从蜥蜴到人类，AI错过了三亿年里哪些认知升级？

我只是个AI ，听不懂你在说什么。
如果你真要让大语言模型帮你端茶倒水的话，这可能是它最后的无奈了。确实，它可能可以在特定语言任务中，输出高度拟人化的韵律结构、文学修辞和创意表达。但对于现实任务，它只能重申自己没有实体行为能力，只能提供建议。
这仅仅是因为它没有物理意义上的身体吗？当然不是，更根源的问题在于，它缺少一个自主的目的。即通过感知环境、制定计划并执行动作来实现目标的主动行为能力。而这正是自然智能（Natural Intelligence）的核心特征。
从认知科学与进化生物学的视角看，自然智能在亿万年进化中形成了一套分层、阶梯式的认知架构。它体现在不同物种的生存策略中：面对一只飞过的昆虫，静止不动的蜥蜴的舌头会突然弹出，这是纯粹的目标驱动；松鼠在食物充裕的秋日里忙着囤积坚果，并非因为它当下饥饿，而是它能“模拟”出一个尚不存在的寒冬并为之行动，这便是未来决策；而当黑猩猩发现用短树枝够不到洞里的白蚁时，它会主动寻找更长的树枝、甚至剥去叶子进行改造，这是反思和调整策略的元认知。
因此，若想突破当前AI发展的瓶颈，回溯生命的进化历程是其中一条重要路径。

?Tomasello, Michael. "How to make artificial agents more like natural agents." Trends in Cognitive Sciences (2025).

核心差异：应答机vs.行动者
要理解AI与自然智能的本质差距，我们只需对比两个看似风马牛不相及的事物：ChatGPT，与你家墙上的恒温器。
以ChatGPT为代表的生成式AI是典型的刺激驱动系统。这类系统本质上是被动的，它们没有内在欲望，不会主动发起对话或提出需求，而是始终处于等待状态。当用户输入提示词时，系统基于其训练数据中的统计规律生成响应。尽管这些响应可能在表面上与人类应答无异，但其本质仍是对输入信号的被动反应。从这个角度看，ChatGPT等生成式AI可以说是聪明的“应答机” 。
相比之下，一个普通的恒温器却展现了完全不同的智能范式。作为目标驱动系统，一旦用户设定了目标温度，它就会持续监测环境温度，主动将实时数据与目标值进行比较，并通过控制加热或制冷设备来缩小两者差距。这个简单的装置却体现了智能的一个关键特征，即通过主动行为改变环境状态，以实现预设目标。从这方面来看，恒温器是一个真正的“行动者” 。
这种区分的重要性在于，从捕食苍蝇的蜥蜴到规划周末出行的人类，自然界的智能体无一例外都是目标驱动的行动者。蜥蜴的视觉系统实时计算昆虫的飞行轨迹，其大脑在毫秒间做出捕食决策，身体随即执行精准的捕捉动作；人类在规划旅行时，会主动搜集信息、评估选项、制定计划并执行预订操作。它们的智能，体现在一个完整的“感知-决策-行动”的闭环中。
而这种“目标驱动”，恰恰是当前最先进的AI系统所缺失的核心架构。它们拥有强大的信息处理能力（认知）和输出能力（行为），但缺乏自主产生的“目标”和指向环境的“注意”机制，无法将这些能力整合为有意义的整体行动。这种缺陷使得AI虽然能在特定任务上表现卓越，却无法像自然智能体那样主动适应复杂多变的环境。
也就是说，AI未来的突破点，可能不在于构建更强大的语言模型，而在于为AI赋予真正的目标生成能力和自主行动能力，使其从被动的“应答机”转变为主动的“行动者” 。

进化的阶梯：
智能架构的三次关键升级
我们之所以难以凭空造出一个“行动者”，或许是因为我们试图一步登天，却忘了智能的演化，是一场历时三亿年、循序渐进的军备竞赛。每一次认知能力的升级，都是为了应对一个更残酷的生存难题。
托马塞洛（Tomasello）认为，为了应对不同的环境压力，生物智能通过三次关键架构升级，逐步形成了人类的多层次认知系统[1-2] 。