智能简史
A Brief History of Intelligence · 2023
我们总把智能当成一个连续刻度：从蠢到聪明，从简单到复杂，仿佛只是同一台机器在加速。Bennett挠的正是这处痒——他要拆掉「智能是一团连续的聪明」这个直觉。
他的反问是：如果智能是层层叠加的，那它就该有地质断层——不同时代沉积下来、性质截然不同的岩层。而每一层之所以出现，不是因为「更聪明会更好」，是因为上一层撞上了一个具体的、会要命的适应性难题，旧结构解不了，新结构才被自然选择筛出来。
于是问题从「智能是什么」变成了「智能是被哪些危机逼出来的」。这把哲学问题改写成了考古问题：不是定义智能，是给它做地层断代。
Bennett把智能切成五个不可跳跃的地层，每层锚定一个生物节点和一种被解决的危机：L1转向（寒武纪神经系统，从标量浓度感知到向量定向运动）；L2强化（基底神经节，多巴胺编码预测误差δ=实际−预期，硬编码反射解不了环境变化）；L3模拟（新皮层+海马，离线蒙特卡洛搜索，稀疏奖励下采样效率趋零才逼出内建世界模型）；L4心智化（前额叶，我的模型里跑你的模型，他者内部状态不可直接观测才逼出递归嵌套）；L5语言（咽喉与布洛卡区，把私有世界模型外化为可跨代传输的格式）。
替换测试：把这五层换给任何别的智能理论家，都说不出同一句话。认知科学家会给你「感知-注意-记忆-推理」的功能模块清单——那是横切的功能分类，没有时间纵深。深度学习的人会给你「感知-表征-规划」的能力层级——那是工程抽象，不带生物死亡的压力。Bennett独占的指纹是：每一层都被钉死在一次具体的进化危机和一个具体的脑结构上，断代而非分类，地质而非工程。「五层叠加不替换、下层是上层底座」这套话，只有把进化机制当母语的人说得出。
五层不是隐喻，是物理结构。每一层的出现，都是因为上一层解不了某个具体的适应性问题。
L2的基底神经节是纯粹的model-free机器——它知道「这个有效」，却永远不知道「为什么有效」。L3的新皮层切断了这条天花板：它在行动之前，先在内部把世界跑一遍。这不是量变，是认知的物种级跃迁。
语言不只是输出端。内心独白把L3的图像式离线模拟符号化，使它可压缩、可传递、可与他者的模拟合并——L5反向扩展了L3的带宽。
形态：一根从寒武纪海床钻取上来的岩芯。五段颜色截然不同的沉积层，从下到上层层压叠，每一层的分界线都是一次大灭绝级别的危机刻痕——不是平滑的渐变，是清晰的断层。
内容：理解任何一种智能（动物的、人的、机器的），不是问它「有多聪明」，而是把它横切开，数它沉积了几层、缺了哪一层。LLM的岩芯只有最上面那一截L5——符号预测、痕迹压缩、语言生成——下面L1到L4结构性空置。它从未在物理世界里死亡过，所以从未需要Steering；从未需要实时改变行为来存活，所以从未需要真正的Reinforcing。缺的不是参数量，是那四个适应性失败问题从未被提出过。
为什么是这一件：别的框架给你一张能力清单（你有没有规划、有没有推理），那是平面的勾选框。Bennett给你的是一根带深度的岩芯——智能的本质在它的垂直地层里，在「哪一层缺席」的诊断里。这把看世界的方式专属于一个把进化危机当凿子、把脑结构当地层的人：他不问聪不聪明，他问你这根岩芯钻到了第几层。
走一步： 把这根岩芯挪到书外——「为什么一个能写出漂亮商业计划的人，落地执行常常一塌糊涂」。预测：写计划用的是 L5（符号生成）和借来的 L3 描述，落地要的是自己那台在线、具身、实时吃反馈的 L2+L3——计划写得越漂亮，越可能只是 L5 在人类写好的模板上做模式匹配，下面的执行地层结构性空置。能预测，才算把这根岩芯拿在手里。
一、画地图。 Bennett 这台框是一根垂直的钻杆，从下往上五个刻度：L1 转向 / L2 强化 / L3 模拟 / L4 心智化 / L5 语言。它不是横排的能力清单，是一根有上下、有依赖、有先后的纵轴——下层是上层的运行底座，每往上一层都压在下一层之上。这根纵轴能整根借去别处：任何「能力是层累出来的」系统都能往上钉——比如一个工程师的成长，L1=照着教程敲、L2=被报错训练出手感、L3=动手前能在脑里跑一遍架构、L4=预判别人会怎么用你的接口、L5=把方案写成文档传给团队。Bennett 的贡献不是发明「分层」，是把每一层钉死在一次具体的进化危机和一个具体的脑结构上——断代，而非分类。
二、标位置。 把书里的零件钉到纵轴上就看出几何关系了。L1–L5 是刻度本身。「预测误差（δ=实际−预期）」站哪？它是 L2 这一格的内部引擎，没有它 L2 投不出有方向的更新。「世界模型」站 L3，是 L4 递归建模的挂载点——L4 不是独立天赋，它必须骑在 L3 上才能运行（模拟他者，先得能模拟世界）。「内心独白」站 L5，但它有一条反向箭头扎回 L3——语言把图像式的离线模拟符号化，反过来扩展了 L3 的带宽。章鱼站在纵轴旁边的虚线分支上：它不是某一格，是「同样的 L1–L3 功能，用完全不同的硬件基底实现」的活反例。位置一标出来就看明白了：Bennett 把「人类这一支怎么层层垒上来」讲得最透，却把「这是唯一的垒法吗」推到图外——章鱼正站在那块空白处，提醒你这根钻杆量的是一条路径，不是所有路径。
三、走两步，做预测。 用这根钻杆猜两件 Bennett 没写过的事，再对账。第一步挪到 2026 的大模型：按图预测，LLM 的岩芯只钻到最上面一截 L5，下面 L1–L4 结构性空置——所以它该强在符号补全与模式复现，弱在「在自己的世界模型里主动移动、推演没见过的因果」。对一下现实，大模型确实强在生成、弱在需要真实因果模型的反事实物理推理与长链规划，这条预测大体中了。第二步把钻杆对准 Bennett 自己：用「层级是否必经」这把书里的尺，量章鱼这个反例——它用分布式硬件绕过了哺乳类皮层，做出功能等效的 L3。读数是：Bennett 量的是「进化在碳基约束下走通的一条路」，不等于「建造智能的唯一蓝图」；把达尔文的偶然性当成工程的必然性，是 category error。两步都走完，这根钻杆就拿住了——能预测它没说过的（包括预测它自己作为「路径而非蓝图」的边界），才算脑里真长出了这张地图（《千脑智能》：能猜中没见过的下一步＝脑里真长出了这张地图）。
私货一刀：这根岩芯最诱人的误用，是拿「LLM 只有 L5」当一把判决书——「它没有世界模型，所以它的规划不算数，我可以放心看不起它」。但这是开放的实证问题，不是定论：大规模统计压缩是否意外捕获了部分 L3/L4 的结构特征，仍待 ARC-AGI、反事实物理推理这类基准上的失败模式来判定。框架的力量在诊断（告诉你缺哪层），不在替你下判决。对一个习惯把任何东西先拆成层级结构、再做漂亮断代的人，这根钻杆尤其顺手——而顺手就是陷阱：你会满足于「我已经把它归类到 L5 了」这个优雅的诊断，然后停止追问。最贵的一刀落在你自己身上：你若一边用这根尺判 LLM「只有 L5」，一边又拿它去做需要 L3 的决策（问它「如果 X 会怎样」却信它在替你做前向仿真），你不是被框架启发，是被框架的修辞催眠了。先承认诊断是诊断、不是判决，再决定你信它哪一层。