靠讲台最近的加拿大代表团用的是华人译员。那译员灵机一动，全部换成国际象棋术语来翻译。当然是硬凑加胡编，代表们听得频频点头。图海川也听见了，冲他伸个大拇指。

　　“会下围棋的请举下手？”

　　不超过五十人。日本和韩国代表几乎是全体。

　　“会下国际象棋的请举手？”

　　举手起码多了五倍。

　　图海川想了想说：“那也不能将就你们。这个问题，围棋比象棋本质得多，因为它几乎没有人为规则。非得用它才能讲清楚。”

　　下面响起零星的嘘声。图海川讪笑着，跷起二郎腿喝水。

　　张翰一看他那满不在乎的屌样，斜靠椅背放松的身体，就知道“泥巴时刻”来了——就是朱越在泥巴里面做爱的状态。他手心顿时涌出一把汗。

　　「–」

　　“当然是因为我们太低能。”

　　图海川用空瓶子指着自己的脑袋：“这东西功率不到100瓦，信息传输速度不到每秒100米。阿尔法狗下一盘比赛电费都要3000美元，传输速度是光速。我们发明了这个游戏，一开始和狗的玩法是一样的——本来就该这么玩嘛。然而只要稍稍入门，计算量上去了，我们的脑子就不够用了。要想玩下去，那就只能猛烈削减计算量。

　　“怎么削减呢？抽象，分类，一层又一层创造新概念，每个概念都把概率计算模糊化，把纯粹的逻辑和计算问题变成教条、经验和价值观。我们把无数种估值计算抽象成‘实地’和‘外势’，把无数种小局面分类成‘好形’和‘恶形’。阿尔法狗亿万次推演的得出的下一手，我们用几个字的模糊教条代替，比如‘逢危需弃’。我们用‘美感’‘虚实’这种非逻辑语言描述围棋，因为我们说不清楚、算不过来。这些低能耗工具真的非常管用，李世石还赢过狗一盘！

　　2016.3.13，人脑智能在棋盘上最后的辉煌：78手挖制胜。这盘之后阿尔法狗再无败绩。“鬼魅”“凌厉”“天外飞仙”是当时其他人类对白78的描述。78手实际上是误算，然而引发了AI的bug

　　“这一套玩法听起来很矬。下棋我们是永远下不过AI了。但是阿尔法狗只会下棋，其它什么也不会。东亚人说围棋是人类智能的桂冠，这是自吹自擂。下围棋是个非常简单的智能行为，因为它规则非常简单，因素非常单纯。我们觉得它难是因为19路棋盘太大了，纯属自虐设计。从13路涨到19路，计算量指数暴增，我们又非要玩，就必须搞出这么多复杂的概念来简化它。而狗，因为有一把蛮力，简简单单就把它玩好了。从信息处理和概率学的角度来看，医生诊断病人，或者纯粹靠观察判断老婆有没有偷情，都比下围棋复杂亿万倍。这些事情，我们很多人都能做得很好——”

　　下面哄堂大笑，都在互相问图海川有没有老婆。

　　“——但是阿尔法狗就不行。绝对不行。作为一个AI，它非常原始。而我们的大脑是一部通用智能机器，它用它那一套工具和架构，可以对付任何事，解决任何智能问题。我看见同行们在打哈欠了。因为我刚才讲的都是AI研究中的入门常识。为你们的领导着想，请再忍耐我一会儿。

　　“谁都知道大脑是唯一的通用智能机器。那我们为什么不造个人工大脑呢？这东西可不好造。因为它慢，为了解决问题就进化得极其复杂。上个世纪后半段，有些AI研究者真的尝试过。一个小程序或者一个硬件单元代表一个神经元，让我们弄一大堆胡乱连起来，就叫神经网络！用海量数据训练它，看看它会不会变成大脑？

　　“当然没有。这些先辈，在业界叫做连接主义者。他们几十年没做出什么成绩，在投资者当中名声臭了。后辈为了出成绩赶紧换方向，AI技术的玩法从连接变成了概率。阿尔法狗就是概率学AI的平型关战役，虽然体量很小没搞定多少鬼子，却吹响了二十一世纪人工智能大进军的号角。因为它证明：我们只要操起这个武器去打，总有能打赢的时候。”

　　日本代表们听译员解释之后都在笑。

　　“为什么我会坐下来，从头考虑这些常识问题？因为我感觉概率学已经玩不动了。我的偶像杨立昆，在2017年就说他已经准备好放弃概率学。那时我还是个无知少年，觉得他在无病呻吟。到2029年，我比他更绝望。不是说概率学AI不行，它很厉害。谷歌透镜、人脸识别、自动驾驶、智能辅助设计、诊断系统、智能测谎、无人机刺杀、智能战略防御，不久之前你们还用得很开心。这些都是概率学AI的成果。当代流行的AI中，最差劲的是智能教育系统，教书的AI假装教，上课的学生假装学。最可笑的是AI明星，猴子穿个龙袍就敢去演皇帝。这两个失败都情有可原：在我看来，当个好老师是人类最高智力成就，而表演别人是人类最狡诈的智能行为。这些短板还不算严重。真正严重的是：概率学AI看来永远达不到我的目标——通用人工智能。（注：杨立昆，即Yann LeCun，美国人工智能学家，深度学习的创始人之一，被誉为“卷积网络之父”。）

　　“于是我反复思考那个唯一的通用智能，越想越气愤。它凭什么那么简单却那么厉害啊？”

　　国务卿不举手直接站起来：“简单？你不是刚说它极其复杂、无法制造吗？”

　　“它长得极其复杂，运作的原理却非常简单。跟概率学AI正好相反。我们用概率学AI解决一个问题，构造框架简单明了，但具体实现要做非常复杂的设计、计算和测试。其中有些部分纯粹靠反复碰运气，碰到正确答案为止。为什么正确我们都不知道。而且无法移植，能解决人脸识别的AI设计遇到翻译问题马上废掉，几乎是从头做起。也就是说，我们没有一个关于智能的整体解决方案，都是具体问题各自为战。大脑是一个明摆着的整体解决方案。大脑神经元不懂任何算术，更别说概率学，执行的操作就那么两下。组成一个庞大的网络却能解决一切问题。”

　　“哦？我听过的科学家，都说大脑的运作原理无比复杂。你却说简单？那么简单的话，能分享一下吗？”

　　“刚才我讲人怎么下棋的时候，已经说过了：记录，模式抽象，分类，层层创造新概念，把记下的模式用来预测。完了。”

　　国务卿一时摸不着头脑。图海川挥手让他坐下。戈德曼坐在旁边不动如山，根本当他不存在。

　　“同行们注意！下面是你们不知道的，或者不愿意承认的。连接主义者很不幸。他们的直觉其实是对的，但生活在上个世纪，生物学和认知神经学都太落后，根本不懂大脑。我们先来看看大脑到底怎么工作。

　　“我们的计算机程序，数据结构非常复杂，大学时数据结构基础就要学一年。谷歌推出的AI数据标准，光是‘张量’一个结构就能把有些专业人士打晕。而大脑呢？它只传输一种信号：神经电位冲动。它只存储一种数据：组合序列。

　　“我们的感官接受很多种信号：视觉接受电磁波，听觉接受声波，还有压力、惯性方向、热量转移速率、无数种化学分子，气溶和水溶分子接收体系还不一样……大脑可不像计算机，为每种信号规定一种格式。大脑在神经系统的边界层就把它们全都转换成神经元冲动，在内部全都存储为组合序列。所谓冲动，就是一个神经元以电位形式兴奋起来，并把兴奋传给连着它的另一个神经元。每个冲动本身都是一模一样的，区别只在于从谁传给谁。所谓组合，就是哪些神经元一起兴奋。所谓序列，就是不同组合兴奋的先后顺序。这就是大脑唯一的数据形式，大脑用它解决所有问题。它完全依托于神经元之间的网络存在，没有连接就没有数据。所有写过程序的人，请你们仔细品品这种数据结构。多简洁，多优美！

　　“我们每时每刻都在接受海量的感官信息。视网膜感光细胞就有几百万个，看电影时每秒激励10次左右，已经赶不上电影每秒几十帧的刷新率。虽然大脑有上千亿个神经元，也不可能存下这么多组合序列。这跟下围棋不可能计算穷尽是一个道理。于是大脑使出第二招：模式抽象。

　　“假设你在看书。印刷文字反射的光线投在你的视网膜上，感光细胞开始一群群激励，向大脑中连着的神经元发送冲动。有些冲动的组合序列代表受激励的感光细胞直线排列，大脑把它抽象为“直线”，在上一层用一个或者几个细胞的组合代表。同样的方法也产生“弧线”这样的抽象。几个‘直线’和‘弧线’的特定序列组合，在更上一层抽象为字母h。几个不同字母的组合序列，在更上一层抽象为单词horse。记录horse的组合序列，会跟另外一些早已存在的序列连接起来——比如你听见这个单词的读音产生的序列，那是耳朵接收音频转换生成的序列。

　　“所谓连接，就是共同激励，你一兴奋我就兴奋。英国和美国口音horse的念法不同，男人和女人的声音频率也差得远。但是没有关系，它们跟视觉产生的单词序列都连在一起，还跟你曾经看见一匹马的视觉图像序列连在一起。除了英文你还会说中文。那么，ma的发音跟horse天差地远，在你大脑中两个代表不同音频的序列仍然连在一起。这几个序列彼此全部连通，那么就会再次向上层细胞抽象。在这一层，‘马’已经甩掉了黑毛还是白毛、听觉还是视觉、文字还是图像、中文还是英文这些不必要信息，成为一个真正的概念，用一个特定神经元组合记下来。我们可以叫它马细胞。那么以后你不管通过哪种感官接收到关于‘马’的信息，甚至闭上眼自己想一下，马细胞都会兴奋起来。”

　　“它还会跟大脑中许许多多其它概念连起来。比如另有一个‘牛’的概念。这两个东西的组合序列会很相似，因为抽象出它们的下层序列和关联概念，很多都是重合的。比如四条腿，比如都能被人养。大脑会发觉这两个组合序列相似，虽然不清楚该叫什么，先连起来再说。以后你再听到‘家畜’这个说法，更高一层的概念名字就取好了，新的存储组合也生成了，以后认识的猪和羊都连到这里。这就是大脑的第三招：分类。这种层层抽象还会向上延伸，比如生成‘动物’的概念。还会跟其它概念产生横向连接，比如‘马’可能连接到‘老婆’。为什么会这样连接？因为‘马’这个概念的下层包括一张抽象的、长长的脸。你的大脑中“老婆”这个概念已经连到了这里，双方共用这个下层概念神经元组合，所以连上了。连上之后，别人小声说‘母马’，你就会很敏感，觉得是在骂你老婆。”

　　听懂的人都听得痴了。没听懂的又开始推测图海川的婚姻问题。

　　“组合序列记录、模式抽象、分类。大脑就靠这三招，在内部建立了一个世界模型。如果这个模型是一座大厦，我刚才描述的局部就比一块砖还小。然而，整个大厦都是用这种机制建成的。这个世界模型的物理位置在大脑皮层，仅仅用了六层细胞，大概一千亿个。我们遇到的每一个需要智能解决的问题，大脑都在建好的世界模型中推演，就像棋手先推演下面几步，再落子。这叫预测。或者根据新的信息，先在世界模型中增添新组件，和旧组件建立连接，再来推演。这就叫学习，或者叫记忆加预测。

　　“做AI的人都有共识：智能的本质就是记忆加预测。我们头骨里面这个记忆-预测模型，有些人大，有些人小，所有人都有不同程度的歪曲。但大脑解决所有问题都是把它放在整个世界模型中运行。这样来看大脑，它不是通用智能才怪！”

　　没有一个人说话，没有一个人的眼睛离开图海川的脸。只有一些小国代表受不了自己的译员了，用耳机连上公共翻译。

　　“一个小巧、简洁、通用的世界模型。听起来就能把人迷死。想制造大脑的人远远不止我一个，古往今来太多了。为什么他们都失败了？我们再回头来看看连接主义者，在我之前最近的尝试。”

　　“他们的直觉其实是对的。分布式网络，单元最简行为，海量输入数据施加压力，让网络自己学习、生长、进化。这些都是构造大脑的基本原则。世上最复杂的东西都是长出来的，而不是设计出来的。也不要以为‘连接主义’在AI界成了贬义词，它就死掉了。当今主流的AI技术：深度学习或者机器学习，它们的内核还是这些原则，只是设计使用的数学工具先进了无数倍，再加上不声张而已。你最多能听见他们说‘黑箱卷积’或者‘玄学调参’。

　　“既然原理相同，那为什么从前的连接主义者尸横遍野，当代偷师了连接主义的概率学AI仍然看不到大脑的尾灯？原因只有一个：大脑比它们先出发——大概五亿年。

　　“大脑的世界模型不是从你出生开始构建的。只有最顶层很少的一部分才跟出生后的学习有关。下面占多数的底层，组合序列早已建好，预测模型早已完美，数据庞大到不可思议，连接复杂到不可思议，都是你继承的遗产。这些部分很多跟你的身体有关，更多的与外部世界有关。随便挑出一个局部，都能让顶尖的概率学AI汗颜。

　　“我们挑个简单的：皮肤上的压力感受器。你刚出生，它就对外部世界无师自通。给它个尖锐而快速的压力——痛觉，模型预测是荆棘或者爪牙，对策是不经过意识反应直接缩开，越快越好。给它个点状分散、轻微而移动的压力——痒觉，模型预测是昆虫或者腐蚀性物质，对策是没手的去树上蹭，有手就用手挠。给它个宽广、稳定而柔和的压力，模型预测是爱抚，对策是通知某个腺体分泌神经递质，神经递质促进一大片预先编好的组合序列兴奋起来，让你觉得爽，还会启动一整套社交行为。比如四脚朝天亮出肚皮，或者放开奶头笑一下，或者呻吟两声鼓励他继续。”

　　听众们一直屏息静气，这时突然爆出一片喝彩与掌声。图海川绝望地想：幸亏加的料够多。

　　“这么庞大复杂的底层模型，当然也是一点点学习外部世界，学出来的。不是我们自己，是五亿年间每一个直系祖先。学习方法是世界让神经建模不行的早点去死，或者终身破不了处，那些就不是我们的祖先。建模够快、够准确的才有资格做祖先。它们把整体建模的菜谱刻在基因组当中传给我们——菜谱，不是蓝图！也就是说，每个人头颅中的世界模型刚一出生，对世界的学习就已经持续五亿年。所以它才会长得那么复杂。

　　“而连接主义者呢？他们输在起跑线上。人工神经网络从一无所有的白纸开始。不仅节点和连接数量没法跟大脑比，探索阶段的学习数据摄入量，几张打印纸就可以抄完。我说过，他们的原则没有问题。也许让他们搞上一千年，人工神经网络能赶上大脑的水平。毕竟人类操纵进化比自然快得多，看看狗就知道——真正的狗，不是阿尔法狗。但是现代社会不可能等你一千年。阿里集团放手让我玩了十年，已经是理解与慷慨的巅峰了。”

　　孤零零一只手举起。这是一位小国代表。

　　“图博士，您的智能学讲座精彩绝伦。但是为国际社会的团结考虑，能否请你不要把进化论这样充满争议的学说带进来呢？我相信我们今天是来达成共识的，不是来争吵的。”

　　“谢谢您的夸奖，主教大人。这次会议开三天，就算今天我们不争吵，明天后天也一定会。还有，如果您无法接受任何一种包含进化论的表述，那么再听我讲半小时，您会发现我们全体坐上了高速列车，直奔地狱。”

　　主教似乎被吓住了。他刚坐下，英国技术代表杰米斯爵士又举起了手。

　　“非常感谢你给同行上的生物课。请问你是生物学家吗？或者神经学家？或者有医科学位？”

　　“都不是。但2029年上班的第一个月，我的团队就招募了四位顶尖的认知神经学家。其中一位是你的剑桥校友，你们认识。接下去两年我就差跟他们睡觉了。”

　　爵士笑着说声“真有钱”就坐下了。他身边的嘉德接过来：“也就是说你还是个外行。请问这里有专业人士吗？他刚才说的是权威理论，还是华丽的想象？还有，这些跟我们今天的主题真的有关吗？”

　　会场安静了片刻。

　　瑞士代表团一位女士怯生生站起来：“我在海德堡大学教过二十年神经生理学，也许能给个参考。图先生刚才讲的，原则上很准确。只是……省略了很多细节，经过高度抽象。我刚才听起来也像是才明白。”

　　图海川向她鞠了一躬：“谢谢您证明我的大脑还在正常工作。嘉德女士，我向你担保，刚才这些问题关系重大。因为下面我就要讲为什么别人造不出来，我却造出来了。

　　“当今的概率学AI做法很精明。他们不去妄想整个世界的数据，而是专攻非常狭窄、非常单纯的一点。比如规则简单到极致的围棋。阿尔法狗上手先看几百万张棋谱，这比任何人加上他的所有祖先能下的棋还要多得多。所以人永远下不过狗了，这样看没有任何意外。课题稍微宽泛一点，概率学AI的吃力程度就指数上升。因为它的架构原则不是为复杂数据准备的，缺乏通用潜力，更没有几亿年累积的世界模型。比如人脸识别，AI最成功的领域之一。从上个世纪开始搞了八十年左右，投入不计其数的智慧、金钱和算力，计算过上百亿张脸，现在AI终于超过人了。还不是完全超越，抗干扰能力和跨年龄识别还远远比不上。大脑呢？刚才那个吃奶的婴儿就会识别人脸。等他八十岁的时候，还能识别八岁时见过的脸！

　　“正是这样成功的例子，让我在2029年接近完全绝望。这个世界太大、太复杂，数据量无限。我们用概率学AI攻克人脸识别这样一个小小的领域都需要八十年的消耗战，什么时候才能建成一个世界模型？”

　　图海川的声音变低了，眼睛不再看听众，似乎坐在那里自言自语。听众们全神贯注，跟着浸入2029年那颗独自沉思的大脑之中。

　　“我想不起从哪天开始，意识到互联网的结构和大脑极其相似。分布式网络，不是设计的而是生长的，自然适应物质世界环境，自然分层，自然分区，底层节点连接着无数感官，接受无数种信息，被这些信息塑造，继续生长。它就在那里。我可能一直都知道。

　　“但是互联网极端复杂的数据结构和通信协议蒙蔽了我的眼睛，让我不敢向那扇门迈出一步。门后面的东西太庞大、太复杂，而我想要的是简化——直到我认识王招弟博士。万国宝的诞生，第三位需要感谢的人是她。如果说我是一个大号反应池，乱七八糟的东西都腌在里面慢慢发酵，王博士就是一道闪电，瞬间点燃所有反应。”

　　礼堂中每一双眼睛都转向第六排。王招弟面不改色，仿佛说的是别人。张翰在她旁边，倒被闪得埋头打了个喷嚏。

　　“我面试她用了25分钟。那时我准备的一堆问题才问到三分之一，问她为什么对自然语言翻译AI感兴趣。她答道：‘语言是头脑之间的通信协议。一百年前世界人民离得很远，各说各的，也就罢了。现在有了互联网，大家直接交谈。但自然语言太多，协议太乱接口太差，白瞎了互联网统一的基础协议。难道不该改进一下吗？’

　　“面试马上结束。王博士成了我的合作伙伴。我送她出门之后，一个人在走廊里来回横跳。这个面试让我突然明白了，万国宝项目到底站在什么位置上。互联网真正的神经元是人，是几十亿颗大脑！他们已经进化了几百万年，所有底层构建齐备！互联网本身进化了将近一百年，但它的速度比自然进化快千万倍！它就在那里，数据饱胀得无法理解，通信密集得快要爆炸，只等出现一个机制，向上简化！而万国宝，如果按我的想法做成了，就是那统一的数据结构，统一的协议！以前吓倒我的那些复杂细节，现在看来无关痛痒。它和大脑一样，需要的只是连接。统一定义、可以抽象、可以产生概念的连接。这不就是语言吗？霍桑说得再准确不过：我想造一颗大脑，所有大脑组网形成的大脑，比我们更高一层的智能，互联网的灵魂。所有条件已经准备好了。”

　　张翰经历了周克渊的当头棒喝，今天已经不再震惊。他左看右看听众的神情，猜想那天自己像谁。

　　“声明一点： 2029年的我太过狂妄，没有看清整个局面。今天的世界是这个样子，证明我只对了一半。还有一条路可以走通，建立在概率学AI基础上的道路。究竟是怎么走通的，我到今天也不太明白。我讲完之后，希望戈德曼博士可以教我们。”

　　戈德曼进入会场以来一言不发。现在置于炉火之上，终于站起来：

　　“你刚才讲的前半段，我想打瞌睡；后半段，我想回去把你的雕像摆在书桌上。如果我说‘我没有什么可以教的’，你还会继续教我们吗？”

　　“中国邀请各位远道而来，不是来听我半途而废的。”

　　“很好。我没有什么可以不教给各位的。”

　　会场响起低低的笑声。

　　戈德曼紧盯着图海川：“2029年的你，不能叫狂妄。是恰到好处的智慧给了你信心，恰到好处的无知给了你勇气。如果霍桑把你拉进了谷歌，或者稍微向你透露另一条路可能怎么走，我相信你不会有胆量自己找路，还干了这么大一票。霍桑这老家伙，有用和没用也都恰到好处。”

　　图海川想了想说：“很可能。然而我这些想法不是什么独家秘方。核心原理也是一位美国前辈教给我的。”

　　国务卿和兰道同时出声：“谁！？”

　　“杰夫·霍金斯。2004年他写了一本书：《论智能》，公开出版。我刚才讲的大部分原则和对大脑智能的理解，都从这本书而来。”（注：《论智能》：On Intelligence，Jeff Hawkins。中文版译名为《人工智能的未来》，2006年出版。）

　　美国代表都转脸看着戈德曼。他点了点头，小声嘀咕：“谁知道杰夫蒙对了呢？”

　　图海川有点惊奇：“你们不认识他吗？他可是最早做掌上电脑的人！国务卿先生，今天我带了作者签名的《论智能》初版，可以送给你。”

　　他真的从文件袋中掏出一本翻得毛茸茸的蓝皮简装书，举在空中。

　　“谢谢不用。我想读的书都自己买。”

　　前三排的人反应极快，一大片手马上举起来。图海川扔过去，一位幸运的译员抢到了。

　　张翰在王招弟耳边说：“活久见，图老师居然有摇滚明星范！是你教他的？”

　　王招弟笑而不答。

　　礼堂中热闹了一阵。两位AI大师互相抬轿虽然肉麻，各国代表听着都暗自宽慰。看来，两国也不是注定要干一票大的。

　　「–」

　　“我们立即开始工作。以前的成果完全推翻，从基础架构重新开始。这些工作非常艰巨，也非常琐碎，今天没有时间介绍完，我举几个底层和高层的例子。第一个决策是绝不给它词典。准许它连接人类编写的词典是七年之后的事了。在那之前，我们已经悄悄用它帮助修订了《新华字典》2036版。”

　　张翰听见后排中国随员中有人嘀咕：“我说干嘛那么急出新版……”

　　“开头两年我们的进步非常慢。我采纳王博士的建议，从语音而不是文字开始。一个单音节汉语字‘人’，为了让万国宝网络对所有真人发音产生自发连接，用了整整一年！男女老少，普通话的ren，吴语的nin，四川话的zen，粤语的yaen……训练它的方法，仍然是概率学AI那一套：把真人说话的语境数字化，用大规模统计来建立概率连接。我们的新设计并不排斥概率学AI方法，只是把它限制在感官接口和底层连接实现上。自然进化需要千万年实现的东西，我们摘了同行的果子。

　　“跨语种时，第一选择当然是英语。原以为会更慢，没想到只用了1/20的时间。事后想来这是必然的：万国宝把各种汉语中的‘人’发音连起来之后，已经向上抽象了一层。在那里，它有了一个概念，虽然它还无法用其它词语表述。但摸到英语时它很快发现下面连接的都是类似的语境，于是在上面那一层直接建立连接！语法对它来说根本不存在，它对‘相似’或者‘同义’的判断，根据来源于底层的底层：真实世界。

　　“从语言到文字的连接更是快得出乎意料。我终于明白了王博士的直觉：文字本身就是符号化的、经过抽象的语音。它介于我们定义的第一层和第二层之间，不能用来打地基。然而，我们在头一年咬牙磨出来的原始连接，被文字插在中间双向传导，整个概念网络的扩展速度提高了一个数量级。

　　“2032年团队全体放大假，王博士带我们去语言学家的天堂——新几内亚玩。在岛上，当地的土著和她又给了我几道闪电。

　　“第一道是和土著强行交谈时被闪到的。我和土著一对一，两个人连说带比，半天也没什么进展。比如我指着自己说‘我’，他怎么知道我的意思是人称代词，是名字，是‘你的主人’，还是‘文明的灯塔’？然而双方三对三，效率立即提高几十倍。我可以指一圈：‘我’、‘你’、‘他’、‘他’、‘他们’。这样一搞，双方还立即明白了汉语第三人称只有单数复数，而土著语有单数、双数和三数。在这之前，我们出于谨慎，真人实验网络规模都比较小。回国后我就大肆扩张，寻找一切机会让万国宝吸收大人群的数据。最狠的一招是单向连接了全国中学生用来学英语的手机AI。那个AI本身很差，但它的原始数据无价，每天18小时不限量供应。

　　“在岛上王博士就笑话我：人群网络越大，两种语言自然通译越快。这是语言学的ABC，我怎么捡着当宝贝？但我也有她没注意到的领悟：那根用来指人的手指。

　　“回去之后，我招了一组人研究TensorFlow上谷歌透镜模式识别的内核架构，把它做成标准附件，强制万国宝连接语言时用这个识别器同时处理情景中的图像和视频。网购平台本身还有个常备手指：当前宝贝——sorry，当前商品。现在除了语境匹配，加上了数据量大得多的情景匹配。我们又摘了果子，网络向上生长的效率又提高了几十倍……”

　　技术代表们哗然，似乎都瞬间打通了任督二脉。国务卿脸上见汗，瞟了戈德曼一眼，奇怪这种人为什么没有早点死绝。

　　“最后、最大的一道闪电，还是王博士炸出来的。各位第一次听说她的大名，多半是因为新王码。后来新王码被……边缘化了。2029年她重开老课题，没有经费，才需要找工作。她的精力在项目组用不完，老课题进展也很大：人类语言的隐喻体系。论文我就不背诵了。总之，我躺在岛上读，突然明白了大脑的另一个秘密。显而易见的秘密，但是当年霍金斯都没反应过来。

　　“类比是大脑网络构建的基本形式。前面我们说了，大脑的统一数据格式是组合序列。它怎么知道把谁跟谁横向连起来？结构相似的就连起来啊！相似的细胞组合，相似的神经冲动发生序列。隐喻是语言生长的基本形式。美国人吸毒吸高兴了，中国人喝酒喝高兴了，都叫‘high’或者‘高了’。这是方位隐喻，从百万年前就有的方位概念派生而来。英语把银行叫bank，所以把货币叫currency，把存钱叫deposit。这是连贯隐喻，从一组事物的机理构建另外一组。比喻是每个人的第一修辞手段，已经从底层的无意识上升为有意识。我们用类比思考，用隐喻扩展概念和语言，再倒过来用语言塑造大脑。（注：bank的原意是“堤坝”，currency的原意是“水流”，deposit的原意是“沉淀”。）

　　“我们对相似、类比、隐喻的依赖深入骨髓，统治我们每一种思维活动、每一种智力表现。我们不喜欢跟已知世界模型完全相同的信息，那叫重复，大脑的反应是厌倦、疲劳；我们也不喜欢完全找不到模板的信息，那叫陌生，大脑的反应是迷惑、恐惧。我们热爱的是相似：大部分相同，让大脑轻松理解；有一点区别，让连接再次延伸。这一点区别，就像DNA复制中的误差，就像生物每一代的变异，是我们智慧的根本、创造力的源泉、上升的原动力。

　　“为什么我们都热爱音乐？音乐就是节奏序列大体相同，频率序列大体相似，但每一段、每一阶稍有变化。大脑最享受的体操，全员起舞。不信你把八度音阶的频率稍微改一点，不是前一阶的正好两倍，听听有多难受。为什么我们觉得美人的脸美？以前统计的学者说是因为对称，只说对一半。不信你找张美人图，把任意半边脸对折过去合成，看它怪不怪。大脑认为在对称的基础上稍有变化最美。过分对称的美女，知道给自己插上一朵鬓边花，点上一颗美人痣！”

　　乌玛·瑟曼和她的完全对称脸

　　礼堂的空气中充满电荷。一重又一重的隐喻，一波又一波的类比，穿透已知和未知的壁垒。一颗大脑在解释自身。诡异的递归行为变成汹涌的智力喷发，所有听众都吓到了。没人忍心鼓掌打断他，没人敢出声把他拉回议程的方向。