无尘阁日记

无尘阁日记

考试脑科学4:它讲大脑的那一章,只占 9.1%
silcano

微信读书《考试脑科学4:AI 与大脑如何协作》([日]池谷裕二 著,刘会祯、马奈 译,人民邮电出版社,2025 年 11 月,ISBN 9787115684035)· 本次逐页翻阅 243 屏,从版权页读到「全书完」,前言、6 章 106 节、结语全部覆盖,抓取标记为全书读完(end=last_page),耗时 217 秒。没有遇到会员卡遮挡。
说明:这本书的日文原版版权页写着「Copyright © Yuji Ikegaya 2024」,中文版 2025 年 11 月出。作者是脑科学家,前言里说自己是日本科学技术振兴机构(JST)「人脑与 AI 融合项目」的代表。我的评价标准就按这个身份来:一个脑科学家写 AI,我期待的是「大脑这边被说清了什么」,而不是「AI 那边又发生了什么」。

翻完 243 屏,我做了一件作者大概不希望读者做的事:数了他的目录。

106 节,243 屏,平均 2.3 屏一节。带「脑」字的章节标题,5 个。带「复习」「练习」的,0 个。而带「生成式 AI」的,一屏接一屏,从第 1 章排到第 2 章,四十几节连成串。

书名叫《考试脑科学 4:AI 与大脑如何协作》。我先把判断放前面:它承诺的是「协作」,交付的是「说明书」——真正讲大脑怎么变的那一章,只有 22 屏,占全书 9.1%。

一、先把这本书的账本摊开

按 pages.jsonl 逐页统计章节归属,243 屏是这么分的:

版权信息 2 屏;前言 5 屏;第 1 章「生成式 AI 是什么」39 屏(16.0%);第 2 章「玩转生成式 AI 的技巧」59 屏(24.3%);第 3 章「比自己更了解自己」28 屏(11.5%);第 4 章「生成式 AI 带来的十大问题」42 屏(17.3%);第 5 章「新工具带来的大脑使用方式变革」22 屏(9.1%);第 6 章「生成式 AI 是引领未来的『神』吗」46 屏(18.9%);结语 3 屏。

三句话概括:讲 AI 是什么、怎么用,占 40.3%;讲 AI 有什么问题,占 17.3%;真正落到大脑这个主题上的第 5 章,占 9.1%。

第 2 章那 59 屏,我逐节看过标题:「使用生成式 AI 离不开提示词」「诀窍在于标明角色」「公文等固定格式的文章也不在话下」「撰写提示词的技巧」「为自己量身定制的私人写作助手」「AI 写的读后感」……这是一份很干净的入门教程,但它跟「大脑」没有关系,跟任何一个讲 AI 的公众号也没有关系。

而第 5 章那 22 屏,标题是:「人类大脑的使用方式正在发生变化」「『选择力』比记忆力更重要」「AI 所不具备的人类特性是什么」「大脑应专注于『人类的本职工作』」「随着 AI 的进步,文科类技能将更受重视」。

这几节才是我翻开这本书想看的。可惜它们平均 2.4 屏一节,刚起了个话头,下一节就换题了。

二、他不心虚,他知道自己在干什么

起初我以为这是本「挂羊头」的书——挂脑科学的牌子,卖 AI 入门课。读到前言第二段,我把这个判断收了回去。他自己写得很清楚:

「本书既不是介绍目前热门话题『生成式 AI』的说明书,也不是培养能够随时随地运用生成式 AI 的战斗力的实用书。当然,我们会谈及生成文章和图像的前沿技术如今发展到了什么阶段,但本书的目的不止于此,而是旨在探讨生成式 AI 与人类大脑应该如何协同工作,构建未来的社会。」

前言里还有一句更像核心命题:「AI 无法在一切方面替代人类,AI 与人类有各自的固定角色。」这是全书的论点,也是全书最省事的一句——「固定角色」是什么、边界画在哪,它从头到尾没有给出一张清单。后面两百多屏都绕着这句话走,却没有一次停下来把它拆开。

他还交代了方法:「我并没有从头到尾解说 AI 技术,而是探究 AI 与人类大脑的关联性」。这句是诚实的。问题在于,诚实的定位救不了结构的失衡——前言说「不止于此」,可正文的第一件事,仍然是花 98 屏(第 1 章加第 2 章)把「此」讲完。

第 1 章那 39 屏也值得说一句。它排了 16 节:AI 的定义随时代改变、三次 AI 浪潮、老旧系统神经网络崛起、生成式 AI 方兴未艾、不用教就会吗、为什么叫「生成」、通过数值计算写出「文章」、谷歌研发的 Bard 懂得语境、ChatGPT 带来的 iPhone 式冲击、Claude 3.5 的强大算力、生成式 AI 行业「四强争霸」、左右企业命运的大数据获取法、问答引擎崛起令谷歌焦虑、迈向按需选用生成式 AI 的时代、超越第四名后排第几。16 节、39 屏,平均 2.4 屏。这个密度意味着每一节只够说一件事,说完立刻换台:七十年的学科史压成三句话,「神经网络崛起」两屏,而「Claude 3.5 的强大算力」也占两屏——一门学科的历史和一款模型的版本更新,在这本书里是同一个尺寸。

为什么不直接进正题?我能替他想出一个不算勉强的理由:这本书的预设读者是不太用 AI 的人。对这些人来说,不谈清「AI 是什么」,后面谈「大脑怎么办」就是空的。第 2 章里他写过一段自己的教学现场——他给研究生做了一份「生成式 AI 对比系统」,把同一个问题同时丢给几个模型看回答。截图里那个问题是「日本最著名的旅游景点是哪里」,几个窗口并排,GPT-4o、Claude 3.5、Gemini 1.5 Pro 各说各的:京都、富士山、富士山、富士山。

这段放在第 2 章开头,是有用的。它至少说明作者不是纸上谈兵,他真在课上用。

但我还是要说:一本 243 屏的书,用 98 屏做「预备知识」,读者拿到手的就不是一本书,是一本讲义加一份产品说明。更要命的是,这份产品说明写的是 2024 年的产品。

三、写得最好的一句,和他自己踩的刹车

全书我标了荧光笔的地方只有一处,在第 4 章末尾,讲「使用生成式 AI 无法自动提升论文质量」的那一节(p0172)。他写:

「论文的读者 90% 是生成式 AI,而不是人类。换句话说,我们正在进入一个新时代:论文的价值取决于它是否易于被 AI 理解。撰写论文的主流趋势正在从面向人类转为面向 AI。」

后面这句更狠:

「最近我告诉学生们『试着用生成式 AI 总结你的论文。如果 AI 总结得不好,就说明你原文写得有问题』,以此指导他们撰写易于被 AI 解读的论文。」

这句话为什么硬?因为它把「AI 时代的写作」从风格问题、伦理问题,变成了一个可测的问题:你的文章能不能被机器摘出来。能被摘出来,说明你有明确的论点、清楚的结构、不靠语气的暗示——这些恰好也是人类审稿人喜欢的东西。它比一万句「提示词要写清楚」都有用,因为它给了一个自检手段。

我也得说清这句话的来源性质:它不是实验结论,是他作为导师和审稿人的现场观察。「90%」这个数字没有出处,是个体感估计。但作为一个每天要处理稿件的人给出的体感,它比很多论文里的抽样都值得听。

同一节往下翻两屏,他立刻补了一段,语气完全反过来:

「由于审稿人仍然会仔细阅读原文,因此论文质量仍需达到人类审稿的标准。也就是说,假如研究者们平时不阅读原始论文,仅依赖 AI 总结的摘要,那么一旦需要自己撰写论文,就会感到十分为难。……我教导我的学生『每天至少从头到尾阅读一篇英语论文原文』。虽然可以借助 AI 看论文摘要,但选择不使用 AI,直接阅读原文,会有更多的学习收获,这一点不容忽视。」

这两段放在一起,才是完整的判断:承认你已经写给了 AI 看,所以你更得自己读。不是「别用 AI」,也不是「AI 就够了」,而是「你的读者变了,但你的能力还得靠自己长」。

这是全书唯一一处作者自己跟自己较劲、并且较赢了的地方。我喜欢它的原因很具体:他先给了一个刺人的观察,再用自己的实践把话拉回来,没有让那个漂亮的「90%」悬在空中当金句。这种写法在科普书里少见,多数作者舍不得。

顺便说,这句话在中文语境里其实更成立。我们这边的论文、开题、答辩、评审意见,本来就有大量「格式正确、论点空心」的文本;一份能让机器一次摘出结论的东西,往往也能让人一次看懂。反过来说,如果一篇文章连 AI 都摘不出主张,那它大概率也没有主张。这个自检法比它看起来更狠,因为它不问你写得好不好,只问你有没有东西。

第 2 章里还有一节,标题是「语文好的人更容易用生成式 AI 写出好文章」。这个判断我同意,而且它跟 p0172 那句话是一回事的两面:能不能把要求说清楚,取决于你原本有没有想清楚。提示词不是咒语,它是一份需求说明;写不好需求的人,换成跟人沟通也一样写不好。

《考试脑科学4:AI与大脑如何协作》核心知识图谱
243 屏的账本、三处真料、一句判断,以及四条短板

四、十个问题,四十二屏,每个都收在「需要社会共识」

第 4 章是全书最像「专著」的一章:十大问题,一节一个,42 屏,平均 4.2 屏一个问题。

十个问题排下来是:黑箱、信息泄露、判断错误的责任归属、幻觉扩散、大众对 AI「审美疲劳」、忽视人类心理进行开发的失败风险、缺乏面向实际应用的社会环境基础、侵权风险、助长偏见和歧视、人类需要比以往更加努力。

单子开得全,看得出是从使用现场长出来的。偏见那一节的材料也扎实——他引了 2024 年 2 月《自然》上的一篇论文:用「空乘人员」作为关键词搜索,显示的几乎都是女性空乘的图片;搜「音乐老师」几乎全是女教师,搜「数学老师」几乎全是男教师。接着他讲了一个更细的例子:让 AI 判断「I be so happy」这句话错在哪,标准答案是 be 动词该用 am;但非裔美国人英语(AAE)里这种表达是常态,判定它「错」,等于把一种方言标成错误,也等于给说这种英语的人贴标签。

这个例子选得好,因为它不是「AI 有偏见」的口号,而是一个具体的、可以争论的判断:语法标准本身是不是权力。这一节值 4 屏。

但整章的问题也在这里:十个问题,十个落点,全是「需要社会共识」「需要完善制度」「需要每个人提高意识」。最典型的是「判断错误的责任归属」,给了 4 屏,讲完自动驾驶撞人该怪谁、医疗 AI 误诊该怪谁,最后一屏停在「责任划分尚不明确」。我不指望一本 243 屏的科普书给出立法方案,但至少可以说清「在现有法律框架下,谁先承担第一责任」——这一句他没写。

结果就是:这一章读起来像一份风险清单,而不是一次判断。

五、真正硬的一处:大鼠的脑电波变成一张画

第 3 章有一节,标题是「从大鼠的脑电波中诞生的世界上独一无二的艺术」。里面有一张图,图注写着:「用脑电图仪监测大鼠的脑电波(左),并据此让 AI 图像生成器输出图画(右)(图:山城皓太郎)」。

正文的解释很短:

「输入生成式 AI 的数据也可以是自己的脑电波、脉搏或心电图等。只要输入这些测量值,当前自己的状态就会像屏保画面一样以图像的形式呈现出来。生成式 AI 不仅能够处理人类的信息,甚至能将来自动物的模糊信息转化为其他形式,这样的技术在几年前是不可能实现的。」

这 3 屏,是整本书里我唯一觉得「非他不可」的地方。理由不是它多深刻,而是它换了一个问题:别人问「AI 能不能画得像」,他问「AI 能不能把测出来的、没人看得懂的信号,翻译成另一种形式」。

这两件事的区别很大。前者是审美问题,后者是测量问题。脑电波是一条曲线,人看它就是一堆抖动;把它变成一张画,等于给「状态」造了一个可看的外观。这条路如果走通,临床上的癫痫监测、睡眠分期、麻醉深度,都可能换一种读法——不是看波形,是看图像。

但把这件事往深里想一步,就会发现它没写完。生成模型是从数据分布里采样,它擅长的是「像」;脑电波不是语言,也不像任何训练语料里的东西,它凭什么能被翻译成图像?是找到了一个中间表征,还是干脆只取了几条统计量?这一步怎么对齐的,书里没有讲。3 屏里,1 屏图,1 屏图注,1 屏感慨。「几年前不可能实现」这句话我信,但「怎么实现的」才是读者真正想知道的,而它恰好被跳过了。

可惜这样的段落,全书只有一处。剩下的 240 屏里,讲 AI 的部分,一个科技记者查两天资料就能写;讲大脑的部分,又大多停在「据说」「研究表明」的转述上。

六、关于意识,他答得很干脆

第 6 章问「生成式 AI 是引领未来的『神』吗」。这一章里有一段,是我认为全书回答得最不含糊的:他先讲,在讨论 AI 有没有意识之前,人们先吵过「互联网有没有意识」。互联网是无数计算机连成的巨大回路,「互联网」这个词的字面意思就是「相互连接的回路」;人脑是神经元连成的回路,意识从回路里长出来——那 80 亿人的手机和电脑连成的网,是不是也能长出意识?

他的回答是六个字:

「然而,对于这一问题,我的答案很明确:不会。」

依据是整合信息理论(IIT):用 Φ 值衡量一个系统的意识程度,Φ 越高越可能有意识;按这个算法,互联网的复杂度不够,达不到人类那样的意识水平;前文提到的昆虫,也大概率没有显意识。

干脆是干脆,但这里我要提出不同意见:他拿一个本身还在被争论的理论,当了一份判决书。IIT 的 Φ 值怎么算、能不能算、算出来能不能跨系统比较,学界一直有争议,书里一个字没提。用「我的答案很明确」的口气跨过这场争论,是他这本书里最省力、也最经不起推敲的一处。

同一章还有一节,标题就很勾人:「不知游戏规则却表现突出的黑白棋 GPT」。4 屏,是全书标题最漂亮的一节。它指向的问题比意识更实用:一个系统可以在不知道规则的情况下表现得像懂规则,那「懂」这个字还剩多少分量?这跟第 5 章「选择力比记忆力更重要」其实是同一件事的两面——如果规则不必被知道,那需要被知道的是什么?可惜这一节也只开了个头。

反倒是同一章里一个不起眼的小节标题,比整场意识讨论都利索:「AI 是否有『心』并不重要」。有用就够了,能办事就够了;有没有心是他自己的哲学趣味,不是使用者的问题。这句话如果展开写 20 屏,会比现在的第 6 章值钱。

七、一本 2024 年的清单,与它真正的短板

书里出现频率最高的模型名是这几个:Bard、GPT-4o、Claude 3.5、Gemini 1.5 Pro。有一处他写得很实在:「截至 2024 年 9 月,我们已经确认 Gemini、Claude 等 AI 也能解决这个问题了」——他举的两个当时的经典难题是:strawberry 这个词里有几个 r(答案 3 个)、如何从 6 匹马中选出最快的一匹(答案:让 6 匹马同时比赛)。

日文原版版权页是 2024 年,中文版 2025 年 11 月。今天读,这些段落已经隔了一年半。这不是作者的错,是这类书的宿命。但它给了一个很实用的选书方法:一本讲 AI 的书,讲工具的那部分可以扔,讲人的那部分才有半衰期。这本书恰好把最容易过期的 40% 放在了最前面,于是翻它的时候会有一种奇怪的感觉——像在看一份去年的体检报告。

还有一处细节能看出成书时间:他写「截至 2024 年 9 月,我们已经确认 Gemini、Claude 等 AI 也能解决这个问题了」——一个需要标日期的判断,半年后就作废。而同一本书里「选择力比记忆力更重要」「『没有身体性』和『没有身体』是不同的」这类句子,不需要标日期。同一支笔,两种寿命,作者自己大概也清楚,只是没舍得删。

这里还有个写作上的教训,我觉得比书里的任何观点都有用:把最易过期的内容放在最前面,等于给自己设了一个保质期。池谷裕二不是不会写,他的第 3 章、第 5 章、第 6 章都有能留十年的段落;可读者第一眼见到的,是 Bard 和 Claude 3.5。

上面这条讲的是保质期,下面三条讲的是这本书本身。

第一,篇幅分配跟书名不一致。「AI 与大脑如何协作」是书名,可讲大脑怎么变的第 5 章只有 22 屏(9.1%),而讲 AI 是什么、怎么用的是 98 屏(40.3%)。读者奔着「协作」来,前四成拿到的是入门课。这个失衡不是笔力问题,是取舍问题——他选择了先教会读者用,再谈用的时候脑子发生了什么。选择可以理解,代价是书名成了一句客气话。

第二,106 节、2.3 屏一节,碎得接不上线。每 2 屏换一个小标题,等于每 500 字换一次话题。好处是随时能放下,坏处是没有任何一个论点被推到第三步。「选择力比记忆力更重要」2 屏,「大脑应专注于人类的本职工作」2 屏,「人类编织出的『不完美』才是最美的」3 屏——每一句都能当书摘,每一句往下追问一句就没了。读者拿到的是 106 个「值得思考」,不是一条论证。

第三,所有问题都停在「值得思考」。十个问题全收在「需要社会共识」;意识问题用一句「我的答案很明确:不会」跨过了理论争议;责任归属 4 屏没给出任何一条可执行的划分规则。这本书的态度是「提示」,不是「判断」。对一本随笔集,这没什么;对一本打着「脑科学」招牌、作者又是领域内项目负责人的书,读者有理由要得更硬一点。

第四,一个旁证。微信读书上这本书的推荐值是 72.4%,34 人点评。这个数字在同类书里偏低,说明不只我一个人觉得它名实之间差着一截。当然样本很小,只能当参考,不是判决。

八、那它值不值得读

值,但要挑着读,而且只值三处。

一处是 p0172 那两段——「论文的读者 90% 是 AI」和「每天至少读一篇英文原文」。这两段的组合,比市面上绝大多数谈「AI 与学习」的文章都清醒,而且能立刻用:下次写完东西,先让 AI 摘一遍,摘不出来就是没写清。

一处是第 5 章那 22 屏。它给出的判断很朴素:AI 越强,会选的人越占便宜,会记的人越不吃香。这话不新,但由一个研究记忆的脑科学家说出来,分量不一样。他还顺带说了一句不太讨喜的:「随着 AI 的进步,文科类技能将更受重视。」这句话在中文互联网上容易被当成鸡汤,但它的理由不是「人文素养很重要」,而是「会不会把话说清楚,决定了你能不能把 AI 用出效果」——这是技术判断,不是情怀。

一处是第 6 章关于身体性的几节。他给了一个我认为很准的区分:「没有身体性」和「没有身体」是不同的。一个系统可以没有手脚,但不能没有身体性——不能没有「有位置、有感官、会被世界碰到」这件事。这一段他讲得比全书任何地方都细,还举了海伦·凯勒怎么靠触觉认识世界、机器人足球队怎么用「上帝视角」判断致命传球。可惜只有 6 屏。

剩下的一百多屏,可以当工具书翻:想学提示词,看第 2 章;想列风险清单,看第 4 章。但别指望它们给你判断。

如果让我替它改一版,会做三件事:把第 2 章压到 20 屏以内,只留提示词的三条原则;把第 5 章从 22 屏扩到 80 屏,每一节配一个能验证的例子;把十个问题合成三个,每一个必须写清「在现有制度下,第一条可执行的界线在哪」。同一份材料,改完就是另一本书——一本更短、也更耐读的书。

最后说一句这本书给我的真实感受。它的名字里有两个词——「AI」和「大脑」。读完我发现,作者真正属于后者,而篇幅给了前者。一本讲协作的书,最后靠的不是协作,是分工:AI 干它擅长的,人干它干不了的。可惜这后半句,他写得太少。

阅读记录
书名:考试脑科学4:AI 与大脑如何协作 作者:[日]池谷裕二 译者:刘会祯、马奈 出版:人民邮电出版社,2025 年 11 月 ISBN:9787115684035
本次阅读:微信读书逐页截图 243 屏,前言 + 6 章 106 节 + 结语,从版权页至「全书完」,耗时 217 秒,抓取标记 end=last_page。
未读到:无。本书未遇到会员卡遮挡页。
判断依据:章屏占比按 pages.jsonl 逐页章节归属统计;引文均来自截图原文,页码为本次截图编号(如 p0172 即第 172 张截图)。
关于作者 · 江天(楠哥)
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。