「AI哲学」让人类“为自身立命”与“为AI立心”。

AI（大量数据离线一次学习）与人类智能HI（少量数据在线连续学习）。

人脑的长期认知和世界观就是大模型；而平常短期思考则是小模型，以便实时处理。隔段时间，通过你的反省和顿悟，小模型归并更新到大模型。

目前AI只一次性处理大模型（如每半年升级一次，权重更新慢），缺乏人类的动态灵活性和创造性。

点击+号关注本账号，可获得更多精彩内容。

人类是典型的终身学习和渐进学习，从出生开始不断学习新的技能和知识，并且能够通过反思和实践不断改进自己。具体地，人类智能（HI）依托生物神经系统的可塑性（神经元细胞之间的连接与断开是实时动态的），以少量数据为基础进行在线连续学习，能够在不断变化的模糊场景中快速提炼抽象规律，并实现跨领域知识的动态更新与迁移。例如，人类婴儿只需要通过几次尝试就能学会走路；成年人则能够在复杂多变的环境中灵活适应，迅速做出决策并调整行为，以应对开放场景中的不确定性。这种学习方式是在线的、连续的，人类能够基于实时反馈和环境交互不断调整认知模型，通过不断的试错和经验积累逐步提升认知和技能水平。

而AI通常依赖于大量标注数据进行离线训练，通过预设算法构建静态模型，完成一次集中式训练学习后就部署使用，缺乏在实际运行过程中自主适应与实时更新的能力。AI虽在结构化任务中表现出高效精准的特性，却难以突破训练数据的边界进行实时迭代与创造性推理，在面对新情况时可能需要重新训练模型才能适应。例如，一个图像识别系统可能需要数百万张标注好的图片来训练，才能准确识别不同的物体；一个自然语言处理模型可能需要海量的文本数据来学习语言的规律和表达方式。这种学习方式使人工智能在特定任务上能够达到甚至超越人类的水平，但它缺乏人类智能的动态灵活性和创造性。

思考：从某种意义上来说，你的长期认知和世界观就是你的大模型；而平常短期用到的则是小模型或领域小模型，以便实时处理最新的数据和知识。经过一段时间，这些小模型会归并更新到大模型（通过你的反省和顿悟）。作为对比，目前AI只会一次性处理大模型（比如每半年升级一次，导致权重更新慢），不如人类可以随时调用最新版本的小模型（小模型的权重随时可以动态更新）。

HI和AI两者本质上是生物智能与计算智能在认知路径上的分野——前者强调小样本情境下的灵活泛化（人类可以从少数几个例子中提取关键特征，以形成对某一概念的理解），后者追求大数据驱动的稳定输出。学习方式的这种差异使得人类能够灵活应对复杂、模糊甚至信息不完整的问题；而人工智能虽然在处理结构化大数据方面表现出色，但在小样本学习、连续适应和环境交互能力方面仍存在明显局限——其决策边界在训练完成后即被固化，难以像人类一样从持续互动中自发拓展认知边界。

形象来说，人类智能展现出令人惊叹的数据效率——如同一位老练的画家，仅需观察几片秋叶便能领悟季节变换的韵律，在日常生活的涓涓细流中持续而优雅地更新认知，这种在线学习能力让人类能在喝一杯咖啡的间隙，从交谈的只言片语里捕捉情感变化，在行走时根据路面微妙的倾斜调整步伐，所有学习都在生命体验的绵延中自然而然地发生。而AI则像是一个需要吞食整个图书馆才能开口说话的巨人，必须通过离线状态下批量吞噬TB级的数据才能完成一次模型更新，每次学习都像是进行一场大型外科手术，需要暂停服务、清空缓存、重新训练，这种学习模式虽然能处理海量信息，却失去了人类那种在生活之流中随时微调的灵动与细腻。

更详细内容，请见本书的完整版。如果你有任何感想，请在评论区留言，一起讨论。

“AI哲学一吴怀宇”（中国科学院博士、北大博士后）作者主页：www.OpenDAI.org；邮件：huaiyuwu@sina.com

视频号/公众号：AI哲学一吴怀宇中国科学院（人工智能哲学）