硅基生命能否被称为生命？硅基智能与碳基智能，究竟是不是同一种智能？这两个看似哲学的问题，却决定着人工智能未来发展的方向。

在昨天举行的 WAIC 思想者论坛上，中国工程院外籍院士、香港科技大学首席副校长郭毅可没有讨论大模型参数、算力或算法，而是把视角拉回到人工智能最底层的逻辑。

在他看来，只有厘清生命与智能的本质，才能真正理解人工智能的 " 第一性原理 "，也才能理解人类为何正走向一个硅碳共生的时代。

机器可以像人一样思考

郭毅可将这一追问追溯到物理学家薛定谔提出的经典观点——生命的本质是对抗熵增。按照热力学规律，宇宙中的一切都会趋向混乱和无序，而生命却能够不断与环境交换物质和能量，从环境中获取 " 负熵 "，维持自身局部的有序状态。既然生命能够持续抵抗熵增，就意味着一定存在一种能够保存并传承秩序的机制。

20 多年后，沃森和克里克发现 DNA 的双螺旋结构，为研究碳基生命奠定了分子生物学基础。在郭毅可看来，这也揭示了生命更深层的本质——生命不仅是碳基分子的组合，更是一套能够存储、传递和执行信息的系统。他借用计算机作比喻：DNA 就像存储在磁盘里的程序，RNA 负责将程序读取到内存执行，最终生成蛋白质。

如果生命是信息的载体，那么，" 计算 " 是否只能发生在人脑？郭毅可认为，人工智能的发展正是在不断回答这一问题。

神经科学家赫布提出，大脑学习的本质是神经元之间连接不断重组，即神经网络具有可塑性，这一理论后来成为人工神经网络的重要生物学基础。而真正打破 " 只有人脑才能计算 " 这一观念的，则是图灵。他提出，计算本质上是一种纯粹的逻辑抽象过程，无论承载它的是木制算盘、机械齿轮，还是今天的硅芯片，其底层逻辑完全一致。" 碳基的大脑与硅基的芯片，在计算的本质上并无二致。如果人脑是一台处理信息的精密机器，那么理论上，只要逻辑闭环，机器同样可以像人一样思考。"

但仅仅能够计算，并不意味着拥有生命。

受到薛定谔思想启发，控制论创始人维纳进一步追问：机器能不能像生命一样持续保持有序？他提出，控制的本质是通过反馈不断修正系统状态，使受控对象朝着既定目标发展，从而降低系统的不确定性。在郭毅可看来，一个能够持续自我控制、自我修正的系统，就具备了生命体的重要特征，而机器学习本质上正是一个不断反馈、不断纠错的过程。" 机器学习就是反馈纠错下的数据拟合，算法就是从数据中通过学习产生智能行为。"

智能的选择：改变自己或世界

如果说生命解决的是 " 系统如何存在 "，那么，智能解决的则是 " 系统如何认识世界 "。郭毅可认为，人类认知世界，并不是被动接收信息，而是在不断 " 猜 " 世界。" 大脑不是摄像机，而是编剧。" 他说。无论是被封闭在颅骨中的人脑，还是运行在数据中心里的人工智能，都无法直接接触真实世界，它们接收到的只是来自感官或传感器、带有噪声的电信号。

因此，大脑会根据过去的经验，先建立一个关于世界的内部模型，再不断利用新的信息验证这个模型。只有当现实与预测出现偏差时，大脑才会意识到 " 事情和想的不一样 "，而学习，正是在不断修正这种 " 预测误差 "。

这一过程背后的数学基础，就是贝叶斯推理。郭毅可表示，新认知并非凭空产生，而是在已有信念基础上，根据新的证据不断更新认知。" 通过观察，让幻觉趋于真实。" 他说，这也是今天大数据分析和人工智能训练的重要数学基础。在他看来，大脑遵循贝叶斯逻辑，并不是因为进化 " 选择 " 了这种方法，而是生命为了抵抗熵增、维持自身稳定而形成的必然结果。" 思考，不只是为了追求真理，更是为了在世界中继续存在。" 这也是他所理解的人工智能第一性原理。

基于这一原理，郭毅可进一步总结了大语言模型、具身智能等智能的基本行为模型：观察世界、预测世界，当预测与现实之间出现认知误差后，智能有两种选择：一种是改变自己，通过学习不断更新内部模型，使认知越来越接近现实；另一种是改变世界，当相信自己的模型是正确时，通过行动改变外部环境，使现实越来越符合自己的预测。

回到最初的问题，为什么硅基智能能够出现？郭毅可认为，碳基生命与硅基智能，在物理层面都遵循着反熵、建立局部秩序的规律，在数学层面又遵循着相似的推理机制，因此，人类的智能才能够在机器上得以实现。但他强调，人机共生并不意味着人类退场。" 让机器负责高频、重复性的工作，让人类负责价值判断、目标设定，人才能真正成为人。"