每本书都有一个背景故事，叙述作者的成书缘起。通常，背景故事是放在全书的最后几页，像事后想法一样夹杂在一大堆致谢当中，似乎无关紧要。大多数科学著作会将背景故事，连同作者进行研究时脑海中冒出来的各种代名词和想法完全省掉。科学著作应该是简洁且客观的事实罗列（仿佛任何事实都是无可争辩的），就像写给《自然》(Nature)杂志的长信那样。
因此，本书不是一本科学著作。它探索性地讲述了一些非正统科学家的思想、实验和生活，他们正以许多超出你我认知的方式在塑造我们的未来。他们中的某些人认为自己正在掀起一场场革命。事实上，他们的确如此。我讲述他们的故事和我自己的故事，因为作为一名新闻记者，我一直认为，记叙文能同议论文一样向读者传递大量信息，而且讲得好的故事毫无例外地会带有一定的观点。希望诸位读者能够了解我的观点，以及我的观点的形成过程，这样才能判断我的叙述是否带有偏见和不公正，抑或是客观属实的。如果你不知道我的所思所想的缘起，那么你就无法知道如何理解我所讲的内容，以及我省略了什么。
追根溯源，这本书萌芽于我小时候，那时我大概九岁。那时我第一次开始问自己：什么是智能？谁又展现出了智能？
这些问题一直困扰着我，它们总是在我生命中的关键时刻出现。环境总是带有个人观点，并且总是很紧迫。我常常想知道：我聪明吗？我够聪明吗？我的孩子聪明吗？
在第一次问这些问题时，我确信自己很笨。我身边重要的人看起来都那么聪明。我想要具备他们所拥有的那些特质，但那到底是什么呢？许多年之后，我才知道有一整套文献专门研究这些问题。这些问题曾让一些智者为之困惑和着迷，比如亚里士多德(Aristotle)和大卫·休谟(David Hume)，特别是查尔斯·达尔文(Charles Darwin)和他的儿子弗朗西斯(Francis)，以及达尔文的表弟弗朗西斯·高尔顿(Francis Galton)。19世纪以来，一代又一代的人类学家、动物行为学家、生态学家、心理学家、教育家、神经病学家和计算主义者奉献了他们生命中最好的时光，试图弄明白什么是智能。（我有没有提到微生物学家和植物学家？）
他们的大多数沉思都聚焦于我们——智人。而我们得到这一分类学名称是因为我们具备思考和解决问题的能力：智慧是我们的区别性特征，这一特质使我们超越了其他所有物种。现代计算机科学之父阿兰·图灵(Alan Turing)甚至把模仿人类智慧作为所有人工智能的目标。他说，人工智能必须能够让我们误以为它们是我们的同类。
……
对人类故事的第一次重大修订是由伟大的人类学家和古生物学家刘易斯·里基 (Louis Leakey) 发起的。他对人类的自然历史很感兴趣，因此想要知道复杂的社会行为始于何时，以及我们的哪些祖先首先展示出了这些行为。但古人的遗骨和古老灶台能揭示的此类行为的信息也只有这么多而已。里基认为，我们可以通过研究类人猿“表亲”来了解我们的史前史，因为我们从类人猿中分化出来的时间仅有数百万年。他怀疑类人猿远比我们想象的聪明，也更接近人类。
1959年，里基筹集到了足够的资金，把他的第一位“天使”——简·古道尔(Jane Goodall) 派遣到野生环境中研究黑猩猩的自然行为。他认为，在男人遭遇失败的领域，女人会取得成功，因为女人比男人更善于观察且更有耐心（与里基一起工作的女人必须要有耐心）
描述里基（Leakey）和他的家庭生活的一本奇妙的书是弗吉尼亚·莫莱尔、西蒙和舒斯特（Schuster）于1996年写的《祖先的热情》。里基试图与所有三个天使发生关系，而且肯定与简·古多尔（Jane Goodall）的母亲关系密切，但他的妻子玛丽（Mary）却容忍了这些和更坏的事，同时自己也发现了许多重要的化石。
当古道尔报告称野生黑猩猩制造工具时，世界各地的行为科学家都震惊了。直到那时，制造工具还一直被认为是人类的决定性特征——智能——的客观产物。接下来，古道尔又将黑猩猩描述为生活在复杂社会中的社会性动物。她记录了它们的权力阶层、族群间战争和爱情、嫉妒、共享的能力，甚至收养行为，以及它们如何猎取比自己小的哺乳动物。古道尔让贡贝 (Gombe) 的黑猩猩举世闻名，她为每一个黑猩猩取名（这引起了保守派学者的恐慌），写下它们的生活故事，就好像它们是人类一样。
戴安·福西 (Dian Fossey) 的研究紧随其后，她在刚果维龙加国家公园(Virunga National Park)研究山地大猩猩。这座公园位于刚果与卢旺达的边境附近，后来被划入卢旺达。她也给大猩猩取了名字，并让它们出了名。就在我们制作《新荒野》系列的过程中，福西在保护大猩猩免受偷猎者和所谓保护旅游伤害的战斗中被害。随后，里基的第三位天使——加拿大人比鲁特·高尔迪卡斯 (Birute Galdikas)开始对极其聪明的婆罗洲猩猩进行报道。而这些猩猩的生存却受到了威胁，因为它们赖以生存的雨林遭到了砍伐和焚烧。
那时，其他科学家也在发表文章，介绍他们正在野外研究的其他物种所表现出的智能行为。他们常常拍摄电影来记录自己的工作。《新荒野》购买了这些电影的播放权，而且我们把他们的照片变成了故事。
……
让“人脑”走下神坛
韩锋
智能是什么？
我曾问一位世界级的人工智能专家，他说没有权威的定义。后来，我又尝试与一位来清华大学访问的美国专家讨论智能的定义，他也没有直接回答。但他的一番话值得人深思，他说：“要等30年，等到人类把大脑研究清楚才可以回答什么是智能。”我终于明白了他们不敢回答智能的关键：人类有一个天然的假设：只有人的大脑才可能有真正的智能。就像几百年前我们相信地球是宇宙的中心一样，我们把“人脑”放到了智能领域的中心位置，某个至高无上的位置。但可惜的是，在生物学领域，人在大脑的研究上进展甚微，我们至今也不清楚大脑运转的机制，所以现在专家们都不敢回答“智能是什么”。
但本书的作者，伊莱恩·迪瓦，以其记者的敏锐、求真的渴望、智者的良知，用大量的采访事实试图告诉我们：认为“人脑”的智能至高无上，主要是由于人对于其他物种的无知，对于宇宙规律理解得肤浅，以及难以避免的偏见。其实智能大量存在于和人脑完全不同的事物中。因此，她想当“哥白尼第二”！
在研究区块链是否具有分布式智能的时候，我查了许多文献，发现在20世纪30年代，阿兰·图灵就石破天惊地提出：机器也可以（像人那样）思考吗？这也是他的一篇著名论文的标题。
众所周知，阿兰·图灵是计算机之父，计算机界的图灵奖可以与诺贝尔奖并驾齐驱。跨越一个世纪，我们再回到阿兰·图灵的问题，重新思考智能究竟如何产生，就会发现不光是生物大脑才可以产生智能，物理的图灵机也可以产生智能，甚至已经做到了通过图灵测试让人无法识别机器和人脑的差别既然符合物理规律的机器也可以产生“智能”，那让我们鼓足勇气，用物理定律去探寻智能是什么吧:
第一，智能一定是一个低熵系统。熵代表系统的混乱和无知程度。产生智能的前提是要想办法降低系统的熵，这样才能产生确定的信息，这正是计算机现今在做的事情。
第二，智能要能够产生信息的结构和秩序，没有结构的信息没法表达意义（比如语法）。
第三，目前人工智能最大的突破——产生概念和意识，也就是智能的整体收敛性。
接下来让我们一步步分析。
第一，一个系统要想降低熵，就一定要有麦克斯韦妖。在麦克斯韦时代（100多年前，麦克斯韦刚刚为电磁学奠定基础），熵最大原理处于统治地位。熵增原理能统治着几乎所有的热力学现象。但麦克斯韦设想系统中存在一种“妖”，它能把一个封闭盒子里的本来热平衡的分子从一边赶到另一边，从而让一个热力学系统自动熵减，违反熵最大的原理。100多年来，这一设想让世界物理学家迷惑不解。
直到1961年，IBM实验室提出的Landauer原理，以及1982年C.Bennett才逐渐解释了麦克斯韦妖的现象，但解释得依旧不彻底。我认为，麦克斯韦妖必须要用量子不确定性来解答：① 它为什么存在；②它为什么不违反熵最大原理。
事实上，这并不违反熵增原理，由于系统中麦克斯韦妖的存在，熵才会减少。这个过程中，系统里的麦克斯韦妖把自己的信息给了系统，自己的熵增大了。所以整个过程并不违反熵最大原理。
……
先大概说一下重整化群，重整化群究竟是一个什么样的方法？为什么它可以收敛到低熵？比如说这个自旋系统，它是可以自相似的，就是这个三角形可以无限小，就是每个格子还可以产生更小的三角形。你再看更小的三角形，就跟那个树叶一样，它还可以无限的小，就是这么一个结构。本来描述这样一个自相似的分形结构需要的信息熵是无穷大！
那重整化群怎么处理呢？
既然它是自相似的，三个三角形又可以构成一个更大的三角形，它某种程度上自相似，而且规律是一样的。这些所谓的三角形，这三个又能构成跟大的三角形，它是一个不同地层次，但是规律是一样的。我让这些无穷多的小积分积到一块儿，做一个常数加进来，然后我只关注大的三角形就行了，可以几次迭代下去，这样我们就可以得到一个低熵有限的收敛结果，这是量子场论最早产生的重整化群，最早完全没意识到它的意义，只不过当时就是为了回避所谓积分无穷大。
所谓深度学习网络DNN的办法，完全类似（如下图所示）：这个图右上角那个就表示DNN的重整化群过程，本来最下面一层可视神经元收到的信息熵可以很大，然后第二层神经元和他们有一个相互作用J，但是只用了第一层三分之一的神经元（这对应于自相似结构的尺度放大三角形），但是只有这第二层的作用，基本无法做到让DNN“学习差距”最小，所以还得多设这样的神经网络层，但每层的神经元数都递减，都符合重整化群的变换规则，最后达到DNN“学习差距”最小的目的，也就是一个低熵收敛的结果。人工智能网络的“概念”，诞生了！
重整化群的特点，我们总结一下，就是不断通过信息的自相似来降低我们每层神经网络的节点数，让我们处理的信息熵越来越少，但又不失去信息的整体特征（概念）。
人工智能其实最难以突破的就是所谓模式识别。蔡维德教授说我们的计算都是快速地笨蛋，它是不能形成概念的，你要让他识别猫，你把天下所有猫的照片给它了，它也不知道什么叫猫。它只能是暴力计算。
所以人工智能曾经停滞很多年，就是因为它只能用穷举法。我就说了，最后你会发现，这些所谓的概念完全是一种自相似的概念，那个猫，那天下所有猫，最后你为什么能有猫的概念，你是完全忽略了每个个体的不同，它的毛不同、爪子不同、眼睛的颜色不同，你全忽略了，最后收敛到一个猫的感觉，一个完全跟重整化群类似的一个智能过程，它把大量地不同信息“卷积”重整掉，但是它找到了内在联系和相似性，把细节都忽略掉。Google的神经网络首先做到了这一点，2012年，它终于从千万张猫的照片中形成了猫的概念（见下图）：
最近互联网金融有个特火的概念，叫“区块链”
区块链目前还是一种很初级的人工智能，只是利用分布式节点记账（麦克斯韦妖）来构建一个低熵的信用系统。即使以太坊区块链的智能合约，也只是希望实现“自动执行”。但是以太坊实现了区块链上的图灵完备编程，未来可以设想区块链的网络可以向重整化群和深度学习方向发展。如此，多层次的区块链将真正可能实现全球大脑的功能。
总而言之，人类终于到达了一个认知临界点：我们可以完全以宇宙的普遍规律来理解智能，人脑只是宇宙万物中智能现象的一部分，但它不是宇宙的唯一，也不是智能的中心！
让我们和本书作者一起，开启人类的第二次启蒙运动之旅吧！
新书资讯