# 《首要怀疑》7：用噪声调节脑洞（完） ![](https://piccdn3.umiwi.com/img/202303/02/202303021132075875069767.jpeg) 我们把蒂姆·帕尔默的《首要怀疑》这本书讲完。学习的一大乐趣就是你突然发现，本来看似不相关的两个东西，其实是一回事，它们背后有同一个原理。 帕尔默这本书的一个关键元素是噪声——也就是人为添加的随机性。之前我们把噪声加入天气模型里做预测，它可以大大节省算力，能迅速找到各种可能的结果，能预测比如说发生飓风的概率。噪声，可以用来替代精密的计算。 这一讲我们要说的是，人的大脑就是一台会用噪声计算的机器。 ✵ 先看一道算法题。想象你在探测一条山路，有上坡有下坡，有山峰有低谷。你的任务是在最少的步骤内找到路上尽可能高的一座山并且停留在那里。这个游戏的特点是你不用走：每一步，你或者选择从地图上的一个点跳跃到另一个点；或者选择随便报一个点，让系统告诉你那个点的高度是多少。请问你会用什么样的方式跳跃呢？ ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2023030213/1801455506104067664/030213.png) 直观的办法是沿着路、从左到右挨个位置查看高度，这就太慢了。 一个符合直觉的更快的算法是先随便选一个点，以这个点为基础，往左和往右各移动一步，看看哪边会升高，然后往升高的方向移动，继续探测下一个点。如果你发现两边都比这里低，那你就找到了一个高点。这个方法的问题在于你很容易被卡在一个局部的山峰上，会错过更高的山。 有个特别好的算法叫「模拟退火算法（Simulated Annealing）」。设想你在地图中位于A点，你知道A点的高度。现在随机选择一个之前没去过的B点，如果B点高于A点，你就跳到B点；如果B点低于A点，那么你有两个选择—— * 如果现在还处在探测的早期，那你就以一个比较高的概率跳到B点。这是因为地图对你来说还有很多不确定性，你随便跳一下将来碰到更高点的概率很大； * 如果已经在探测晚期，那就降低跳跃的概率。 其实这个过程很像找工作跳槽：如果你对行业还不太了解，有差不多的机会就可以跳；如果你已经很了解这个行业了，那就必须看到更高的工资才跳。 为啥叫模拟退火算法呢？因为这就好像是一块烧红了的铁，一开始非常热，它比较柔软，容易做出改变；随着时间推移，铁慢慢冷却，就变硬了，就不容易改变了。时间越长，温度越冷，铁越硬，你越不爱改变。 如果我们把随机的跳跃想象成噪声，那么退火的过程就是一个噪声越来越小，行动越来越专注的过程。 模拟退火算法被证明是一个非常高效的探测方法。这个算法给了我们三个提示。 第一，按部就班地行动，按照固定的方向一个个扫描，是非常低效的探测方式； 第二，主动加入随机性，能迅速帮你找到更好的出路； 第三，对随机性要控制地使用：早期可以多随机一点，然后逐渐减少随机，后期的行动要越来越明确。 这样把随机性和方向性结合起来，是解决问题的一个好办法。 ✵ 可能你已经想到了，先发散后集中，人脑的创造性思维不就是这样的吗？我们解数学题从来都不是把自己学过的所有解题技巧都拿出来，十八般兵器都摆在桌子上挨个试，那太慢了。我们往往是让思维先跳来跳去，有时候跳对了就直接找到思路。 科学家做出重大发现的「尤里卡时刻」，也是如此。比如罗杰·彭罗斯有一天在上班路上和一个同事边走边聊，等到过一个马路，两人暂停了聊天，小心注意车辆，过了马路继续聊，然后他就跟同事分开了。就在这个时候，彭罗斯突然感到一种莫名的欣喜！他觉得好像是有个好事儿发生了，但他想不起来是什么事。 于是他就开始回忆，从早餐吃什么一直回忆到过马路那一刻……他突然意识到，刚才过马路的时候，自己产生了一个想法，可以用来解决他最近一直在思考的时空奇点问题。他赶紧写成一篇论文。 这篇发表于1965年的论文，后来帮他拿到了诺贝尔物理学奖。 类似这样的故事实在太多了。比如张益唐是怎么想到解决孪生素数猜想的关键一步的？那天他在朋友家玩，朋友让他去后院看看有没有鹿走进来，张益唐一到后院，突然之间灵感就来了。 证明了费马大定理的数学家怀尔斯对此专门有个总结，说解决难题得分三步—— * 第一步，你必须先非常专注地一直想这个问题，把方方面面都想清楚； * 第二步，停下来，放松放松，暂时不刻意思考这个问题。这时候潜意识就会接管…… * 第三步，说不定什么时候，灵感就突然出现了。 其实这个办法可能你早就知道，我们专栏以前就讲过。 不过，帕尔默在书中给这种思考模式提供了一个非常有意思的解释。 ✵ 我们知道丹尼尔·卡尼曼在《思考，快与慢》这本书里有个著名的说法，叫做系统1和系统2。系统1是毫不费力的、快速的、自动的思考；系统2是像解数学题一样、慢的、逻辑性强的、高度集中注意力的思考。 帕尔默说，如果你看大脑的功耗，不管大脑是处于系统1还是系统2，都是每秒钟消耗20焦耳的能量，等同于一个20瓦的电灯泡。那系统1和系统2的区别是什么呢？ 当大脑处在系统1状态的时候，能耗是被分散在好几个任务上，你同时在做几件事，每件事得到的思考功率都比较低。而大脑在系统2时，所有能耗都集中在一个任务上。这样说的话，系统1和系统2也可以叫低功率模式和功率密集模式。 在大脑硬件层面上，这两种模式有重大区别：功率会影响神经元传递信号的精确性。 下面图中是一个脑神经元—— ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2023030216/1801467635091735068/030216.png) 一个信号从细胞体发出，要经过一个长长的轴突，才能传递到轴突末梢。电信号直接传过去的话，在路上就消散了。为了确保电信号能精确传达，它必须经过轴突上几个「郎飞结」做连续的放大才行。那些郎飞结就如同是蛋白质晶体管。 但是放大信号是需要消耗能量的。如果大脑处在系统1，也就是低能耗模式下，特定神经元就不会得到很多能量，信号在传递过程中就会出现损失，因而产生噪声。 但正如我们前面说的，噪声不见得是坏事。噪声可以让思维跳跃，能给你带来灵感……这就是为什么当你处于多任务模式的时候，心不在焉的时候，容易出灵感。 其实大脑根本离不开噪声。不可能每根神经元都精确传递信号，没有那么多能量可用。你平时看一张图片、或者观看窗外的景色，从来没有一个像素一个像素地看，你的神经元都已经做了四舍五入，用大量的噪声去填补空白。我们一直在使用噪声。 但如果你一直处在低功率模式中，完全不集中注意力，那也不会取得任何成就。新想法来了你还得过滤它，好的就留下，不好的就放弃——随着思考的深入，你会越来越倾向于某个方向，噪声就逐渐降低，信号逐渐加强，就好像模拟退火算法一样，你的想法越来越坚定。 以前我们用脑神经科学的说法，这就是大脑要在「默认模式网络」「突显网络」和「中央执行网络」之间快速切换从而产生创造力。而在这里，帕尔默用能耗和噪声解释了其中更底层的原理。 噪声还有个更深刻的含义。 ✵ 天气模型的噪声都不是它的本体算法生成的，噪声是研究者从外部强加的。对模拟退火算法来说，噪声是用随机数产生器加入的。对大脑来说，噪声是不能完全用你的思维控制的东西。 简单说，因为噪声的存在，我们的大脑就不完全是算法的。 注意这可是一个非常厉害也非常有争议的洞见。正常的计算机程序里没有噪声，它总是精确执行你的指令。当然你可以加入随机数，但软件层面的随机数都是“伪随机数”，仍然由算法生成，不能算噪声。 帕尔默这里却说，大脑，有真噪声。 再请注意，这里并不是说大脑本质上是不确定的——帕尔默反对量子力学的内在不确定性解释——这里只是说大脑的行为不能用一个算法描写。正如三体系统没有轨道公式。 大脑，本质上是个乱纪元事物。 大脑不完全是算法，这正是彭罗斯的名著《皇帝新脑》那本书的核心思想。彭罗斯说如果大脑完全是一个执行特定算法的机器，它就无法超越哥德尔不完备性定理，它就不能够欣赏那些“不能用数学证明、但又能感知到它是对的”的东西。 计算机算法之父阿兰·图灵也有句名言：如果一个机器绝对不会犯错，它就不可能是智能的。 ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2023030216/1801467701663704656/030216.png) 正因为有噪声，才让我们的大脑超越了算法。 你的思维跳跃、你的走神儿和溜号、你的白日梦、你模模糊糊记不清刚刚看见的东西，你稀里糊涂就敢接受一些不严格的观念，才让你成为一个人而不是一台机器。 但这可不是说我们跟计算机有什么本质的区别——毕竟计算机里也可以加噪声。帕尔默就建议人工智能也不要全是算法，也应该主动加入一些噪声。他建议将来计算机可以用两种芯片，一种是传统的确定性芯片，另一种芯片则故意把功率降低，让芯片本身带有一些噪声，进行模糊的计算…… 我猜帕尔默肯定没用过GPT-3。根本不需要什么特殊芯片，GPT-3可以直接加噪声。 ✵ 比如ChatGPT，很多人不知道，你可以设定它的温度值。温度是0到1之间的一个数，温度越高表示噪声越大、随机性越强。温度低，ChatGPT输出的是按部就班、中规中矩、没什么想象力的答案；把温度调高，它会输出开脑洞的答案。 比如我问ChatGPT，如果让马斯克开办一个研究所，他会让科学家们研究什么？我先把温度设成0.1，ChatGPT回答说，马斯克一直对太空探索、可持续能源、人工智能等技术领域感兴趣，所以他开办研究所可能会让科学家研究可持续能源、太空技术、人工智能、电动汽车等领域。 这个答案听起来很合理，但是过于合理，有点缺乏想象力。 接着我把温度改成0.9，让ChatGPT重新回答。这次它就提出了一些前沿和颠覆性的技术，说可能会研究“超级智能融合技术”，虚拟现实、时间旅行什么的。 ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2023030216/1801467737097182740/030216.png) 你看这个功能多好，你可以通过温度调节AI脑洞的大小！这岂不是比人脑还方便吗？ ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2023030216/1801467766088237596/030216.png) ✵ 我认为噪声并不能说明人脑和计算机有什么本质区别。毕竟计算机也可以自带非算法的噪声，正如帕尔默说的可以在硬件上做手脚。事实上现在的计算机芯片上本来就有个物理的随机数产生器。 但是如果计算机经常能以你意想不到的方式跟你互动，你会更容易觉得它是活的。你如果想在工作中有更高的存在感，也可以给自己多加点噪声，多开脑洞，发挥创造性，你会更像是一个人而不是一台机器。 帕尔默在全书最后试图用他的「不变集」理论解释人的意识、自由意志和宗教，我感觉他说的过于牵强，而且也不优美。我不太喜欢那套理论，咱们就不讲了。 但是我讲过的这些——除了帕尔默对量子力学的新解释之外——还是非常可靠的。 （The End） ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2023030217/1801467788636792400/030217.jpeg) ## 划重点 正因为有噪声，才让我们的大脑超越了算法。 你的思维跳跃、你的走神儿和溜号、你的白日梦、你模模糊糊记不清刚刚看见的东西，你稀里糊涂就敢接受一些不严格的观念，才让你成为一个人而不是一台机器。