千脑智能
A Thousand Brains: A New Theory of Intelligence · 2021
Hawkins 咬住一个多数人绕过的怪事：新皮质——占大脑体积七成、扛起我们全部高级智能的那层组织——从视觉区到语言区到运动区，长得几乎一模一样。1978 年，Mountcastle 由此提出一个大胆命题：皮质各处跑的是同一套算法，视觉只是这套算法接了眼睛的输入，语言只是接了另一路输入。但 Mountcastle 只说「有一套通用算法」，没说它是什么。这道空白，就是全书要填的坑。
难点可以压进一个日常动作。你闭上眼，一根手指按到咖啡杯边缘。单这一个触点，信息少得可怜，你却当即知道这是一只杯子。旧解释答不了这题——按深度网络那套，大脑得把边缘拼成形状、形状拼成物体，层层向上汇成一个世界模型；可一个孤零零的触点，没有「层层向上」的余量。它也解释不了：为什么你转动杯子、手指随之滑动，感知到的始终是同一只稳定的杯子，而不是一串跳变的碎片。把智能当成「特征识别」，识别却是静态、被动的；而真实的认识是动的。这处矛盾逼出了一个新答案。
Hawkins 的回答是千脑理论，由三个必须咬合的部件组成，合起来才回答「那套通用算法是什么」。
参考系是皮质的通用货币。 皮质不把知识存成一堆特征，而是把它挂进坐标系：杯子的把手，存的是「在杯子这个参考系里、某个坐标上有个把手」。神经学根基是网格细胞与位置细胞——内嗅皮质和海马靠它们给你所在的房间建坐标图（Moser 与 O'Keefe 凭此拿下 2014 诺奖）。Hawkins 的激进一跃是：新皮质处处都在用同款网格细胞机制，给一切建参考系，不止物理对象，还有数学、政治、民主这些抽象概念。于是「思考」被还原成一个空间动作——在参考系里移动。
模型靠运动与预测长出来，不是拍照拍出来的。 手指在杯子上每挪一步，大脑先预测「下一个触感该是什么」，再用真实输入去对，用预测误差修模型。感知因此是主动的、不断出手押注的过程；学习就发生在预测被打脸的地方。
成千上万个模型，然后投票。 约 15 万个皮质柱，每一个都在用参考系独立建一个完整的物体模型——这才是「一千个脑」：不是一个脑建一个模型，是无数个柱各建各的。它们通过长程连接互相投票，快速收敛。所以底下明明是上万个各自为政的并行模型，你体验到的却是单一、稳定的一只杯子。这不是少数服从多数的举手，更像一场分布式的信念收敛：指向同一个答案的柱彼此增强，指向别处的渐渐消音，直到噪声退去、共识浮出。
感觉输入（手指触点 / 眼动 / 声音）
│
│ 每一步 = 运动 + 预测下一个输入
▼
~15 万个皮质柱，各自用「参考系」独立建一个完整模型
[柱1·整只杯子] [柱2·整只杯子] … [柱n·整只杯子]
│
│ 长程连接 → 相互投票、收敛
▼
共识：单一、稳定的「一个杯子」
f(x) · 怎样回应这个世界
接受千脑理论，「智能」这个词先被换了定义：不再是「能解决什么任务」（下棋、识图、答题），而是「能否用参考系建立可运动、可预测、可持续更新的世界模型」。标准一换，连锁三处松动。
重判今天的 AI。 深度学习按新标准根本没上路：它没有参考系，不靠运动学习，训练完权重就冻结、无法边用边学。它能识别，却不能建模——像一张极精细的静态快照，不是一个会动的认识者。要造真智能，得补上参考系与具身运动。这是能力判断，不是危言耸听。
把「智能」和「欲望」拆开，重判 AI 风险。 这里要用上第二个支点：人有「两个脑」。旧脑（脑干、杏仁核那套基因造的求生机器）管求生、支配、繁殖、恐惧；新脑（新皮质）只管建模，本身不带欲望。求生欲不是智能的副产品，是旧脑的产物。所以「机器一旦够聪明，就会自发想毁灭人类」这类叙事，是把旧脑的动机错安到新脑上——有智能不等于有野心。真正的危险不在机器变聪明，而在人类用旧脑的动机去驱动新脑造出的技术（核武、能批量散播虚假信念的媒介），拿智能给兽性递刀。
重选认同。 既然我们是两个脑，就得选站哪边。旧脑给我们部落、偏见、为一个信念送命的冲动；新脑给我们知识与理解。Hawkins 主张认同新脑：把追求、保存、传递知识本身当作值得为之而活的目标，而不是让求生本能替我们做主。这一步不是心灵鸡汤，是从「智能=新脑的建模活动、与旧脑欲望可分离」直接推出的立场——那个真正在「认识世界」的你，是新脑不是旧脑，因此值得延续的，是知识，而不是基因。