第2章
反饋效率決定進化速度

不同的世界基于不同的HFL機制運轉，有不同的進化速度。當人類本能的內部世界還停在石器時代，外部世界則在互聯網和AI的反饋數據驅動下不斷加速演化。兩個系統的不同步是人類的健康、精神、社會等眾多問題產生的根源之一。

來自外部世界的反饋

我們是如何認識外部世界的？物理學通過拓展觀察范圍而產生新的想象和假設，并通過實驗和對實踐的檢驗獲得來自外部客觀世界的反饋，同時以數學不斷重新構建嚴謹的體系。基于人類感官能夠直接獲得的反饋信息，誕生了牛頓物理體系、平面幾何；基于在太空的觀察尺度上獲得的反饋，誕生了愛因斯坦的相對論，這個物理框架和黎曼幾何體系相對應；基于粒子加速器在微觀量子尺度上的試驗反饋，誕生了楊振寧物理體系、邱成桐幾何。某種意義上，在特定的假設框架和反饋檢驗能力所能達到的范圍內，你看到的是你能看到的世界。

在不同的假設框架下，人們會看到不同的世界。對于同樣的人類健康問題，中醫強調整體，西醫強調解決問題，并且基于各自的假設形成不同的診治循環體系。在不同的系統里假設不同且難以統一，但這并不影響各自產生的效果。從另一個角度來說，不同的HFL機制也在塑造不一樣的世界和不一樣的認知。

世界是一個復雜關系體。以某種角度來看，認知是模式的匹配，每個人都會以帶有個人視角的框架去預判一個新事物。通常，我們通過事物之間的復雜關聯關系來建立每個點在世界中的相對位置和意義，這是一個關系體模型。人腦、互聯網和人工智能深度學習算法都是通過不同的網絡結構和機制模擬外部世界的關系結構，并在反饋中不斷提升擬合度。網絡結構最大化連接的同時，也可以基于反饋形成最強的結構擬合能力。

在相互交織的互聯網世界里，谷歌的網頁抓取工具會從數千億個網頁中收集信息，并評估這些網頁和不同關鍵詞的關系。算法會分析數百種不同的因素，在內容的新鮮度和網頁的使用體驗之外，為了評估內容在相關主題方面的可信度和權威性，谷歌會尋找那些看起來在類似查詢中受到大量用戶青睞的網站，這會影響用戶在搜索結果頁上點擊并跳轉某網站的概率，并基于用戶的點擊行為調整網頁和內容以及服務在相關搜索詞下的相關性權重，我們簡單稱之為點擊調權。借助用戶的應用反饋，互聯網的網絡結構在更好地擬合分散的信息與不同搜索請求之間的關聯關系網絡。

智能在大規模反饋中的涌現。在AI算法方面，1986年，大衛·E.魯梅爾哈特、杰弗里·E.辛頓、羅納德·J.威廉姆斯聯合發布了一篇關于通過反向傳播誤差學習表示的論文，迄今已在谷歌學術網站中累積獲得8萬多次訪問，產生1萬多篇引文。論文里面介紹了一種新的學習過程，即反向傳播，用于類似神經元的單元網絡。該過程反復調整網絡中連接的權重，以最小化網絡的實際輸出向量與所需輸出向量之間的差異，作為權重調整的結果，不屬于輸入或輸出的內部“隱藏”單元代表任務域的重要特征，并且任務中的規律性通過這些單元的交互來捕獲。創建有用的新特征的能力將反向傳播與早期的、更簡單的方法（例如感知器收斂過程）區分開來。杰弗里·E.辛頓后來也因反向傳播等杰出貢獻被行業稱為“深度學習三巨頭之一”。網絡連接權重對樣本數據的反饋，不斷修正預測函數，以神經網絡結構更好地擬合樣本數據中潛在的統計學規律，這可以被認為是這一代AI算法能夠解決越來越多實用性問題的根本來源。

在AI應用方面，有了智能，我們就可以在變化的世界和變化的需求之間，為人類靈活地建立確定性秩序提供方法，就像在外太空建立有引力地模擬地球生存空間穩態。而且，在一定的范式之下，我們越是建立熵減秩序，越是需要消耗更多的算力和數據。所以，我們需要用智能創造更大的價值來平衡這種成本，才能形成可持續的正反饋，這是AI在算法的第一層反饋之上需要解決的第二層反饋機制。

總體而言，反饋產生秩序，帶來智能和熵減。我們構建的這些復雜系統都是來自簡單反饋。找到簡單的反饋機制，然后不斷擴大網絡規模，成就互聯網。找到簡單的反饋機制，然后利用算力的指數級加速和數據規模，成就AI。

來自內部世界的反饋

人類本能也是一套可靠的算法，它成功地解決了人類的生存和延續問題。這套算法采用了更加穩妥的從反饋中學習的方法，以生存為代價而非模擬環境，代價決定了這套算法是傾向于保守的。以20瓦上下的碳基算力為基礎，以個體的環境數據為制約，以生育周期為代際循環，通過遺傳共享，這種反饋進化機制和硅基智能的進化速度已經無法相提并論。外部世界與內部世界的不同步導致了眾多問題，人類不得不發明更多平行系統來彌補在自然系統中進化的不足。

世界的兩個節奏

我們所從事的商業可以分為兩類，一類是基于對人類本能的理解和反饋，更多是在生活形態的演變中水平變化，并無垂直進步，這和人類本能的進化速度是同步的。另一類是對外部世界的反饋和認知，是由科學和技術推動的。就像微軟將ChatGPT整合進眾多產品，正在以數據驅動的方式讓萬事萬物成為智能體，并接近進化速度的奇點。