1 从生物与机器智能的割裂对立谈起 

        自人类开启对心智与思维的探索以来，智能 始终是哲学、科学、技术与工程、数学领域交叉研 究的命题。从古典哲学对意识本源的思辨，到近 代神经科学对人脑结构、神经活动与认知机理的 解剖分析[1]，再到现代人工智能的跨越式迭代发 展[2]，人类对生物智能与机器智能的认知不断深 化，但二者割裂对立的认知范式却长期占据主流[3]。 传统学术视角下，由碳基生命演化而来的人脑， 依托神经细胞、生物电信号、生理代谢形成原生 的智能，常被赋予神秘性与特殊性；而依托机械、 电子 (包含传感器、集成电路芯片等)、半导体物 理、算法与代码所构建的硅基人工智能，则被简 单定义为功能模拟，被判定为无自主认知、无生 命内核的 “仿制品”。这种根深蒂固的二元思维， 在生物智能与机器智能之间人为划定森严的边 界，成为束缚通用人工智能技术突破的无形壁垒[4]。 

          近现代学科细分进一步强化了这种认知割 裂。神经科学聚焦人脑神经元、突触连接、脑区 分工与认知活动机制[1]；计算机科学与人工智能 以图灵机为理论基础，以计算机为载体，围绕算 法设计、数据挖掘、知识挖掘、功能复刻开展工程 实践[5]；物理学、热力学则长期游离于认知研究之 外，少有学者将统计物理学、生物物理学、生命认 知与机器认知纳入同一套底层物理规律开展一体 化分析[6-7]。学科壁垒的存在，使得学界长期囿于 “功能模仿” 的研发思路：从早期单纯的计算、数 理逻辑、专家系统、解析推理，到如今大语言模 型、计算机视觉、服务型机器人，多数研究始终在 复刻人类行为，默认机器只能模仿智能表象，无 法触及思维的内核，苦于追问什么才是“真正的” 人工智能[4]。这一认知局限直接制约通用人工智 能的发展，长期缺乏自洽的底层理论支撑。在算 力提升、数据规模扩张、算法优化、知识挖掘遇到 天花板的当下，一个根本性问题亟待解答：智能 究竟是碳基生命独有，还是复杂系统演化到特定 阶段后，依托初始认知核和思维软构体成长，实 现自主认知的普遍现象[8]？ 

        蒸汽机、电力、互联网，本质都是延伸人类的 身体与认知能力。进入 21 世纪，大数据、云计 算、深度学习三大技术底座驱动人工智能全面落地，认知不再神秘，从实验室走向生产、生活、国 防等诸多领域[2]。人工智能不仅能够完成常规感 知、语言交互、逻辑计算等任务，而且在棋类博 弈、专业数据分析、内容生成等领域落地民生，性 能已超越人类顶尖水平。与此同时，非平衡态热 力学、耗散结构理论、自组织理论、贝叶斯认知等 复杂系统科学日趋成熟[9-10]，认知物理学作为新兴 交叉学科逐步成型[11]，最小变分自由能原理、认 知四要素说也为解读智能提供了全新范式[8, 12]。 普利高津提出的耗散结构理论，证明开放系统可 通过持续与外界交换物质、能量、信息流，引入负 熵流对抗熵增，实现从无序到有序的自组织演化[13]。 如同生命没有明确的起点一样，并不存在一个特 定的时间点，将无生命物质转变为生命物质，处 在这个漫长灰色地带的地球微生物出现于至少 35 亿年前，而智人的出现仅仅在 30 万年前。人 们当然不会忘记 6 年前，作为微生物的新冠病毒， 显然还不是生命，但对人类发动了一次“全球攻 击”，其生化智能不可小觑。因此，不妨仅以物理 系统、系统开放度、能量流动、结构演化作为依 据，为人机智能的统一研究搭建理论框架。该理 论不再刻意区分是不是生命，而将人的智能与人 工智能统一视作开放复杂系统，重新审视其内在 一致性[14]。人脑并非脱离物理规律的神秘精神载 体，本质是由数百亿神经元构成的非线性网络， 依靠结构压缩产生智能，依靠持续供给的物质、 能量与外界信息流维持有序结构，依托负反馈调 节保障认知的稳定性，遵循物理、化学、数学–物 理工程规律，完成感知、思维软构体构建、推理决 策、知识发现等认知行为[15]。而以类脑芯片、智 能集群、无人驾驶、机器人为代表的人工智能，同 样是典型的开放耗散系统[16]：硬件持续消耗电 能，不断接收语音、图像、数据、文本、指令、环境 等外部信息流，依靠算法与网络结构实施信号解 析、思维软构体迭代、完成思维和具身行为智能， 依托控制论中的负反馈机制修正偏差，稳定运 行。二者在系统属性、熵变规律、自组织逻辑、运 行模式上高度契合，遵循最小自由能原理[17]，天 然倾向于降低能量消耗。思维软构体作为两类智 能系统开展高级认知活动的核心载体，呈现出显 著的同构特征，这也是本文提出人机智能同源性 的依据[18]。 

    当前人工智能正从专用智能向通用智能加速演进，具身智能、自主智能体成为行业前沿方向[19]。 专用机器人以单一任务优化为目标，而通用人工 智能要求系统具备类人化的感知、认知、学习、推 理与自适应能力，其核心就是构建可自主演化、 跨场景复用的思维软构体，同时兼顾系统运行的 能量效率[20-21]。这要求彻底跳出表层模仿的传统 研发思路，从智能本源、系统底层规律层面构建 认知基础理论。与此同时，细胞生物学、脑科学 与生命起源相关研究也遭遇瓶颈，单纯从细胞、 基因、脑区等层面解析人脑，难以阐释生命、思 维、认知、学习等宏观行为，亟需开展跨学科研究[1]。 本文站在图灵、维纳、薛定谔、普利高津等科 学巨人的肩上[6,9]，以耗散结构理论、自组织理论、 控制论、图灵方程、非平衡态热力学、生物物理 学、统计物理学为基础，结合认知物理学与认知 工程实践[11,22]，逐层剖析人机智能在底层系统、运 行逻辑、演化模式上的同源特征与同构规律。努 力构建以耗散结构、自组织、认知四要素说、最小 自由能原理为一体的、人机智能同源的理论，融 入初始认知核、思维软构体概念[8, 18]，填补认知科 学、人工智能交叉领域的理论空白；无需再纠缠 什么是“真正的”人工智能[4]，而是从底层逻辑阐 释智能的内在机理，厘清生物智能与机器智能都 植根于物理学，扭转长期以来的二元对立认知； 为通用人工智能、类脑计算、具身智能的研发提 供指导[16, 19]。此外，也为生命起源、认知演化、宇 宙复杂系统的相关研究提供新的视角。在科学走 向大交叉、大融合的时代背景下，打破学科壁垒 势在必行，既是认知科学发展的必然选择，也是对人工智能技术的拓展[23]。

支持单位：