为什么历史上的每一个大脑隐喻都错了【特别版】
摘要
Scarfe的核心判断是，成功的大脑模型是有用的简化，而不是揭示大脑究竟是什么的真相。 液压泵、电报、电话交换台、计算机，以及如今的自由能最小化器，都映射了各自时代最令人瞩目的技术。反复出现的错误，是Whitehead所说的“误置具体性谬误”：忘记地图是为特定目的绘制的，转而把地图提升为疆域。Chirimuuta补充说，对应用科学而言，只要简化能实现技术目标，过度简化本身不存在原则性问题。
当下AI的商业力量，并不能证明AGI注定会到来，也不能证明认知就是计算。 Scarfe说，Claude Code在6个月里推动的软件开发进展，比此前20年更有意思，但他仍将其称为“自动化技术”，其价值取决于用户提出需求、监督执行和委派任务的能力。他认为，对类生物AI的信心可能是一种源自机械论思维的“文化—历史幻觉”，而不是关于心智如何运作的结论。
预测和控制可以有效运行，而理解——以及由此决定的失效边界——仍未解决。 John Jumper将预测、控制和理解分开：当一组规模很小、能够在人与人之间传达的事实可以“写在一张索引卡上”时，才算接近理解。他的例子把可搜索范围从200,000个实验结构扩展到200 million个预测结构，但“它并不会替我们完成理解这一动作”；黑箱可能一直有效，直到毫无预警地失灵。
Joscha Bach关于“软件即精神”的判断，暴露了本期对AI基底最深层的分歧。 Bach认为，算法和货币是跨越不同物理实现仍保持不变、且具有因果力量的模式；大脑则像一台运行Minecraft的计算机，把想象世界与周遭环境隔离开来。Scarfe的反驳是，所谓的同一性由人类识别出来：不同芯片执行的是物理上不同的事件，而货币的力量来自社会共识，不在于纸张或电子。Scarfe还借Anna Ciaunica的登山类比反击功能主义：重要的可能不只是最终输出，路径和物理实现同样重要。
互联网和基础模型并没有提供一个脱离视角的知识库。 Chirimuuta认为，只有当有限的共同体收窄问题、工具和可能性，知识才真正变得可获得；LLM的“每个人的声音”缺少形成诚实、可信视角所需的社会化过程。Claude Opus 4.5或许显得权威，但Scarfe的表述是，它的“知道”从来都是我们的——只是被压缩后经由硅片反射回来。
只要用户不把自由能原理的优雅当作字面意义上的本体论，它就有价值。 Friston将其描述为一个“几乎在逻辑上是简单的”最小作用量原理，作用于条件概率密度；Scarfe则称其为终极的“球形奶牛”。真正严谨的问题不是它是否终于捕捉到了大脑，而是“这能帮助我们做什么”、它照亮了什么，又把什么留在黑暗中。
精读
1. 简洁带来杠杆，而非形而上学真理
Scarfe从年轻时的Carl Friston讲起：Friston观察到潮湿木地里的鼠妇在阳光下放慢、在阴影中加速，这一观察最终催生了自由能原理——用一个数学量囊括感知、行动、学习和行为。Friston将其描述为“几乎在逻辑上是简单的”，本质上是支配条件密度动力学的最小作用量原理。
争议在于，这可能是终极的“球形奶牛”：对自组织现象进行刻意削瘦的解释，其普适性几乎逼近同义反复。科学家不得不删去细节，因为人的工作记忆、注意力和寿命都有限；尚未解决的问题是，这些删减为何有效，以及成功究竟允许我们对现实作出什么主张。Chirimuuta将此与好奇心驱动的科学区分开来：如果简化能够实现应用技术目标，她认为过度简化本身不存在原则性问题。
Marta Halina认为，科学的人文主义目标是让宇宙对我们变得可理解、可赋予意义，而不是本质上去控制、预测或利用宇宙，尽管科学确实可以促成这3件事。
Scarfe把争论安排成Simplicius与Ignorantio的对话。Simplicius把优雅的定律视为自然在根本上有序的证据；Ignorantio则把模型看作服务于特定目的的近似，并接受Nicholas of Cusa所谓的“博学的无知”——知识也包括对未知边界的自觉。
François Chollet的万花筒假说构成了一个干净的样本：表面的复杂性，可能来自少数“意义原子”的重复与组合，而智能会把这些原子提炼成抽象概念。Chirimuuta没有说它错，而是把它视为一场哲学押注，类似Plato的赌注：杂乱的表象背后，可能隐藏着整齐且能够用数学分解的现实。
2. 计算机隐喻硬化为本体论
Descartes把神经系统比作液压自动机；后来各个时代又分别诉诸电报和电话交换台。McCulloch和Pitts把逻辑门作为神经元的功能类比，但当代神经科学经常删掉“像”字，直接说大脑就是计算机——隐喻变成了“事物本身”。
Bach最有力的论证建立在因果不变性上。货币可以存在于纸张、硬币、黄金和数字账本之中；软件也可以跨芯片运行，甚至可能跨神经元运行。计算机是一个“因果绝缘体”，让Minecraft的世界无需理会机箱颜色、电压或CPU；同样，大脑承载的记忆和可能的未来，也可以独立于当下的即时状态存在。Bach接受物理因果闭合，但认为抽象描述和物理描述是同一因果结构的两种真实且不可还原的视角。因此他给出绝对判断：“软件即精神。”
Scarfe的反驳是，跨基底的同一性可能存在于人类的描述中，而非自然本身。货币只有通过解释性的社会实践才能发挥作用，不同硬件意味着真正不同的物理事件。温度的类比进一步施加了约束：知识不必是某种独立实体，但和温度一样，它始终需要物理承载——“不可能把它存放在虚无里”。
Anna Ciaunica的登山类比进一步挑战功能主义：抵达山顶，并不意味着最初迈出的步子就无关紧要。Scarfe在与Mike Israel的争论中借此主张，路径和物理实现可能都很重要，而不只是看起来像智能的输出；直升机可以比抽象推理和规划更有效地爬上山。
3. 模型回答的是目的，而非绝对问题
Luciano Floridi区分了作为系统的现实与作为该系统模型的本体论：“收音机里的音乐不是关于收音机的，但确实有一台收音机。”数字技术可以重新界定我们经验世界的本体，却不会因此揭示它的形而上学基础。
他用建筑的例子把这种关系具体化：当建筑被用于指路时，它是同一栋建筑；但如果它的功能从学校变成医院，情况就不同了。重建后的忒修斯之船，对税务人员而言仍是同一艘船，对收藏家而言却可能一文不值。
因此，“宇宙是一台巨型计算机吗？”作为绝对问题没有意义，但在建立数字生活模型时有用。Floridi把人称为“信息有机体”，是出于21世纪的特定目的，而非最终的形而上学。任何站得住脚的答案，都必须同时交代问题、目的，以及所选模型或抽象层级。
这一区分削弱了AGI必然到来的论证，却没有否认AI的效用。Scarfe称Claude Code“真的很惊人”，但仍把它归为自动化，而非智能。他将类生物AI似乎注定出现的感觉，追溯到一段漫长的机械论历史；如果机械论假说失败，所谓必然性也就失去了基础。
4. 预测可以跑在理解前面
Jumper的三分法是可操作的：预测是预估未来值；控制是让这个值最终变成17；理解则接近于拥有一小组事实，能够由一个人以紧凑形式传达给另一个人。机器可以预测，或许也能控制，但人类仍必须推导出那个紧凑的解释。
现代预测模型制造了真实的科学张力。Jumper的例子把可搜索范围从仅有的200,000个实验结构，扩展到200 million个预测结构；与此同时，LLM和神经响应模型牺牲了早期科学家所追求的数学可读性。Scarfe提到，GPT-5.2似乎解决了Terence Tao网站上的一道题，但仅凭表现并不能裁定它是否理解。
Chomsky的反例刻意残酷：一个只有2个词的理论——“Anything goes”——可以容纳所有已知和未来的定律，却什么也解释不了。一套理论必须同时回答“为什么事情是这样？”和“为什么事情不是那样？”按这一标准，他说：“GPT-3什么也没做。”
5. 知识有身体、有处境，也受认知边界约束
Marta Chirimuuta拒绝把知识视为可以拆卸、独立存在的对象：书只是思想的档案记录，不是知识本身。把工程手册和水泥一起扔进峡谷，并不会造出一座桥；知识“只有在团队、组织和共同体中获得身体”后，才能真正开始工作。
Chirimuuta进一步以此反驳一个普遍的、无视角的互联网。探究之所以成功，是因为它从某个特定地点和共同体出发，不断收窄可能性。LLM试图发出“每个人的声音”，但由于缺少有限的社会化过程，它很难确定一个诚实、可信的立场。
她提出的“触觉现实主义”认为，科学知识更像触摸，而不是脱离现场的视觉：科学家会撞上研究对象、操弄它，并改变它。对Scarfe而言，浮现出来的模式是真实的，却也部分由实验接触塑造。自然像Proteus一样：它会被暂时按住，以回答某个问题，随后又向其他视角敞开。
Chomsky的“认知地平线”划出了边界：老鼠可以学会复杂迷宫，却永远不会“在每个质数处右转”，因为它缺少这个概念。人类可能也会撞上类似的墙。Scarfe因此没有以虚无主义收尾：可以使用Friston的框架和基础模型，但要记住，大脑不是液压泵、计算机或电话网络，而且很可能也不是字面意义上的自由能最小化器。