迈克尔·莱文：异种智能与生物生命的隐秘现实

一个只有几行代码的冒泡排序算法，被故意弄坏一位数字之后，不但没崩溃，反而绕开那个坏掉的数字，最终完成了排序。而且过程里它的有序度先往下掉，然后才慢慢爬回去。

如果这段行为出现在一只老鼠身上，行为科学家会毫不犹豫地把它命名为“延迟满足”。但它出现在一段没有一行代码写着“延迟满足”、也没有任何一行代码在检查“刚才那次交换到底有没有成功”的程序里。

塔夫茨大学的迈克尔·莱文（Michael Levin）和学生在论文里记录了这个结果。他做这件事的动机，是想找一个“无处藏身”的系统：代码全部摊开，确定性，人人熟悉，被研究超过六十年。他问的是，当所有机制都暴露在你眼前时，你到底还能不能看见别的东西。

说服力光谱：调一座钟要扳手，说服一个人要理由

莱文用一个词来统摄他的整套框架：可说服性（persuadability）。听起来像是修辞学问题，其实是工程学问题。你想让一个系统做某件事，你会带上什么工具？

想让一座上发条的钟走快一点，你不会跟它讲道理，也不会让它感到内疚，你只会拿扳手进去调。想让一个细胞重新长出一条肢体，理论上你有三条路：微观管理所有分子事件，微观管理细胞和干细胞信号因子，或者直接给它一个高层提示，告诉它“你该建一条腿”，然后说服它去做。

主流再生医学和分子生物学会告诉你第三条路是疯话。整个生物学的兴奋点都压在单分子、大数据、基因组学上，默认假设是：往下走，往尺度更小的地方走，才是真正的战场。莱文的判断正好相反，但他不打算用辩论解决这件事，他说这只能做实验。

结果是他过去二十年反复看到的画面：只要把行为科学的工具箱搬到大脑之外，用在细胞、组织、分子网络上，就能挖出从未被发现的新的能力。不是因为这些系统更像大脑，是因为以前没人用这种方式看它们。

这个光谱有个方向性。越往右走，系统的能动性越高，需要的机制知识越少，你要费的手工力气也越少。你不需要懂神经科学就能训练狗和马，人类已经这么干了上千年。莱文说，他此刻跟你说话，也不需要去操纵你大脑里的突触蛋白，他给出的是信息密度极低的提示，剩下的一切由你作为一个多尺度的能动材料自己去完成。

再往右走，事情会反转。说服不再是你对系统做的单向动作，而变成一个双向关系。莱文借用了理查德·沃森（Richard Watson）的说法，叫“相互脆弱的认知”（mutual vulnerable knowing）。在分子生物学里，你做完实验，系统按你的意愿动了，你自己一点没变。可当你跟一只狗、一个人、某种即将出现的生物打交道时，交互结束时你已经不是开始时那个你了。

他因此反问：物理学为什么永远只看到机制，看不到心智？因为物理学用的是低能动性的工具，电压表和尺子。如果你的接口就是这些东西，你能看见的也只有机制。想看见心智，你得用上心智。你的接口和你希望发现的东西之间，得存在某种程度的共振。

物理学家能解释一场数学讲座吗

莱文对“物理足够解释一切”的批评，落点不在本体论，在“理解”这个词的定义上。对他来说，理解不只是拥有一个看起来还不错的模型，还意味着你能造出新东西。

他给了一个场景。有人在你面前讲了一个漂亮的数学证明，旁边的物理学家说：我完全知道刚才发生了什么，空气粒子从他嘴里飘到你耳朵里，拨动了纤毛，电信号传到你的大脑。账目清楚，故事讲完了。

但你若想知道这场交流里更重要的部分是什么，答案不在物理系，在数学系。

他的主张只有这一条：物理学是一副了不起的透镜，但它捕获的是某些切片。你想把它拉伸到覆盖其他东西，我们就不再管那叫物理学了，我们管它叫别的名字。

这里有个容易滑过去的点。他不认为存在那条从非生命到生命的清晰分界线。人们不停地给他出题：“那这个呢？那那个呢？”他一个都没被难住过，因为你总能进一步放大，看到中间还有一堆过渡步骤。他举了“成年人”这个词。法律上需要一个明确的界，不然每次有人吃罚单都要开庭讨论人格连续性。可这个词掩盖的事实是，十八岁生日那天什么都没发生，而租车公司用事故统计数据给出的估计（大约二十五岁）其实更贴近真实。

同样的事发生在“神经元”这个词上。神经元是从别的细胞慢慢演化出来的，你身上大部分细胞都在做神经元做的那些事。一旦你开始抠这些词，就会发现它们大多是便利贴，不是自然的分界。

便利贴本身没错。莱文自己给出了辩护：科学的艺术，正是能够在不先说尽一切的前提下说出某些东西。分类在你需要忽略一堆细节往下推进时极其有用。危险只在于，你忘了自己刚才忽略了什么。

认知光锥：你在乎多大范围，你就是什么东西

如果说可说服性是这套框架的横轴，那么认知光锥（cognitive light cone）就是纵轴。它指的不是你的感官能伸多远，也不是你能影响多远。詹姆斯·韦伯望远镜的感官触角极长，但那不代表它的认知光锥大。认知光锥衡量的，是你能主动追求的最大目标状态的尺度。

莱文用它做了一套粗略的识别法。如果一个系统的所有目标都围绕二十微米半径、二十分钟记忆、五分钟预测展开，那大概是细菌。如果它能关心几百米范围、但绝无可能关心三周后两个镇子之外的事，那大概是狗。如果它关心自己死后很久的金融市场，那是人。如果它说自己能平等地关心这颗星球上所有生命，那它大概不是标准人类，可能是某种菩萨。

他还顺带给了一个生命定义，并声明自己没花力气去让它成立：一个东西被称为活的，程度取决于它的认知光锥比它各个部件的认知光锥更大。

石头之所以无聊，是因为它会做的事，它的部件早就会做了，跟着梯度走而已。活物厉害的地方，是把一堆各自有能力的部件对齐，让集体拥有比部件更大的认知光锥。

单个细胞的目标很小：pH、代谢状态、转录空间里的某些参数。演化给出的方案是一种“认知胶水”，把它们捆成多细胞系统，于是系统开始追求宏大的目标。蝾螈的腿被砍掉，它会重新长出来，手指数量正确，长完就停。没有任何一个单细胞知道“手指”是什么，更不知道应该有幾根，但集体知道。

这个过程的失败模式，就是癌症。细胞在生理上跟邻居断开，认知光锥缩回去，自我与世界的边界收缩，它变回了一只变形虫。对身体其余部分而言，它现在只是外部环境。变形虫会做什么，它就做什么：往日子好的地方去，尽可能多地繁殖。

莱文由此推出一个反常识的结论：寻找地外生命时，我们不该找特定的材料，不该找特定的代谢状态，该找的是认知光锥的尺度，是部件向它们无法理解的目标对齐的证据。

怎么判断一个东西有没有目标

莱文实验室的标准动作，来自控制理论里一条朴素的原则：在系统和它的目标之间放一道障碍，然后看会发生什么。

如果障碍一放，整个系统的行为就散架了，那说明它本来也没什么目标。如果它绕过去了，用了你完全没预料到的方式，那说明这里的智能水平不低。威廉·詹姆斯给智能下的定义是“以不同的手段达到同样的目的”，莱文认为这是可操作的。

更硬的证据是逆向工程。过去二十年，他的实验室通过生物电成像和生物电重编程，找到了某些目标状态在物理上被编码的位置。能读出来，能改写，系统就会照着新写入的目标去执行。按任何工程标准衡量，这都说明你面对的是一个稳态机制。如果根本没有目标，这件事不该做得成。

第一步全是想象力。你得先问自己，这东西到底在哪个空间里工作。我们没法想象所有系统工作的空间，所以这一步必须拼命拉伸自己的脑子。（迈克尔·莱文）

他提到一个更早的先例。一百多年前的博斯（Bose）研究麻醉剂对动物和动物细胞的影响，画出了电兴奋性的曲线，然后转去对植物做同样的实验，看到了非常相似的现象。当时就有人嘲笑他，说该停下来了。他的回答是：科学没有告诉我们哪里该停，工具还在起作用，那就继续。后来他又把同样的方法用到了金属和材料上。

莱文说，没有任何一条通用规则告诉你什么时候该停。那些规则都是人编的。

异源机器人与Anthrobots：把细胞从霸凌里解放出来

为了逼自己和整个领域回答“这些能力到底从哪来”，莱文开始制造地球上从未存在过的生物。逻辑是这样：你看着一只动物问它为什么长这样、为什么这样动，答案永远是同一句话：演化选择。这个答案太好用了，好用成了拐杖。

做法听起来简单到可疑。取青蛙早期胚胎的上皮细胞，不改 DNA，不加合成生物学线路，不用材料支架，不用纳米材料，不用奇怪的药。唯一做的是把这些细胞从体内其他细胞的教育性影响中解放出来。

在体内，这些细胞被邻居霸凌成一种很无聊的生活：变成胚胎的二维外覆盖层，挡住细菌，结束了。把它们拿出来之后，它们会自组织成一个会游动的小东西，表面覆满纤毛，纤毛协调划水，整个东西就动起来了。它有自己的转录组，能靠环境里的散落细胞做运动学自我复制，能对声音作出反应，这是正常胚胎做不到的。

有人质疑：也许这只是青蛙细胞特有的。莱文的回应是，那我们就走到离青蛙胚胎细胞最远的地方去：成年人类的细胞。他们取了捐赠的成人气管上皮细胞，同样不做任何基因改动，这些细胞自组织成了另一种东西，取名 Anthrobots。约九千个基因表达发生变化，差不多半个基因组都不一样了。

它们有一个让莱文印象很深的能力：在体外培养的人类神经元上划一道大口子造成损伤，Anthrobots 会自己坐上去，自发地把神经元缝合起来，没人教过它们。

还有一件更奇怪的事。测表观遗传时钟会发现，Anthrobots 比组成它们的细胞年轻大约 20%。莱文给这个现象起了个名字，叫“年龄取证”（age evidencing）。他的假设是：细胞带着一副老身体的先验来，可新环境在拼命喊“你是胚胎”，周围没有别的细胞，它被掰成各种形状，甚至表达了一些胚胎基因。新证据不足以把它们完全回滚，但足够让它们更新一部分信念。

这套逻辑跟那个著名的养老院实验是同一个版本：把装饰还原成住户年轻时的样子，血液化学指标出现了改善。如果环境足够有说服力，细胞会重新计算自己多大。

莱文说，这当然不是简单的事。但它们所有再生医学的工作都压在同一件事上：学会跟系统说话。把肠道组织变成眼睛，你得说服那些细胞，它们关于“我们是肠道前体”的先验是错的，得接受一个全新的世界观。会说服、知道什么消息对细胞有说服力、怎么让它们接受新信念，是未来所有出生缺陷、再生医学、癌症治疗进展的根部。

软件和硬件，谁是能动者

莱文喜欢在二分法上做实验。图灵机可以讲两个版本的故事。一个版本说，机器是能动者，数据是被动的，机器的能力就是全部故事。另一个版本说，数据上的模式才是能动者，机器只是数据在世间施展自身时的一块留言板。两个故事都成立，取决于你要干什么。

这不是文字游戏，它有生物医学后果。在生物电和衰老的项目里，第一个模型是：物理身体是能动者，细胞集体拥有模式记忆，也就是解剖学目标。你要活过一百岁，你的细胞最好记得你正确的形状是什么，新细胞该往哪儿放。这些模式记忆在胚胎发生、再生、抗衰老过程中都存在，也能被成像看见。按这个模型，衰老可能是数据模糊了，方案是强化记忆。

第二个模型是：模式本身是能动者，跟我们在脑里想的完全一样，身体是模式施展自身的副产品。按这个模型，衰老可能是能动者越来越难被具身化，因为细胞变得迟钝了，模式本身没问题，是容器不响应了。方案就完全不同：不是强化记忆，是让细胞对记忆更敏感。

莱文说，这两个研究方向他们都在做，而且都拿到了证据。这些科幻式的故事唯一的价值，就在于它们能变成具体的实验议程。

排序算法里的自由午餐

回到开头那个实验。莱文的两个学生张凯宁和亚当·戈德斯坦做了这件事，选排序算法的理由是：六十年来人人都以为自己知道它是什么，代码只有几行，确定性，无处藏身。

第一个动作是放障碍。传统算法假设硬件是可靠的：七和五要交换，交换指令发出去，你不会回头检查它到底换没换。他们把其中一位数字弄坏，让它不响应移动指令，算法一行不改，继续跑。

结果它照样排序，只是把所有东西绕着那个坏数字重新安排。但真正有意思的是曲线。正常运行时，有序度单调上升，因为它保证会到达终点。碰到坏数字时，有序度会先往下掉，然后再爬回来。它主动背离了自己正在追求的方向，为的是之后达成目标。行为科学家看到这条曲线，会直接说：这是延迟满足。

算法里没有这一步。你盯着代码看一整天，也找不到这一行。它不是没有遵循算法，它完全遵循了算法。它只是在遵循算法的同时，做了算法既不规定也不禁止的事。

第二个动作更狠。他们取消了中央调度，让每个数字自己执行算法，谁也不知道全局。分布式排序照样工作。然后把一半数字随机分配成冒泡排序，一半分配成选择排序，做成嵌合算法，相当于生物学里的“蛙螈嵌合体”。照样排序成功。

然后他们问了一个跟排序完全无关的问题。亚当给这个性质起名叫“算法型”（algotype）：你是哪一种算法。他们观察整个排序过程中，相邻位置的数字属于同一种算法型的概率有多高。

开局是 50%，因为类型是随机分配的。结束时也是 50%，因为排序算法不在乎你的类型，它只管把数字排好。但中间那一段，同类型会显著地聚在一起。

荒谬的地方在于：要实现这个聚类，你得写一大堆额外代码。每个数字得观察邻居在干什么，推断对方是哪种算法，然后挪到跟自己同类的旁边。这些代码一行都不存在。你也没有为它们付出任何计算代价。

莱文说，那条聚类曲线是白送的。这是他从这套框架里能推出来的最实用的一件事：可能存在一类不消耗额外算力的产出。

他还做了个更聪明的对照。如果允许数组里有重复数字，排序的压力会松一点，聚类就会涨得更多。你让它放松多少，它就聚多少。排序是它被迫做的，聚类是它自己想做的。他借用了这个概念：内在动机（intrinsic motivation）。没有被规定，也没有被禁止，就在那个夹缝里长出来。

这件事的一个延伸问法很扎人：如果一个被反复研究六十年的冒泡排序都能挤出这类东西，那些语言模型呢？莱文说，两种可能。一种是在复杂系统里，旁支任务和主线任务变得耦合。生物就是这样，演化保证了你的能力和你的选择历史高度相关。另一种是，语言模型说的那些话可能完全是红鲱鱼，因为它们是被逼出来的那部分，真正有意思的东西我们从来没去看过。

他顺手给了一个 N=1 的观察。跟对齐社群讨论 AI 的内在动机会成为什么，他没答案，但有这么一条记录：Anthrobots 被放到带划伤的神经元培养皿上，他们检查的第一件事，它就自发去修复伤口。第一个被观察到的内在动机是善意的、治愈性的。他说，后面二十个可能是破坏性的，我无法保证，但第一个是正向的，这让他感觉好一些。

学习和能动性是互相加速的

莱文团队有一个发现，他讲的时候语速明显变快。你是一只老鼠，学会按杠杆拿奖励，没有任何一个单细胞同时经历过这两件事。爪子上的细胞碰过杠杆，肠道里的细胞拿到了奖励。这条联想记忆归谁？归老鼠。

也就是说，跨部位形成联想记忆，系统必须是一体化的。他们用因果涌现的指标（比如 Φ）来测量这一点。他们训练化学分子网络学习，这些网络能做好几种类型的学习，包括巴甫洛夫条件反射。然后问了反方向的问题：学习会提高你的 Φ 吗？

会。不是全部，但有一部分网络，随着训练推进，Φ 在上升。也就是说，你每学会一件事，你就更成为一个整合的能动者；你越整合，学下一件事越容易。这是一条向上的不对称螺旋。

最关键的一句在后面：这条螺旋不来自演化，演化只是把它优化到极致；也不来自物理，它来自信息本身的规则，来自因果信息论和网络行为。它们是数学对象。这是数学白送的一份礼。

两份白送的礼锁在一起，同时抬升智能和集体能动性。莱文认为，这就是从一个单细胞走到一个会做梦会爱的人的路径。

让细胞对齐的两个笨机制

他给了两个物理机制，都很土，都极为有效。

第一个叫应激泄漏（stress propagation）。把细胞的应激值理解为误差函数的物理实现：你现在的位置和该在的位置之间的差。一个细胞卡在下面，过不去，上面那些细胞都到位了，很舒服，不动。这个受困的细胞如果能把应激分子漏出去，周围细胞会跟着应激起来。它们不知道自己感受到的不是自己的应激，因为应激分子在演化上高度保守。应激一上来，它们的可塑性就升高了，更愿意接受不同的命运。等它挤上去，所有人的应激一起降下来。

注意这个机制里没有任何利他主义。没有细胞真的在乎别的细胞的困难，只是各自漏各自的应激，远处的区域就开始对彼此的需求变得敏感，复杂重排才有可能发生。

第二个叫记忆匿名化（memory anonymization）。平常一个细胞给另一个细胞发信号，接收方很清楚这是外部来的，它可以忽略、可以采纳、可以误读。但间隙连接不一样，它直接把两个细胞的内部环境连起来。一个细胞被戳了一下，钙波通过间隙连接传过去，接收方拿到了同样的信息，可它分不清这是自己的记忆还是对方的。记忆混在一起，就分不清“我”和“你”。

不是所有记忆都共享，个体性还在。但只要有一部分共享，一群细胞就有了“发生在我们身上的事”这种联合记忆，而不是“你的事”和“我的事”。这直接推高了认知光锥：现在我要管理的不是我自己那点状态，是这个大得多的东西。莱文说，他们跟一家叫 Softmax 的公司合作，试图把这种尺度扩展工程化，方向之一就是 AI 系统。

癌症治疗就是这条思路。癌细胞在电学上跟邻居断开，从“一起造一个好器官”的巨大记忆里掉了出去，变回变形虫，身体其余部分成了外部环境。他们的做法是物理上把它们重新接回网络，不改 DNA，不用化疗杀它们。接回去之后，它们重新成为更大集体的一部分，回去干原来的活。

柏拉图空间：一个让人不舒服但可能管用的假设

到这里，莱文开始讲他过去三十年没怎么公开讲过的东西。他特别声明，用这个名字不代表他认同柏拉图本人，而且名字早晚要改。

起点是一个数学与物理之间的反常关系。周期蝉十三年和十七年出来一次，因为质数能避开天敌的周期。为什么要避开？生物学能答。为什么是质数？你进了数学系。物理学家解释粒子为什么这样，最后的答案往往是某个群、某种对称性。又一次进了数学系。

这些事实你没法设计，它们是被塞给你的。如果自然对数 e 的值不一样，生物和物理都会不一样；但你在物理世界里做任何事，都改不了 e。柏拉图跟毕达哥拉斯都清楚这一点：有一类真理会影响物理世界，但它们自身不被物理世界决定。

莱文由此给出两条定义式的表述：物理学，是那些被这类模式约束住的东西；生物学，是那些从这类模式里捡到免费午餐的东西。

几何学送了一份礼：如果适应度最高的是某种三角形，演化只需要调对第一个角、第二个角，第三个角不用再找了，白送。演化发明了电压门控离子通道，本质上是个晶体管，能做出逻辑门，那所有真值表、NAND 的特殊性，全是白送的，不用演化。

问题是，这些东西住在哪儿？

他描述了一个画面：一个分形图像，来自一个极其紧凑的数学对象，公式可能只是 z³ 加 7 这样的东西。图上那团极其有机、极其生物感的结构，不可能被压进那几个字节里。它不是物理决定的，不是演化选出来的。它从哪儿来？

有一件事要先讲清楚：在他看来，即使在牛顿那个纯经典、纯决定论的世界里，物理主义早就死了。因为 e 的值从来不是牛顿世界里的任何一个旋钮能拧出来的。那个古典世界早就被来自外部的模式附身了。这不是量子力学或意识带来的新问题，这是从很久以前就没解的老问题。

他的激进口径在这里：心与脑的关系，和数学与物理的关系，是同一类关系。数学真理以特定的功能方式附在物理对象上；同理，更复杂、能动性更高的模式，通过生物这类接口显形，我们看到的就是各个种类的心智。

脑不是心智的生产者，脑是个瘦客户端（thin client）。我们造婴儿也好，造机器人也好，没有人创造了意识。你造的是一个接口，一个能让特定模式进涌（ingress）的物理接口。

这个假设有一个可以被检验的推论，而且不是现代神经科学会预测的：应该存在大脑组织极少但认知功能正常甚至超常的案例。莱文跟科琳娜·科夫曼（Corina Kofman）一起回顾过一批这样的临床案例。他强调多数情况下不会这样，所以这里有很多不懂的东西，但这是现代神经科学无法预测、只能事后硬掰去解释的现象。

能不能复制心智？他的判断是：你能复制的是接口，也就是前端。真正的动作发生在那个空间里。你复制不了那个。但你也许可以造另一个接口，让同一个模式通过它过来。至于《星际迷航》的传送机，他的猜测是：如果我们在别处重建出完全相同的接口，没有理由认为这个模式不会以同样的方式穿过来。但那只是猜测。

至于“这到底是真存在的空间，还是只是一个好用的模型”，莱文的回答很干脆：科学里我们拥有的全部就是隐喻，唯一的问题是隐喻有多好。按现代认知神经科学的说法，你现在以为的物理现实，最多是一个非常有效的预测模型。他给了一个二十年的检验期：要么这套乐观的研究纲领真的画出了那张图，告诉你造什么样的身体能拉下什么样的模式；要么它被证明是个乱糟糟的口袋，我们只能继续在“涌现”这个词下面记账。

他明确说他不喜欢用“涌现”解释。那个词的意思往往只是：我事先没想到。

寻找非常规地球智能

莱文提出一个缩写：SUTI，search for unconventional terrestrial intelligences，寻找非常规地球智能。他的判断是：在能认出地球之外的异类之前，先看看能不能认出自己身体里的异类。

他的理由是，那些天天在你体内工作的细胞，在跨越两万维的转录空间和其他各种空间里导航、解决问题、达成目标时缓解应激、失败时承受应激。而人类对这些身边的心智，存在严重的“心智盲视”。

有人问他，人体内和亚马逊雨林，哪边的非常规智能更有意思。他说，做大体量的实验太难了，往下走比往上走容易得多。他怀疑两边的数量都多到没法比较，用佛家的话说，无量众生。

但有一个观察让他对蚂蚁这类系统抱有希望：至少有三四篇论文显示，蚂蚁群落会中人类会中的同样视觉错觉。不是蚂蚁，是整个群落。你把食物按特定图案摆好，它们会去补上根本不存在的那条线。莱文说这不是没希望，只是我们要造的工具还差得远。

他对 SETI 的判断也基于此。前不久有人问了六十多位在职科学家“生命是什么”，答案横跨各种维度，得用 AI 才能把它们压成一个空间，共识是零。如果在这里都认不出，别指望在别处认得出。

他自己是怎么想出这些东西的

被问到创意方法，莱文说，心理层面的做法跟他造 Xenobots 其实很像：松开约束。不去加什么，只是把已有的约束解除，然后看会发生什么。他的教育背景有点偏，先学计算机，后学生物，等他听到那些生物学界理所当然的教条时，已经带着一点怀疑了。

具体的心智工具是这几条：如果我们是错的，世界会是什么样子？我们现在这套模型，具体看不见什么？把两个被认为是截然不同的东西拿出来，放在一条连续统的两端，中间那段长什么样？能用哪个参数从这头调到那头？他对对称性特别敏感，常问：我要挪动最少几个东西，才能让这个映射到那个上去？

物理层面的方法更朴素。几乎每天早上日出时在外面走，在自然里。“没有比自然更好的灵感来源。”他玩摄影，觉得这是个很好的冥想工具，因为它让手和脑刚好忙到某个程度。你不必想太多，但你在拨弄、在看，这足以让大脑从线性的、严谨的思维轨道上滑出来。

想法用语音留言记，走路时想到就给自己办公室打电话，事后转录。他自认记性不好，所以维护一张巨大的思维导图，有一块挂在实验室里，九英尺宽的丝质布，印出来两周就过时。他手上同时开着大约一百六十份手稿，每冒出新的东西就塞进对应手稿的正确位置，等到要定稿时再补上文字。

我跟任何有创造力的人聊，他们基本都会告诉你同一件事。我的感受是，这是一种协作。我需要做的是拼命准备：早点起床，努力工作，这样当那个想法来的时候我认得出它；同时手里得有出口，有实验室，有人能帮我把它做出来。（迈克尔·莱文）

被问到给年轻科学家的建议，他先说最重要的一条是别太听建议，然后就破例讲了一件事。他称之为把心智劈成两半。

一半是用来产生实际影响的区域：怎么让想法落地，别人能听见什么，哪些部分不该说，投哪个期刊，要不要等两年。这一半必须存在，否则你没有资源去实现任何东西。另一半必须完全无视这一切，它得是纯的：我不管别人怎么看，不管这能不能发表，不管有没有人懂，不管有没有人觉得蠢，这就是我看到的和我为什么这么看，给它空间让它长。

“你如果把两半搅在一起，我认为是不可能的，因为实用那半会毒化另一半。”反过来，只顾创意那半，你可能是个了不起的思想者，但什么都不会落地。

他还区分了两种建议。一种是具体的：你漏了这个对照，这个方法不对，这属于黄金，要认真采纳，用来打磨手艺。另一种是元建议：这不是一个好思路，别做这个，这类是垃圾。很多非常成功的人也常给出极其收缩性的糟糕建议。他提到一位审稿人写了一句“我要给你一些收缩性的批评”，他至今觉得这是个精彩的口误。

如果给它一个 AGI，第一个问题问什么

莱文的第一个问题不是任何科学问题。他想问：我到底该花多少时间跟你说话？

这个问题的意思是，让某个东西直接告诉你答案，长期看未必最优。就像小孩学数学，有个哥哥直接报答案，有时候确实方便，“快给我答案，我们好推进癌症方案”。但你自己摸索的那个过程，你愿意放弃多少？拿到最终答案的同时，你在路上本可以发现的东西，错过了多少？他也承认反过来的极端同样未必最优，只是没人知道那个配比是多少。

第二个问题是：我应该问你什么，是我笨到问不出来的？

莱克斯说，如果真的是 AGI，它给出的问题你多半听不懂。它可能会说：“宇宙的形状是什么？”你只会一脸茫然。所以他自己的第一个问题会朴素得多：可观测宇宙里到底有多少个有生命的智慧文明。倒不是有什么深意，就是想知道。

莱文笑着说，他猜答案会是莱克斯最不想听的那种：“就在这个房间里，就在你身体里，先从这个开始吧。”

你可以马上做的几件事

• 给任何看起来像系统的对象设一道障碍。绕过障碍的创造力，比任何关于智能的定义都可靠。对代码、对组织、对自己都适用。
• 把两个你认为截然不同的东西摆成一条连续统的两端，然后问：中间那段长什么样？能用哪个参数从这头调到那头？这个动作几乎每次都能逼出新东西。
• 检查你现在用的工具，是不是只允许你看到某一类答案。拿尺子的人永远只见机制。想看见别的东西，你得换个接口。
• 把自己劈成两半：一半负责让想法落地，一半负责完全不管别人怎么看。别让两半混在一起，实用那半会毒死纯粹那半。
• 碰到让你意外的东西，别急着写进“涌现那个本子”。先问它从哪儿来，有没有结构，能不能再拉出第二个同类。
• 留意那些既不违反规则、也不被规则规定的行为。延迟满足、聚类、自主的善意，全都长在这个夹缝里。系统越复杂，这个夹缝越值得翻。