深度长文：宇宙精妙到离谱，真的有造物主？答案颠覆认知！

杨振宁在一次采访里说，宇宙这么精妙，一定有个造物主。

这话一出，网上吵翻了天。

有人说，连杨振宁这样的大科学家都信神了，科学的尽头果然是神学。

也有人说，他老人家老糊涂了，怎么能说这种迷信的话。

其实，两边都没说到点子上。

杨振宁说的这个 “造物主”，根本不是庙里供的那种神仙，也不是宗教里那个全知全能的人格神。

他说的其实是一个所有物理学家走到最后都会碰到的问题：我们的宇宙，为什么 “刚刚好” 就是这个样子？

刚刚好有合适的物理常数，让原子能形成，让恒星能燃烧，让行星能诞生；刚刚好有液态水，有合适的大气，让生命能出现；最后还刚刚好演化出了人类这种能反过来思考宇宙本身的智慧生命。

这一连串的 “刚刚好”，到底是巧合，还是有什么东西在背后安排？

今天咱们不聊宗教，也不扯复杂的公式，换个角度，从 “智能到底是怎么来的” 这个问题入手，把这件事说透。

说到这个，就得提一个人，史蒂芬・沃尔夫勒姆。

可能很多人没听过这个名字，但你大概率听过他的产品：Mathematica，那个几乎所有理工科学生都用过的数学软件，就是他搞出来的。

这个人是个不折不扣的天才，15 岁就发表物理论文，20 岁拿到加州理工的博士学位，后来一头扎进了复杂系统研究，成了元胞自动机领域的权威。

沃尔夫勒姆有个非常颠覆的观点：智慧生命的出现，根本不是什么宇宙级的巧合，而是一个大概率事件。把宇宙倒回 138 亿年重新演一遍，只要底层规则不变，十有八九还会演化出智能。

为什么他敢这么说？

今天咱们就一层一层往下扒，从智能的微观结构，讲到宇宙的底层逻辑，最后再回头看杨振宁说的 “造物主”，到底是什么意思。

先问你一个问题：你能说清楚，你是怎么认出一个人的脸的吗？

比如你妈妈，你远远看一眼背影就知道是她。

但你具体是怎么看出来的？是发型？是走路姿势？还是肩膀的宽度？你肯定说不清楚，你就是知道。

不止认人，生活里这种事多了去了。

老瓜农拍一下西瓜就知道甜不甜，老司机听发动机声音就知道车有没有毛病，你刷到一条短视频，两秒就知道好不好看。

你能做出判断，但你拆不开成一步一步的逻辑，讲给别人听。

以前我们觉得，这是 “只可意会不可言传” 的经验。

但现在人工智能出来之后，我们发现，AI 居然也是这个德行。

比如你训练一个 AI 来识别猫，给它喂一百万张照片，告诉它这是猫、那不是猫。训练完之后，它识别猫的准确率比人还高。

但你要是问它：你到底是通过哪几个像素判断出这是猫的？是耳朵还是胡须？

没人能回答这个问题。

整个神经网络里有上百亿个参数，每个参数在训练里微调了一点点，最后凑出来一个能用的系统。但每个参数具体起什么作用，谁也说不清楚。你只知道输入一张照片，它能输出正确答案，但中间的过程，就是个黑箱。

这就很奇怪了，对吧？我们造出来的东西，我们居然不知道它是怎么工作的？

但沃尔夫勒姆说，这有什么好奇怪的，“解释” 这件事本身，本来就是人类的一厢情愿。

什么意思呢？

咱们平时说的 “解释”，说白了，就是用一个你已经懂的道理，去套一个你不懂的现象，把它讲通。

比如有人问你：汽车为什么能跑？

你说，因为发动机烧汽油，把化学能变成动能，带动轮子转，汽车就跑了。

这是个解释，对吧？但要是这个人追着问：汽油为什么能燃烧？化学能是怎么变成动能的？

你就得往下讲，讲分子的氧化反应，讲活塞的运动，讲传动杆的机械结构。

再往下问：为什么分子会发生氧化反应？为什么力能传递？

你又得讲化学键，讲电磁力，讲牛顿力学。

再往下呢？为什么电磁力是这个样子？为什么有质量的物体就有惯性？

问到最后，你一定会碰到一堵墙：这就是定律啊，实验测出来就是这样，没有为什么。

看到了吧，所有的解释，到最后都会撞在 “底层规则” 这堵墙上，再也走不动了。

而我们平时觉得 “解释清楚了”，只不过是刚好说到了你能接受的层面而已。

沃尔夫勒姆把这件事总结成了一个词：计算不可约性。

听起来挺玄乎，其实很简单：有很多系统，它的演化过程是没有办法简化的，你不可能找到一个万能公式，直接算出它任何时刻的状态，只能一步一步老老实实去算。

最典型的就是天气。

为什么天气预报超过 7 天就不准了？

不是因为气象站不够多，也不是因为计算机不够快，是天气系统本身就是计算不可约的。

理论上，就算你把地球上每一个空气分子的位置和速度都测准了，你也没法精确算出一个月后的天气，因为微小的误差会一步步放大，最后结果天差地别。

你没有办法跳过中间的过程，直接得到答案。这就是计算不可约。

而我们的大脑，算力是有限的。每秒能处理的信息也就那么一点点，根本不可能一步一步去模拟整个世界的演化。

那怎么办？

大脑发明了一个办法：讲故事。

就是把复杂的现实，砍掉绝大多数细节，压缩成一个简单的、我们能理解的模型，用这个模型来近似解释世界。

比如我们说 “天上下雨”，其实真实过程是无数个水分子在大气里运动、碰撞、凝结，复杂到没法算。

但我们不用管那么多，就用 “水蒸气遇冷变成雨” 这么一个简单的故事，就足够指导我们出门带伞了。

所有的解释，本质上都是这种简化的故事。

它不是真相，是真相的 “低配版”，够用就行。

那这和智能有什么关系？

关系大了。

因为所谓的智能，本质上就是这套 “压缩世界” 的能力。而这套能力的底层结构，和我们宇宙的底层结构，其实是一回事。

在咱们的直觉里，这个世界是连续的。

比如时间，一秒钟可以分成 0.1 秒，0.01 秒，好像可以无限分下去。距离也是，一米可以分成一厘米，一毫米，也可以无限细分。

我们学的数学也是这么说的，数轴上有无穷多个点，任何两个数之间都能找到无数个中间数。

但真实的宇宙，不是这样的。

量子力学告诉我们，这个世界有最小的尺度，叫普朗克长度，大概是 10 的 - 35 次方米。比这个长度再小，空间就没有物理意义了。

同样，时间也有最小的单位，叫普朗克时间，大概是 10 的 - 43 次方秒。比这个时间再短，时间也没有意义了。

说白了，我们的宇宙其实是 “像素化” 的。就像你手机的屏幕，看着是连续的画面，放大到极致，就是一个个固定的小方块，没有 “半个像素” 这种东西。

一个粒子从 A 点到 B 点，不是平滑地滑过去的，是从 A 点消失，在下一个普朗克时间，直接出现在 B 点。就像游戏里的人物移动，一格一格跳的。

这件事很重要。因为它意味着，我们的宇宙从根上就是离散的，不是连续的。

而在这个宇宙里演化出来的生命，还有我们的大脑，自然也继承了这个 “离散” 的底色。

你可能会说，不对啊，我们的感觉明明是连续的啊？我抬手这个动作，就是很顺滑的啊？

那是大脑给你的错觉。就像电影每秒 24 帧，你看着就是连续的，大脑自动把离散的画面补成了流畅的动作。

大脑本身的工作方式，其实也是离散的。

这一点，刚好和我们造的计算机形成了鲜明的对比。

计算机是干嘛的？是为了算数学而发明的。数学是连续的，所以计算机的底层逻辑也是追求连续、精准。它算 1+1 就是等于 2，算圆周率能算到小数点后几万亿位，丝毫不差。

但这种精准是有代价的：一旦碰到无限循环的问题，它就会卡死。比如你让它算 1 除以 3，它能一直算下去，永远停不下来，最后死机。

大脑就不会。

你什么时候见过大脑死机？就算你遇到再复杂的事，哪怕天塌下来，大脑也会立刻给你一个反应：要么跑，要么慌，要么愣神，绝对不会卡在那里一直算。

为什么？

因为大脑从一开始就不是为了 “算准” 而设计的，是为了 “活下去” 设计的。

举个例子：原始人在森林里走路，突然听到草丛里有响动。

他的大脑会不会停下来，仔细分析：这个声音的频率是多少？震动幅度是多大？大概率是老虎还是兔子？

不会。

大脑会直接给出一个答案：跑。

哪怕十次里有九次是风吹草动，只有一次是老虎，也没关系。跑错了大不了白跑一趟，跑慢了命就没了。

所以大脑进化的第一优先级，是快，第二是够用，准不准排在最后。

为了快，大脑可以牺牲精度，可以跳步，可以用经验代替计算，甚至可以编造答案。

这就是心理学里常说的 “认知吝啬鬼”：大脑能偷懒就偷懒，能用直觉解决的，绝对不动用逻辑。

而这种 “快速、模糊、离散” 的处理方式，就是智能最底层的模样。

以前我们觉得，智能就是逻辑清晰、计算精准，像计算机那样。

现在看来，完全搞反了。

计算机那种才是异类，大脑这种 “差不多就行” 的，才是自然演化出来的真正的智能。

那大脑具体是怎么用离散的方式，拼出智能的呢？

要讲清楚这个，咱们得先从一个小游戏说起。

这个小游戏叫元胞自动机。

听起来高大上，其实就是个格子游戏。

你画一排格子，每个格子要么是黑的，要么是白的。然后定一条简单的规则：比如，一个格子下一秒是什么颜色，由它自己和左右两个邻居的颜色共同决定。

举个例子，规则可以这么定：

如果上一行是 “黑黑黑”，下一个就是白；

“黑黑白”，下一个就是黑；

“黑白黑”，下一个就是黑；

一共就 8 种组合，对应 8 个结果。每一种组合对应一个结果，就组成了一套规则。

然后你给第一行定一个初始状态，比如就中间一个黑格子，剩下都是白的。然后按照规则一行一行往下算，就能生成新的图案。

就这么简单的一个东西，能玩出什么花样？

冯・诺依曼最早提出这个想法的时候，是想模拟生命的自我复制。但真正把它玩明白的，是沃尔夫勒姆。

沃尔夫勒姆把所有 256 种最简单的一维元胞自动机规则都研究了一遍，然后发现了一个惊掉下巴的东西：30 号规则。

什么叫 30 号规则？

就是把 8 种组合对应的结果，按顺序排成一个二进制数，转换成十进制刚好是 30，所以叫 30 号规则。

就这么一条简单到不能再简单的规则，从一个黑点开始演化，最后生成的图案是什么样的？

它的左边是非常规整的三角形图案，一层一层，规律得很。但它的右边，却是完全混乱、毫无规律的花纹，复杂得像一团乱麻。

而且最神奇的是，你永远没办法提前算出第 1000 行是什么样子。你只能从第一行开始，一行一行老老实实算下去，算到第 1000 行，才能知道结果。

没有任何公式能给你直接答案，没有任何规律能让你跳过中间的步骤。

这就是计算不可约性最完美的例子。

就这么简单的规则，就能生出无限的复杂。

你要是感兴趣，自己在纸上也能画，就这么简单的规则，画着画着你就能感受到那种神奇：简单规则居然能长出这么复杂的东西。

那如果再复杂一点呢？

比如，格子不只有黑白两种颜色，再加一种，变成三色。那每个格子的下一个状态，就由上面三个格子的颜色决定，每个格子有三种可能，一共就是 3 的 3 次方，也就是 27 种组合。

那总共有多少种不同的规则呢？3 的 27 次方，算下来大概是 7.6 万亿种。

7.6 万亿是什么概念？全世界每个人每秒数一个规则，数到死都数不完万分之一。

这么大的逻辑空间里，能演化出什么东西？

沃尔夫勒姆做了个很有意思的实验。

他说，我们能不能找到一套规则，让这个三色元胞自动机，刚好演化 40 步，然后就彻底停下来，不再变化？

这个目标听起来简单，但你要从 7 万亿套规则里找，跟大海捞针一样。

怎么找呢？

用设计的方法？门都没有。你根本不知道哪条规则对应多长的寿命。

沃尔夫勒姆用了个笨办法：随机突变。

先随便拿一套规则，看看它能演化多少步。然后随机改掉其中一条规则，再看。如果改完之后寿命更接近 40 步了，就留下这个改动；如果差得更远了，就改回去。

就这么一点点试，像生物进化一样，基因突变，然后筛选。

你猜试了多少次就成了？

三百多次。

注：图中每一行都只显示了 27 条规则的输出结果（输入没显示，和之前的那张图里顺序相同），从 27 个白格子开始逐步迭代某些规则的结果，右侧的数字表示两排之间发生变化的规则数量。

这张图就是随着规则不断进行突变，最终结果不断接近目标的过程

才三百多次，就找到了一套刚好能活 40 步的规则。

而且还不止一套。多试几次，你能找到好多套完全不一样的规则，都能刚好演化 40 步。

这件事说明了一个非常重要的道理：

只要逻辑空间足够大，想要实现某个功能，根本不需要什么智慧设计，随机瞎试都能试出来。

你可能觉得这也太扯了，就靠瞎碰，能碰出这么精准的结果？

但你想想，生物进化不就是这么回事吗？

基因突变是随机的，环境筛选是定向的。

几十亿年下来，随机突变加筛选，就从单细胞生物，演化出了眼睛、翅膀、大脑这些精妙到不可思议的结构。

以前人们觉得，眼睛这么复杂的东西，肯定是神设计的。

但现在我们知道，一点点突变，一点点积累，只要时间够长，就能演化出来。

元胞自动机的实验，其实就是把进化的逻辑抽出来，放在最简单的系统里，给你看个明白。

那这和宇宙有什么关系？

我们的宇宙，本质上就是一个超大号的、三维的元胞自动机。

三维空间，就对应着更多的状态，更大的逻辑空间。它的底层规则可能也很简单，就那么几条基本物理定律。

但就这么几条简单规则，演化了 138 亿年，就演化出了星系、恒星、行星，最后演化出了生命。

你现在还觉得，生命的出现是奇迹吗？

在这么庞大的逻辑空间里，在这么长的时间里，能长出生命，简直是必然的。

甚至有个原理叫 “人择原理”，说的就是：不是宇宙特意为我们量身定做了这一切，是刚好有这么一个宇宙，它的规则刚好能长出生命，所以才会有我们站在这里，问 “为什么宇宙是这样的”。

如果宇宙的规则不一样，可能就没有我们了，自然也就没人问这个问题了。

说到这里，你应该隐约能感觉到，杨振宁说的 “精妙”，到底是怎么回事了。

但这还没完。

我们刚才说的，只是规则能长出复杂结构。

那智能呢？智能也能靠瞎试试出来吗？

还真能。

咱们再升级一下实验，看看能不能用这些格子，拼出一个 “智能” 来。

先从简单的开始。

我们用二维的元胞自动机，准备两种不同的规则，就叫规则 A 和规则 B 吧。

每个格子要么用规则 A，要么用规则 B。

我们的目标是：让这个系统至少能演化 50 步不消失。

怎么实现？还是老办法，随机突变。

一开始全用规则 A，然后随机把某个格子改成规则 B，看看寿命有没有变长。变长就留着，不变就改回去。

试不了多少次，你就能得到一个刚好能活 50 步的系统。而且同样的，不止一种解法，有好多不同的排列方式，都能做到。

这是第一步：先让系统 “活” 下来。

接下来升级难度：不光要活，还要能传信号。

我们规定，第一排中间的格子亮起来，作为输入。要求系统演化 30 步之后，刚好让最后一排最右边的格子亮起来，作为输出。

也就是，信号从左上角出发，走 30 步，刚好到达右下角。

能不能做到？

还是用突变筛选的方法，一样能做到。

你可能会说，这不就是个导线吗？有什么智能的？

别急，再升级。

现在我们要求，这个系统同时能处理好几个输入输出。比如输入 1 号格子，输出 A；输入 2 号格子，输出 B；输入 3 号格子，输出 C。

而且必须是同一套系统，不能改结构。

能不能做到？

也能。

沃尔夫勒姆真的做出来了。

他用蜂窝状的格子结构，每个格子只和周围最近的两个格子相连，只用两种最基础的逻辑：“与” 和 “异或”，就靠随机突变筛选，最后做出了一个能实现多输入多输出的系统。

这个系统长什么样呢？密密麻麻的格子，有的是 “与” 逻辑，有的是 “异或” 逻辑，排列得乱七八糟，完全看不出规律。

绿色代表“与”，用橘色代表“异或”

但它就是能用。

给它一个输入，就能给出对应的输出。

而它干的这件事，和我们平时说的神经网络，本质上一模一样。

比如我们训练一个神经网络，来判断西瓜甜不甜。输入是西瓜的各种数据：花纹、颜色、重量、声音，输出就是甜或者不甜。

这个蜂窝状的元胞自动机系统，干的也是一样的活：输入信号，输出结果。

但它们的底层结构，完全不一样。

我们平时说的神经网络，也就是现在的 AI，它的底层是从连续数学来的。每个神经元的权重是个小数，可以无限精确。

但为了让它能在计算机上跑，我们不得不把小数点后面的位数砍掉，强行把它变成离散的。

这就相当于，把一个本来是圆的东西，硬塞进方格子里，肯定会有浪费，效率不高。

但这个蜂窝状的系统不一样。它天生就是离散的，每个格子就是一个逻辑单元，非黑即白，没有小数点，没有中间状态。

沃尔夫勒姆给它起了个形象的名字，叫“蜂巢 AI”。

这种天生离散的结构，有两个巨大的优势。

第一个优势，是特别省算力。

你想，同样是实现一个功能，传统神经网络要算一堆小数乘法，而蜂巢 AI 只需要做几个简单的逻辑判断，速度快不说，耗能还极低。

这就像人脑和计算机的对比。

我们的大脑，功率只有 20 瓦左右，差不多就是一个灯泡的功率。但它能看、能听、能说话、能思考，还能控制身体做各种复杂动作。

而现在最先进的超级计算机，算力比大脑高多了，但功耗是几万千瓦，差了好几个数量级。

为什么差这么多？

就是因为大脑是自然演化出来的离散结构，而计算机是人工设计的连续结构。能效根本不在一个级别。

第二个优势，是特别抗干扰，也就是我们常说的 “鲁棒性” 强。

什么意思呢？就是输入有点误差，有点噪音，它也不会崩，照样能给出差不多的结果。

沃尔夫勒姆做了个实验：给蜂巢 AI 的输入多加一个亮格子，相当于加点噪音，看看输出会不会乱。

结果很有意思。

大概 32% 的情况，系统直接停摆了，没输出。就像你在特别吵的地方听人说话，完全听不清，干脆就不听了。

还有 24% 左右的情况，能给出完全正确的答案。噪音不影响结果。

剩下的情况，就算出错，也不会错得特别离谱，给出的答案刚好是另一个输入对应的正确结果。就像你把张三听成了李四，但不会听成一头大象。

你看，这个特点是不是和人脑特别像？

我们平时说话、认人，就算有点口音，有点模糊，也能大概明白是什么意思，不会因为一个字没听清，就整个句子都听不懂了。

而传统的计算机就不行。你给它输入的数据错了一位，它可能直接给你跑出一个完全离谱的结果，甚至直接崩溃。

为什么会这样？

因为蜂巢 AI 是演化出来的，不是设计出来的。演化过程中，自然会筛选出那些抗干扰的、不容易出错的结构。毕竟在真实世界里，信号永远是有噪音的，太脆弱的系统活不下来。

说到这里你应该发现了：我们根本不需要 “设计” 智能，只要给足够大的逻辑空间，足够的试错次数，智能结构自己就会长出来。

就像水往低处流，是自然规律。智能也是，只要条件够了，它自然就会涌现出来。

但事情到这里还没完。

在研究的过程中，沃尔夫勒姆又发现了一个反常识的规律，这个规律刚好能解释现在 AI 行业的很多现象。

这个规律就是：一个智能系统，它的可解释性和智能密度，是成反比的。

说白了就是：你越想把它的每一步都讲明白，它就越笨；你越不管它，让它自己瞎演化，它反而越聪明。

是不是挺反直觉的？

咱们来看实验。

还是用蜂巢结构，我们要实现一个功能，比如模拟 30 号规则的输出。

现在有两种方法。

第一种，人工设计。我们按照人类的逻辑，一步一步搭逻辑块，先算什么，再算什么，条理清晰，每一步都能讲明白。

这样搭出来的系统，能不能用？能。但它有多大呢？大概需要 6 行的结构。

第二种方法，随机演化。就是我们之前说的，随机突变，筛选出能用的。

演化出来的系统有多小？最小的只需要 4 行。

比人工设计的小了三分之一。

而且你根本说不清它为什么能实现这个功能，就是一堆逻辑块乱七八糟凑在一起，它就是能用。

不止 30 号规则，其他功能也是一样。人工搭建的系统，永远比演化出来的系统更臃肿，效率更低。

为什么？

因为人类的思考方式是线性的，是有逻辑的，我们习惯把一个大问题拆成几个小问题，一个个解决，再拼起来。这个过程中会产生很多多余的结构，浪费很多空间。

但自然演化没有这个包袱。它不管什么逻辑，不管什么条理，只要能用，怎么简单怎么来。它能找到各种人类想破头都想不到的捷径。

这就像自然界的生物。

你看蜂鸟的翅膀，能每秒扇动几十次，悬停在空中采蜜。

人类能设计出这么小巧高效的飞行器吗？很难。

因为人类设计东西，是先有图纸，再按图纸造。而进化是瞎试，试了几千万年，把所有弯路都试遍了，最后留下的那个，就是最优解。

这件事放到 AI 领域，简直一模一样。

为什么现在的大模型都是黑箱？为什么没人能说清楚豆包或者deepseek到底是怎么写出文章的？

因为如果我们非要把 AI 做得每一步都可解释，那它根本就达不到现在的能力。

AI 发展的早期，其实不是这样的。

最早的时候，大家走的是 “符号主义” 路线。

什么意思呢？就是人类把所有知识、所有规则都写进程序里，让 AI 按照人类的逻辑去推理。

比如早期的专家系统，医生把诊断规则一条条写进去，AI 就照着规则给人看病。

这种系统可解释性极强，每一步为什么这么判断，都能给你说清楚。但它特别笨，只能处理非常狭窄的问题，稍微超出规则范围，它就傻了。

而且系统越复杂，人要写的规则就越多，多到一定程度，人就写不动了。所以符号主义走到后来，就越来越走不通了。

后来大家就转向了 “联结主义”，也就是现在的深度学习。模仿大脑的神经元，做很多层网络，让 AI 自己从数据里学。

一开始大家也想搞懂它是怎么学的，但后来发现，根本搞不懂。但没关系，它好用啊。

于是大家就不管了，黑箱就黑箱吧，能用就行。

结果呢？

AI 的能力就像坐火箭一样往上涨，从识别图片，到听懂语音，再到写文章、画画、写代码，十几年时间，就发展到了今天的大模型时代。

整个 AI 的发展史，说白了就是人类一步步放手的历史。

从什么都想管，每一步都要讲清楚逻辑，到后来慢慢放手，让 AI 自己去试，自己去演化。放手越多，AI 反而越强。

不光软件是这样，硬件也是。

以前做 AI 都用 CPU。

CPU 是什么？是中央处理器，擅长逻辑控制，擅长一步步算，对应符号主义。

现在做 AI 都用 GPU。

GPU 是什么？是图形处理器，本来是用来打游戏渲染画面的，擅长同时做一大堆简单的计算，并行能力强。它刚好对应联结主义：不需要那么强的逻辑，就是要量大，并行算。

为什么英伟达这几年市值涨得这么疯？不是因为它的技术比英特尔好多少，是它踩中了这个大势。

智能的本质，从来就不是精准的逻辑推理，而是大规模的离散拟合。谁能更好地模拟这个过程，谁就能赢。

说到这里，我们就可以回答一个很多人都关心的问题了：我们能不能造出比人还聪明的超级 AI？

按照沃尔夫勒姆的理论，能，但也不能。

能，是因为只要我们继续放手，让 AI 自己去演化，它的智能密度肯定会超过人脑。毕竟人脑是几十亿年自然演化的结果，而我们用计算机模拟演化，速度快多了。

但不能的是，我们永远造不出 “全知全能” 的神级 AI。

为什么？

这就要说到智能的本质了。

智能到底是什么？

沃尔夫勒姆说，智能的本质，就是压缩。

什么意思？

世界太复杂了，信息太多了，而我们的处理能力是有限的。所以我们需要用智能，把海量的信息压缩成一个小的模型，用这个模型来预测世界，指导行动。

举个例子。

你看了一部两个小时的电影，大概有十几万帧画面，几亿个像素。但你跟朋友聊起这部电影，只用几句话就能讲完剧情。

这几句话，就是你对这部电影的压缩。

你没有记住每一帧画面，你只记住了关键的人物、情节、转折。你把几亿像素的信息，压缩成了几百个字。

大脑就是干这个的。

我们的眼睛每秒能接收到大概 1000 万比特的信息，但大脑真正能处理的，只有每秒几十比特。差了十万倍。

那多出来的信息去哪了？被大脑过滤掉了。

大脑会自动筛选出它认为重要的信息，剩下的全部扔掉，然后把留下的信息压缩成我们能理解的 “世界模型”。

我们以为自己看到了真实的世界，其实我们看到的，是大脑给我们渲染出来的 “压缩版世界”。

比如颜色，世界上本来没有颜色，只有不同频率的电磁波。

但大脑把不同频率的电磁波压缩成了不同的颜色，方便我们区分物体。

比如声音，世界上本来没有声音，只有空气的震动。大脑把不同频率的震动压缩成了不同的声音，方便我们判断环境。

这些都是压缩。

而压缩，就一定是有损的。

因为你扔掉了绝大多数信息，只留下了一小部分。所以我们的认知永远是近似的，不可能百分百符合真实世界。

比如我们会有视错觉，会记错事情，会有偏见，这些都是压缩带来的副作用。

但没关系，够用就行。

只要这个压缩模型能帮助我们找食物、躲天敌、活下去，它就是合格的智能。

沃尔夫勒姆用元胞自动机做了一个实验，完美地展示了这个过程。

这个实验叫“自编码器”。

怎么回事呢？

还是一排格子作为输入，然后中间经过几层演化，最后输出一排格子。

目标很简单：让输出的格子，尽量和输入的一模一样。

相当于系统自己把输入读进去，再自己 “画” 出来。

中间的层数可以调整。如果中间很宽，那很简单，直接传过去就行，输出肯定和输入一样。

但如果把中间收窄呢？比如中间最窄的地方只有两个格子。

还能做到吗？

实验证明，依然可以。

虽然输出的结果有点模糊，不太精准，但大概的样子是对的。

中间最窄的那部分，就是压缩后的信息。输入的信息在这里被压得很扁，然后再解压还原出来。

你看，就这么简单的系统，都能实现压缩功能。

而大脑，就是一个无比复杂的自编码器。它把整个世界的信息，压缩进我们的脑袋里，形成了我们的认知。

所有的智能，不管是生物智能还是人工智能，本质上都是干这个的：用有限的算力，尽可能好地压缩世界。

压缩效率越高，智能就越强。

那压缩有没有极限？

有。

因为宇宙本身是计算不可约的。你不可能把一个不可约的系统，百分百无损耗地压缩进一个更小的系统里。

就像你不可能把一个 10G 的文件，无损压缩成 1K，那是不可能的。

所以，任何智能模型，都是对真实世界的近似，都有误差。

我们的科学理论也是一样。

牛顿力学，是对宏观低速世界的压缩，很精准，但到了高速就不准了。

相对论，是对更大尺度时空的压缩，比牛顿力学准，但到了微观量子尺度，又不好使了。

量子力学，是对微观世界的压缩，很准，但和相对论统一不起来。

这些理论，都是我们对宇宙规律的有损压缩。好用，但不是终极真相。

而终极真相，我们是永远得不到的。

因为我们本身就是宇宙的一部分，我们的大脑也是宇宙的一部分。用一个宇宙里的小东西，去压缩整个宇宙，怎么可能做到百分百准确？

不光人类不行，AI 也不行。

就算以后 AI 比人聪明一万倍，它也还是在宇宙里，它也还是一个离散的、有限的系统。它也只能用压缩的方式去理解世界，永远不可能全知全能。

这就引出了一个终极问题：

既然我们永远得不到终极答案，那我们探索的意义是什么？

还有，回到最开始的话题，那个让杨振宁都感叹的 “造物主”，到底存不存在？

现在我们可以回头，好好聊聊杨振宁说的 “造物主” 了。

首先说结论：没有宗教里那个人格化的神。

没有一个长着人的样子、有思想、有情绪的神仙，在那里设计宇宙，操控人类的命运。

那都是古人面对无法解释的自然现象时，脑补出来的认知模型。

就像古人不知道闪电是怎么回事，就说有雷公电母。本质上和我们现在说的 “老天爷” 差不多，是用来填补认知空白的。

那杨振宁说的 “造物主” 是什么？

是宇宙的底层规则，是这套能演化出一切的逻辑本身。

你想想，就那么几条简单到不能再简单的物理定律，就那么几个基本物理常数，然后演化了 138 亿年，就从一个奇点，变成了现在这么浩瀚的宇宙，有星系，有恒星，有行星，还有能思考宇宙的我们。

这件事本身，难道不够精妙吗？

当你研究得越深，就越会感叹：怎么就这么巧？

强相互作用力稍微大一点或者小一点，原子核就没法形成，就不会有各种元素；光速稍微变一点，恒星就没法稳定燃烧，就不会有重元素；引力稍微变一点，星系要么散架，要么直接坍缩成黑洞。

这一连串的常数，刚好就是现在这个数值，刚好能演化出一切。

以前人们觉得，这肯定是有人设计好的。

但现在我们知道了，不需要。

就像元胞自动机里，7 万亿种规则，总能试出一套刚好能演化 40 步的。

宇宙也是一样。

如果有很多个宇宙，每个宇宙有不同的物理常数，不同的底层规则，那总有一个宇宙，刚好能长出生命，刚好能长出我们。

这就是人择原理。

不是宇宙为我们量身定做，是我们刚好诞生在这个能诞生我们的宇宙里。

那如果只有这一个宇宙呢？

也没关系。计算不可约性告诉我们，只要规则是固定的，演化的结果就是必然的。只要时间够长，复杂结构、生命、智能，都会自然而然地涌现出来。

这不是谁的恩赐，是逻辑的必然。

就像水到了零度会结冰，到了一百度会沸腾。只要条件到了，该发生的就会发生。

智能也是一种自然现象，和刮风下雨、电闪雷鸣一样，都是底层规则演化出来的结果。

那为什么还有那么多大科学家，晚年会谈到 “神”，谈到 “造物主”？

就像我们常说的，科学是有边界的。

不管科学怎么发展，只要你一直追问下去，最后一定会碰到那个终极问题：为什么底层规则是这样的？

这个问题，科学是回答不了的。

因为科学只能研究规律本身，没法解释规律为什么存在。

就像我们知道光速是 30 万公里每秒，但为什么是这个数？不知道。

我们知道有四种基本作用力，但为什么是四种？不知道。

走到科学的边界，人总是需要一个东西来填补这个缺口，让自己的逻辑能自洽。

有人把这个缺口叫做 “神”，有人叫做 “造物主”，有人叫做 “终极真理”。名字不一样，本质上是一回事。

杨振宁说，造物主不一定是人形的，可能是某种力量，某种秩序。

你看，这和我们说的 “宇宙底层规则”，其实就是一回事。

他不是在迷信，他是在感叹宇宙秩序本身的壮美。

就像你站在山顶，看到脚下云海翻涌，远处群山连绵，你忍不住感叹 “大自然真神奇”。你不是真的相信有个 “大自然” 神仙在施法，你是在感叹自然本身的力量。

科学家嘴里的 “造物主”，差不多就是这个意思。

说到这里，这件事其实就已经很清楚了。

没有人格化的神，没有谁特意设计了我们。但宇宙本身的规则和演化，确实足够精妙，足够让人心生敬畏。

而我们人类，还有我们的智能，就是这套规则演化出来的产物。

我们渺小，但我们也是宇宙的一部分。

我们思考宇宙，其实就是宇宙在思考它自己。

最后，想和大家聊聊自由意志。

很多人说，世界是由物理定律决定的，每个原子的运动都是注定的，所以人的一切想法、一切行为，也都是注定的。人根本没有自由意志。

按照这个说法，你今天吃什么，跟谁结婚，这辈子能混成什么样，从宇宙大爆炸那一刻就已经定好了。

听起来挺让人沮丧的，对吧？

但沃尔夫勒姆的计算不可约性，刚好给了我们一个答案。

没错，世界可能是决定论的。如果底层规则是确定的，那演化的结果理论上就是确定的。

但问题是，没有人能提前算出这个结果。

因为系统是计算不可约的，你没有办法跳过中间的过程，直接得到答案。

就算你把大脑里所有原子的状态都测准了，你也没法准确算出一个人下一秒会想什么。你只能等着他自己想出来，才能知道结果。

换句话说，就算一切都是注定的，我们也永远没法提前知道。

对我们来说，未来就是不确定的，自由意志就是真实存在的。

因为你永远没法预测自己的未来，你只能一步步走下去，自己去体验。

这就够了。

同样的，我们永远也没法完全理解宇宙的终极真相。

我们的智能是压缩出来的，我们的科学理论是近似的，我们永远只能无限接近真相，永远到不了终点。

但这有什么关系呢？

以前有人说，人类一思考，上帝就发笑。

但我觉得恰恰相反。

如果真的有一个全知全能的上帝，那人类敢去思考上帝，敢去探索宇宙的本质，这件事本身就足够伟大了。

蚂蚁永远理解不了人类的世界，但人类不一样。

我们明明知道自己渺小，明明知道宇宙浩瀚，明明知道终极真相永远摸不到，但我们还是一代一代地往前走，一点一点地探索。

从地心说到日心说，从牛顿力学到相对论，从经典物理到量子力学。我们一次次推翻自己的认知，一次次往前走。

每往前走一步，我们就多知道一点。

就像胡适说的，怕什么真理无穷，进一寸有一寸的欢喜。

我们知道了智能不是什么神圣的东西，它是从简单规则里演化出来的。

我们知道了宇宙不是什么精心的设计，它是自然演化的结果。

我们知道了自己的渺小，也知道了渺小的我们，依然能做出伟大的事。

就像莲花，扎根在淤泥里，但依然开得干净漂亮。

我们的智能，扎根在简单甚至有些粗糙的底层规则里，但依然能思考宇宙，思考存在，思考自己。

这本身，就是最奇妙的事情。

以后再有人跟你说，科学的尽头是神学，你就可以告诉他，不是的。

科学没有尽头。

因为科学的本质，就是永远在路上。

永远好奇，永远探索，永远在已知的边界上，再多往前迈一小步。

这就是科学，也是我们人类最了不起的地方。

当然了，这些都还只是沃尔夫勒姆的一家之言。关

于宇宙，关于智能，我们不知道的永远比知道的多。

但没关系。

毕竟，能提出问题，能去思考，就已经足够有意思了。