的向量，用向量来衡量词语之间的相似性，而且这种向量是动态可计算的，比如“苹果”这个词，在水果的语境中是一个向量，在手机的语境中则是另一个向量。

大语言模型通过“预测下一个词”的任务，构建出一个语言的星图，将所有词语作为节点，根据语义关联将它们连接起来。千万别小看“预测下一个词”这个任务，当模型能够精准预测下一个词时，就意味着它已经复刻了语言背后的世界逻辑——因为语言是对世界的表达，能够重新生成语言，就意味着能够还原语言所描述的世界。从这个意义上来说，大语言模型已经突破了图灵测试，实现了硅基设备与人类在语言世界中的共生，我们已经能够与大语言模型进行自然、流畅的交互，甚至无法分辨对方是机器还是人类。

03

硅基智能和碳基智能同源同构、拥有相同的智能特征

硅基设备为什么能够符合生命熵减的本质？这就需要回归到“自由能原理”。

自由能原理（FreeEnergy Principle, FEP）是英国神经科学家卡尔·弗里斯顿（Karl Friston）于2006年提出的一种认知神经科学和复杂系统理论。该原理试图用一个统一的数学框架，解释生物系统（特别是大脑）如何通过最小化“变分自由能”来维持自身的生存、结构完整性和智能行为，被认为是“神经科学的大统一理论”之一。

自由能原理给出了贝叶斯大脑的物理基础，它指出，我们的预测与观察之间的差距，等价于物理上的自由能，而生命的所有行为，都是为了缩小这个差距。数学上可以证明，贝叶斯推理是减少资源消耗、缩小预测差距的最优方式。因此，大脑遵循贝叶斯逻辑，并非进化的偶然选择，而是生命对抗宇宙无序化、建立局部秩序的物理特性所决定的。

讲到这里，我们就可以总结出人工智能的第一性原理，也就是智能的基本行为框架。无论是人类的智能，还是人工智能的智能，核心逻辑都是一致的：我们的大脑（或机器的模型）中，存在一个对世界的主观模型，我们通过观察外界、做出预测，当预测与观察存在差距（也就是认知误差）时，会有两种选择：一种是“学习”，也就是正向推理，通过调整主观模型、更新先验认知，缩小差距；另一种是“主动推理”，也就是改变客观世界，让世界符合我们的预测，这就是今天我们所说的“具身智能”。

而要实现主动推理，就需要“世界模型”，也就是能够预测行动后世界状态的模型。比如，我们想要拿起一个杯子，大脑会给运动神经元发出信号，指挥胳膊做出动作，同时通过世界模型预测动作的结果，再通过反馈修正动作，直到成功拿起杯子。今天我们所说的学习、大语言模型、具身智能、世界模型，都可以纳入这个智能框架之中。从这个意义上来说，机器人就是硬件化的智能体，是物理世界中的智能体。

总结来说，智能的基本实现机制，就是向内调整和向外行动：向内调整，就是改变自己的先验认知、优化内部的世界模型；向外行动，就是通过改变客观世界，缩小预测与实际的差距。而到这里，大家会发现，我们已经分不清自己谈论的是碳基智能还是硅基智能，因为它们在本质上是一致的。

04

不要让AI替人类寻找生命的意义

碳基生命和硅基生命，都是在反熵增的基础上，建立局部秩序的不同演化路径。如果我们将薛定谔“负熵为生”作为对生命的通用定义，那么碳基生命的演化路径是：从DNA发现遗传密码，从神经生物学理解学习机制，进而构建贝叶斯大脑，最终实现人工智能的技术转化；而硅基生命的演化路径是：图灵提出思维可以脱离碳基载体存在，维纳为机器赋予生命的定义，进而构建社交网络、智能系统。二者在物理底层同源，都是反熵增建立局部秩序；在运行机制上同构，都是遵循贝叶斯推理的信息处理过程。

所以，我们当下正迈入一个人机共生的时代。虽然硅基智能和碳基智能同源同构、拥有相同的智能特征，但人类始终是这个时代的主导者。这种共生，并非人类退出舞台，而是让机器承担我们希望它承担的事务性工作，把人类从繁琐的事务中解放出来，让我们能够活得更像“人”——这正是维纳在《人有人的位置》中表达的核心观点。在人机共生的时代，人类需要聚焦于自己的核心价值：设定目标、做出价值判断、构建同理心、传递情感、承担责任，这些都是人工智能无法替代的人类专属职能。

人类文明的发展，经历过两次重大革命：第一次是语言的诞生，它让我们能够组织思维、传递思想；第二次是文字的诞生，它让我们能够记录知识、传承文明。而今天，人工智能的出现，相当于为我们赋予了一个外在的智能体，能够帮助我们处理信息、完成事务，这将推动人类进入一个全新的、人机共生的伟大社会。

接下来，我也想回应几个大家比较关心的问题。有朋友问：AI有泡沫吗？我的答案是：AI整体作为人类文明演进的重要阶段，不存在泡沫，但细分的技术路线和投资赛道，可能存在阶段性的热度波动。就像语言和文字的诞生，是人类文明的必然，人工智能的发展也是如此。我们在投资时，不能盲目追逐热点概念，而要理清AI的技术发展脉络，明白不同技术在整个框架中的位置，这样才能做出理性的投资决策。

还有朋友问：如果硅基智能体能够参与社会决策、拥有数字财产，我们该如何在法理和制度上界定它的责任边界？这是一个非常重要的问题。我们人类社会的法律、制度、秩序，都是建立在“人类是唯一主体”的假设之上的，而进入碳硅二元社会后，我们需要重构社会秩序，核心就是厘清人机的责任边界——哪些责任可以转移给硅基智能体，哪些责任必须由人类承担。比如在医疗领域，哪怕机器读片的准确率远高于人类，最终的签字权、追责权，在当前的法律和制度框架下，仍然属于人类，因为只有人类能够承担相应的责任。这是我们未来需要长期探索和完善的课题。

还有朋友问我，作为研究人员，我现在有多少时间和碳基生命、硅基生命打交道？我的答案是：我和两者打交道的时间，都在与日俱增。以前，程序员需要编写代码，而现在，机器已经能够高效地完成代码编写工作，而且又快又好。这时候，程序员的工作就从编写代码，转向了定义任务、验证结果，甚至要求机器给出代码的科学解释。人类的工作，始终在向更高阶的环节迁移，这也印证了人机共生的核心逻辑：机器承接事务性工作，人类聚焦高价值、高创造性的工作。

同时，很多年轻人现在存在焦虑，担心自己毕业之后，原本可以从事的工作，会被AI替代。我无法给大家一个确定的未来，但我可以分享三个应对不确定性的方法，帮助大家做好准备。

第一，一定要学习自己真正热爱的东西，而不是盲目追逐当下热门的就业赛道。因为当下的热门岗位，很可能在未来被AI替代，而你热爱的东西，会成为你最擅长的领域，也会成为你在未来社会中的核心竞争力。

第二，在人机共生的社会中，要不断强化自己的人性素养。要培养批判性思维、跨领域知识整合能力、情感交互能力，构建属于自己的知识体系。这些能力，是人工智能无法替代的，也是人类区别于硅基智能的核心所在。

第三，要对未来保持乐观的态度。不要陷入“被AI替代”的焦虑中，而要看到AI带来的机遇：AI让人类变得更聪明，人类用更聪明的头脑制造更好的AI，更好的AI又反过来推动人类进步，形成正向循环。保持乐观，才能更好地把握未来的机遇。

我始终对AI的发展保持乐观，但也有一些忧虑。我的忧虑并非来自技术本身，而是来自人类自身。当机器替代了我们的事务性工作，我们拥有了更多的空闲时间，但很多人可能会将这些时间浪费在无意义的事情上，比如沉迷游戏，在物质条件满足后，丧失生活的目标。中国有句古话：“生于忧患，死于安乐。”人类是因劳动而进化的，空闲时间的价值，在于让我们去做更有意义、更有创造性的事情，而不是陷入安逸和懒惰。

最后我想用一句话结束今天的分享：AI可以为我们做很多事情，帮助我们处理事务、解决“柴米油盐”的烦恼，但请记住，不要让AI替我们寻找生命的意义。生命的意义，需要我们每一个人用自己的热爱、思考和行动，去探索、去定义。

谢谢大家！