《智能简史》9：语言的诞生
1.语言是机缘巧合之下多个因素共同作用的结果。我们能因为语言而变成人，开启文明，是一场各种因素合力形成正反馈造成的完美风暴。
2.语言是后天学习的结果，在直立人的社交互动中产生的，是一种刻意的、非自发的表达。因为我们是社会动物，所以我们才有了语言。
3.轮换式沟通、共同注意力和会提问，是三种人类大脑预装的学习语言的先天能力。
大脑的第五次，也是目前为止的最后一次突破，那就是语言。
语言是怎么产生的呢？中国古代有句话叫「鹦鹉能言，不离飞鸟；猩猩能言，不离禽兽」，那人的语言跟黑猩猩、猴子的语言又有什么不同呢？
简单说，语言是机缘巧合之下多个因素共同作用的结果。我们能因为语言而变成人，开启文明，是一场各种因素合力形成正反馈造成的完美风暴。
✵
大约一千五百万年前，我们跟黑猩猩共同的祖先，一种开启了心智理论、会搞政治的灵长类动物，是主要以吃果子为生。他们生活在非洲大陆，当时的非洲全是森林，有很多果子可吃，可以说是很不错的生活。
如果日子一直就这样过下去，今天的我们还是黑猩猩。
但幸运的是，又或者说对当时的祖先不幸的是，从大约一千万年前开始，非洲的环境发生了变化。地壳运动造成在相当于今天的埃塞俄比亚的那个地方，形成了一个新的地形，叫「东非大裂谷（Great Rift Valley）」。
大裂谷把非洲分成了东西两侧：西边这一侧还是森林，东边这一侧面积很小，却是慢慢地树都死了，变成了一片草原。
等到大约六百万年前，大裂谷周围长出了新的山脉，把东西两侧就给隔绝开了。于是当初那个灵长类动物，也就被分成了东西两个族群。西边这个族群因为还是森林环境不变，所以他们也没什么大变化，就演化成了今天的黑猩猩。
而我们的祖先，属于东边这个族群。
我们现在没有果子可吃，必须适应草原环境。
到距今四百万年前，我们开始直立行走。为啥直立行走就有利于适应草原环境，现在有多种说法。可能是站得高在草丛中就看得远，也可能是皮肤被太阳晒的面积更小，谁也说不准。虽然是直立行走，但此时的我们并不比黑猩猩聪明很多，我们的大脑跟他们差不多大，我们用的工具也不高级。
等到距今两百五十万年前，东部草原这个环境中演化出了很多大型哺乳动物，有大象、斑马、长颈鹿、野猪，更有食肉的狮子、豹、剑齿虎等等。在这种环境里肉食才是王道！我们也开始加大肉食比例，升级自己的生态位。黑猩猩的食物中只有10%是肉类，而此时我们祖先的食物中已经有30%是肉类。
这其实很不容易，因为我们吃肉并不方便。人家狮子老虎都有锋利的牙和爪子，我们可没有。当时我们打猎的技能很一般。研究表明，我们吃的主要是……腐肉。也就是老虎狮子吃饱离开了，我们默默地走过去把剩下的肉再吃一吃。我们会用石头工具剥皮，特别是可以把骨头砸开，吃里边营养丰富的骨髓。我们就这么卑微地逐步变成了一个食肉物种。
✵
到距今五十万年前，我们终于演化成了「直立人（Homo Erectus）」。注意这只是一个学术名称，其实我们早就直立行走了，只是之前不叫这个名。直立人成长为草原上最高端的物种。我们的食物中有85%都是肉类，因为我们掌握了高级打猎技术。此时的我们已经如此厉害，以至于把一些大型食肉动物，像什么剑齿虎，给屠杀灭绝了。
我们的打猎技术好，部分原因在于我们发明了各种新工具。我们学会了投掷武器，甚至用上了长矛。
更重要的是，我们的身体发生了变化。腿变长了，这有利于奔跑。特别是我们的皮肤退掉了动物那身毛，还长出了汗腺，这使得我们可以用全身出汗的方式散热。而你要知道其他所有哺乳动物降温都只能靠喘气。
这就使得我们能在长途奔跑中保持凉爽。事实上，直立人是动物王国中耐力最好的选手。羚羊什么的短跑速度比我们快得多，但是耐力不行。所以我们打猎的绝招就是长时间地追踪。我们善于识别动物的踪迹，只要盯上了就能一直追到底，等猎物终于跑不动了，就变成了我们的食物。
我们的大脑进入了快速升级通道，直立人的大脑是黑猩猩的两倍那么大。
直立人的下颚和内脏都变小了，长得更像现代人而不像黑猩猩。可这是怎么做到的呢？按理说我们的大脑比以前大了一倍，身体也更大了，那我们必定需要更多的能量啊，怎么吃饭的关键部位还变小了呢？唯一合理的推断是，我们学会了用火，开始吃熟肉。
吃熟肉比吃生肉能多吸收30%的营养，而且消化时间要短得多。直立人用上了火，比现代人用上冰箱可重要多了。
当然，这一切的好处也带来了一些不方便。最大的不方便就是直立人的脑袋太大。本来直立行走就使得直立人的臀部变小，于是带来一个问题：小孩出生时，头部难以通过产道。我们解决的办法是提前出生。
其他动物都是在妈妈肚子里长成了再出生，比如说牛出生几个小时就会走路……而人类的宝宝都属于早产，得出生一年后才能走路。这就意味着他必须始终有人照料。像黑猩猩那样靠妈妈一个人抚养孩子已经变得不现实，于是直立人进入了以一夫一妻制为主的社会形态，父亲必须照料家庭。
接下来的问题是，直立人会说话吗？
✵
学者们推测，语言就是在直立人的社交互动中产生的。
最早应该是起源于父母和子女之间的对话。直立人要制造复杂的工具，有语言的帮助教学会容易得多。但学者关心的是，我们为什么要对自己家人以外的人说话呢？
这个关键在于，你跟别人说话，几乎总是对对方有好处。你或者是告知一个什么事情，或者是教他一个什么东西 —— 使用语言是一种利他行为。可我们为什么要帮助亲属以外的人？
可能是因为群体选择。群体生活鼓励利他行为。昨天打猎的时候谁救了你一命，前天你帮了谁一个忙，这样的事情应该得到表扬，这个群体的竞争力才能增加。反过来说如果有人做损人利己的事，我们应该批评。
那我们怎么鼓励利他，惩罚利己呢？办法恰恰就是通过语言。非亲属关系的人坐在一起聊天，最主要的场景就是说些「闲言碎语」，也就是gossip —— 也可以说是流言蜚语，反正肯定是对别人说三道四、说长道短。其实现在我们也是这样，大家聚在一起说闲话最爱议论别人，传播个小道消息之类……这可不叫造谣传谣，这叫舆论监督。
正是因为老百姓私下的议论，社区才能表彰利他，谴责利己。所以语言促进了群体内部的合作。而群体合作增加，又进一步让语言变得有意义，现在我们更愿意跟人说话了，于是我们的语言能力就会提高。这是一个正反馈过程！语言就这样得以传播。
到大约十万年前，我们正式拥有了语言。
✵
那人的语言是大脑中的什么特殊结构带来的吗？乍一看似乎是的。
人的大脑几乎就是放大版的黑猩猩大脑，只有一点点不同，但不是结构上的不同。我们的新皮层的左侧有两个区专门用于语言功能：一个叫布洛卡区（Broca's Area），用于输出语言；一个叫韦尼克区（Wernicke's Area），用于理解语言。这像是硬件设定，但其实不是。要知道新皮层是通用的，很多人的语言功能不出现在这两个区域，放在别处也可以。
再者，只有人有喉咙和声带能发出复杂的声音，黑猩猩没有这个能力，所以黑猩猩怎么教都学不会说话。但这个限制也不是决定性的：事实上你可以教黑猩猩用手语和图形说话，它们也能表达一些简单的意思，只是不能形成复杂的语法而已。不会用嗓子说话，不等于没有语言能力。
人跟黑猩猩的语言到底差在哪呢？关键似乎不是解剖学上的区别，而是一些更细微的东西。真正的区别是，人的语言是个需要学习的系统，而黑猩猩虽然也会发声交流，但它们那只是一个反射性的情绪表达系统。
比如你看到好笑的事情会大笑，难过了会哭，这些都是情绪的反射，是自发的，这不用学。反射性情绪表达的特点是所有人都一样，全世界所有的人的自发表情是一样的。黑猩猩也是如此。黑猩猩遇到各种事情会发出长短不一的叫声，那些全都是自发情绪反射，所有族群的表达方式都一样，没有方言和外语。哪怕一只黑猩猩从小不跟其他猩猩生活在一起，它的本能反应也还是一样。
而人和黑猩猩的区别在于，我们在反射性表达之外，还有一种刻意的表达。你明明觉得这件事不好笑，也可以做出一副正在笑的表情。这个表情，可就不是人人都一样的了。这就解释了为什么不同文化的微表情不一样，以至于用表情测谎是靠不住的。
我们的语言，恰恰就是一种刻意的、非自发的表达。这就是人类语言和黑猩猩的叫声根本的不同。
语言不是天生的东西。
✵
语言一定是后天学习的结果。这就是为什么不同地区、不同族群使用的语言那么不同。
当然演化必须先在我们的大脑中预装一点什么东西，我们才能有学语言的能力。这就如同小鸟刚出生的时候不会飞，它必须得学，才能飞 —— 但它的基因的确准备了一个能让它学飞的系统，比如会蹦跳，才行。
那人预装的能让我们学语言的系统是什么呢？它不在新皮层，推测可能是隐藏在杏仁核和脑干这些古老区域深处的一些东西。这个系统给了人三个本能，是黑猩猩所没有的 ——
第一个本能是轮换式的沟通。婴儿和母亲会以一种对话式的方式沟通，也就是你说一句我说一句，哪怕只是发出一个声音也好，但一定有回应有互动。
第二个本能是共同的注意力。母亲指向一个什么东西，说你看那里！孩子就会去看那里。母亲说这是一朵花，孩子就明白了。这种双方共同注意同一个地方的能力，是学语言的关键。
第三个本能是提问。这听起来有点惊人，但是结论很清楚：一切动物之中只有人会提问。
有了这三个先天能力，我们就可以在后天学习语言了。
✵
以前听说是某个基因突变让人有了语言，现在看来不是那么简单。如果说大脑的前四次突破是发生在个体身上，语言这个第五次突破，却是具有明显的社会意味。因为我们是社会动物，所以我们才有了语言。
语言让大脑和大脑联网。以前的我们是单独的个体，现在我们是网络中的一个个节点。这使得我们的知识能够突飞猛进……
《智能简史》10：文明之旅
1.语言带给我们的不只是一项个人能力，更是一项积累知识和建设文明的能力。
2.语言把想象的模型压缩成一条条精炼的「知识」，从此让知识容易传承，可以积累，让我们的思想复杂度指数增加，而且因为有了语言，有了神话，有了共同的想象，现在我们的合作人数上限是无穷大。
3.大脑的演化远远没有结束，智能可以说是刚刚开始，将来必定还会有其他的突破。第六次突破，也许我们不再受制于自然选择，会更主动地变革。
语言是人类特有的能力，也是人脑目前为止掌握的最后一项新能力，在大约十万年前达到成熟。我们的祖先 —— 以及我们自己 —— 是直立人的一个分支，叫「智人（Homo Sapiens）」，我们在七万年前走出非洲，最终杀死了其他所有的人类分支，成为地球唯一的主人。
我们今天的大脑，跟十万年前并没有区别 —— 但我们的文明却是天差地别。这是因为语言带给我们的不只是一项个人能力，更是一项积累知识和建设文明的能力。
✵
语言能让说话的人把自己内心想象的场景和动作，传递给听话的人。这个功能大大提高了交流的效率。
比如你是个直立人，在野外发现一具羚羊尸体，自己扛不动，就回住的地方叫人。有了语言，你只要说：“快跟我来，东边两英里处有一具羚羊尸体。”这就是传递一个场景。如果没有语言，你怎么表达这个场景？方向可以用手比划，可是距离怎么比划？你又如何说明那是一头羚羊，而且已经死了？
再比如说，你和另一个猎手正在伏击一只羚羊。你对他说：“我吹三声口哨之后，我们就一起动手。”这就是把你对动作的想象传递给对方。
这个传递想象的能力，是又一次学习的革命。《智能简史》这本书讲了四种学习方式 ——
1. 脊椎动物的强化学习，也就是试错，是从自己的行动中学习；
2. 哺乳动物的模拟学习，是从自己的想象中学习；
3. 有了心智理论，灵长类动物可以通过模仿另一个人做事来学习，也就是从他人的行动中学习；
4. 而有了语言，我们则能够从他人的想象中学习。
从他人的想象中学习，有两个好处。
一个是容易领会意图。单纯旁观别人做事总有一个问题，就是你不知道他哪些动作是有意的、必要的，哪些动作是无意的、多余的。黑猩猩能跳过无关的动作，只模仿有用的步骤 —— 但有时候任务特别复杂，你搞不清楚哪个动作有用哪个没用。
人类儿童旁观大人做事的时候，会把老师的每一个动作都模仿下来。这其实是比黑猩猩更聪明、更谨慎的做法……这样学习的毕竟效率低。可是如果老师一边做还能一边讲，给个解说，直接告诉学生每个动作的意图是什么，学生立即就知道哪些动作是有用的，学习效率就大大提高了。
另一个好处是语言能把信息大大地浓缩起来。长辈告诉晚辈：“这片森林里有两种蛇，红色的会咬人，有毒；绿色的不咬人，是安全的。”有这一句话，孩子立即就掌握了其中的因果关系模型。而如果没有语言，你得旁观多少次人与蛇的遭遇，才能领悟到这个模型呢？
有了语言，我们就把想象的模型压缩成了一条条精炼的「知识」。
✵
语言不但让知识变得容易传承，更让知识成了可积累的东西。这里特别想用一个词叫「可缩放」，也就是scalable。可缩放就意味着这个东西可以不断地增长而不用担心边际效益递减，意味着它的上限高。
黑猩猩也有教学能力，能传承一点技能。但是因为旁观学习的效率太低，它有一个很低的天花板。而语言让人类可以传承多得多的知识，以至于这些知识可以一代一代积累起来，正反馈增长。
可缩放之后，知识与知识之间就会发生化学反应。高级知识必须建立在更底层知识的基础之上。
比如说，考古发现早在十万年前，人类就已经会缝制衣服了。这是一个综合性的技能。你首先得有皮革，这意味着你得会剥动物的皮，还得懂得晾晒皮革的方法；然后你得会制作针和线，线是某种绳索，针是用骨头做的。而所有这些，又依赖你要先有非常锋利的石器。
必定是某一代人发明了石刀，某一代人发明了制皮，某一代人发明了骨针，所有这些发明都被后面一代代的人继承下来，才能有人发明缝制衣服。
到了这一步，知识已经不只是存在于人脑*之中*，更是存在于人脑*之间*，成了某种近乎独立的存在。人脑只是知识的载体而已，知识本身好像有了生命力。就像凯文·凯利在《科技想要什么》这本书中说技术是有自己的生命的……又或者用理查德·道金斯的说法，知识就如同基因一样，成了「meme（模因）」，自己就有传播力。
从直立人到智人，到近代，又发生了四件事，使得知识的传播力更强了 ——
1. 大脑扩容，智人的大脑比直立人还要大得多，单个大脑能传承的知识量增加了；
2. 人与人之间有了分工，这样每个人只需要负责一部分知识：有的人专门研究打猎，有的人专门制作武器，有的人专门缝衣服，知识变得专业化；
3. 人口规模扩大，更多的大脑就可以存储更多的知识；
4. 最重要的一步，是我们发明了文字。
文字的出现把知识增长的天花板推到了无限高，至此知识的增长已经完全可缩放了。我们的知识突破了所有人头脑总和的限制，可以被近乎永久性地存储在“云端”的书籍之中，后人想学只需要下载就行。
那是爆炸式的知识增长。
现在我们说拐点、说奇点，说的是AI带来的智能加速增长 —— 但事实上，人类历史上已经发生过一次奇点，那就是语言带来的想法大爆炸：有了语言，我们的思想的复杂度指数增加。
当然用今天的标准看，那是一个历时十万年的缓慢过程。但是用演化的尺度看，十万年只是一瞬间。
✵
从以前以个体大脑为本，到现在以知识为本，我们所能合作的人数也变得可缩放了。
这是尤瓦尔·赫拉利《人类简史》一书中的招牌学说，不过这个思想最早来自美国语言哲学家约翰·希尔勒（John Searle）。
有了语言，一个人可以把自己纯粹想象出来的东西传递给另一个人，而这可以是任何东西。是个神话故事也好，是个信念也好，都可以跟人共享。用赫拉利的说法，能共同相信一个虚构的事物，是智人的超能力。
宗教就是这么来的。两个本来没有关系，互相不认识的人，因为信仰同一个宗教，就可以被动员起来，一起出去打仗，一见面就是战友，就能亲密无间地合作。其他动物可没有这个能力。
从有语言那一天起，对人类来说，虚拟的东西就已经比真实的东西更高级了……脱实向虚才是文明之旅。
宗教是虚构的，难道金钱就不是虚构的东西吗？为什么你相信这个贝壳、这块银子或者这张纸币有价值呢？因为那是全民共同的信念，也就是一个共同的想象。同样道理，国家、公司这些事物本质上也是虚构的。你说公司到底是个什么东西，是你们公司所在的那座大楼吗？是来来走走的员工吗？是产品吗？又或者只是一个图章？都不是。公司只存在于我们的想象之中，因为我们共同相信它存在，所以它存在。
如果没有共同的想象，灵长类动物就只能跟与自己有线下互动关系的人合作，合作的上限很低，由各自大脑新皮层的大小决定 ——
猕猴只能跟30个熟人合作，黑猩猩的合作上限是50，人类的熟人上限也只有150 —— 也就是所谓的「邓巴数」。但是因为有了语言，有了神话，有了共同的想象，现在我们的合作人数上限是无穷大。
✵
总结来说，《智能简史》这本书讲了大脑演化史上的五次突破 ——
第一次突破是出现了第一个大脑。哪怕是个线虫，也有联想学习的能力，也就是条件反射，它会自动地趋利避害。
第二次突破是脊椎动物的强化学习。这意味着一定的预测能力，多巴胺能感觉到往哪里去会得到奖励。
第三次突破是哺乳动物获得新皮层，会在大脑中建立一个模型对世界进行模拟。
第四次突破是心智化，灵长类能理解他人在想什么，有了模仿学习。
第五次突破是语言。
对比一下AI的发展，现在的生成性AI，也就是大语言模型，有语言能力，会联想学习和强化学习，但是它有世界模型吗？它有心智理论吗？
大语言模型似乎抓住了训练语料背后那个真实世界的投影，它可以进行常识推理，对世界有理解力。再者，现在你问ChatGPT一道数学题，它能忍住不给你脱口而出的答案，它会主动调用一个数学工具来计算，已经表现出一定的系统2思维能力。但你要说大语言模型是不是真的有世界模型，现在的确还有争议。
而在心智化方面，AI可能还有更大的问题。人们对AI的一个常见担心是所谓「回形针问题（paper-clip problem）」，这是瑞典哲学家尼克·博斯特罗姆（Nick Bostrom）在他2014年出版的《超级智能：路径、危险、战略》（Superintelligence: Paths, Dangers, Strategies）一书中提出的一个思想实验。
博斯特罗姆说，假设你给AI下了一个命令，让它去「最大限度地生产回形针」，你猜AI会怎么做？这取决于AI如何理解“最大限度”这个词。
如果是字面意义上的最大限度，那么AI就不但会改进工厂的工艺流程，而且会设法征集所有的原材料，甚至地球上所有的资源都用来生产回形针，并且准备向宇宙进发……这显然不是我们想要的。
这个难题的意思是语言问题不仅仅是语言问题，我们有很多尽在不言中的默契，而AI必须有心智能力，能理解那些背后的默契，才能跟人良好互动。当老板说“最大限度地生产回形针”时，他的意思是在合理范围内增加产量，而肯定不是要把整个宇宙的资源都用来生产回形针。这就如同朋友建议你“今晚吃顿好的”，他的意思不是让你去吃世界上最好吃的饭，而是在合理范围内吃顿好的。可是什么叫“合理范围内”呢？这就需要常识、需要对世界有真实的理解。
在班尼特写《智能简史》这本书的大部分时间内，GPT-4还没有出来；等到GPT-4出来，他已经几乎完稿了。他有点低估了当前大模型的能力 —— 但是他对心智化的强调是非常合理的。
有了班尼特这本书，现在我们就更知道未来努力的方向在哪。
✵
地球上有生命的历史大概有40亿年，大脑的演化历史还不到6亿年，我们当前这个大脑定型才10万年。如果一直平安无事，我们大概还可以在地球上继续生活50亿年，太阳才会变成红巨星。而如果我们能在那之前成为一个冲出太阳系的星际文明，这个宇宙未来还有几万亿年的时间供我们继续演化……
如果这样想，那么大脑的演化远远没有结束，智能可以说是刚刚开始，将来必定还会有其他的突破。
班尼特认为第六次突破必定是人脑和AI的结合。怎么个结合法现在不好说，但我们肯定不再受制于自然选择，我们会更主动地变革。
历史经验表明，大变革总是跟外部环境的变化有关，常常伴随着一些牺牲……所以我们大概不应该盲目期待，但是我们的确有理由感到乐观。
