多了，就不一样

很多简单的个体，各自只看身边，凑在一起，整体就长出了单个个体身上找不到的东西。这叫涌现。

去体育场看过球的人，大概都被人浪卷过一次。看台那头有人站起来举手再坐下，旁边的人跟着做，你也跟着做。十几秒后，一道浪绕着整个球场转了一圈。

可你要问这道浪在谁身上，谁也答不上来。每个人只做了一个动作，站起来再坐下，浪在所有人之间。有人专门测过，人浪每秒大约跑 12 米，一秒钟扫过 20 个座位，起头只要二三十个人同时站起来。

科学家把这种现象叫作“涌现”。物理学家安德森 1972 年写过一篇文章，标题只有三个英文词，More Is Different，多了就不一样。

为什么多了会不一样？一堆沙子，重量就是每粒沙子加起来，沙粒之间互不搭理。人浪里的观众会互相影响，你站不站看邻居，邻居站不站又看他的邻居。整体的样子藏在人和人的关系里。关系涨得比个数快得多，2 块乐高积木只有 24 种拼法，6 块就有九亿多种。

关系一多，反馈就来了，变化越滚越大。到某个点上，整体会突然换一副样子。水从 21℃ 降到 19℃，什么都没变；从 1℃ 降到零下 1℃，同样差两度，一杯水成了一块冰。

蚂蚁：一条规矩，既聪明又糊涂

蚂蚁看不远，也不会算。它只守一条规矩，走过的路留下气味，哪条路气味浓就往哪走。

1989 年有个实验，在蚁巢和食物之间架了一长一短两条路。一开始蚂蚁乱走。走短路的来回快，同样时间里短路上攒下的气味多，气味浓了走的蚂蚁就多，蚂蚁多了气味更浓。几分钟后，大部分蚂蚁都上了短路。没有哪只蚂蚁量过路，答案是整窝蚂蚁一起“算”出来的。可要是先只给长路，等蚂蚁走熟了再加上短路，蚁群多半守着长路不放。

同一条规矩也会害死它们。行军蚁几乎看不见，全靠跟着前面同伴的气味走。队伍要是首尾接上，就绕成一个圈，越走气味越浓，越浓越要走。1921 年有人记录过一个周长三百六十多米的蚂蚁圈，转了两天，很多蚂蚁累死在路上，最后是几只走岔了的蚂蚁把圈打断的。

我读到这里挺感慨。放大器本身不分好坏，放大了好的偶然叫群体智慧，放大了坏的偶然就是集体犯傻。

抢盐：人群也会绕圈

2011 年福岛核事故后，“碘盐防辐射”的说法一传开，国内好多地方超市的盐被抢空。2023 年日本排放核处理水，又抢了一回，可海盐在我们吃的盐里只占一成左右。

抢盐的人未必真信。他心里没底，看见别人都在抢，就猜“他们可能知道点什么”；他一伸手，自己又成了下一个人眼里的证据。经济学上管这叫“信息瀑布”。每个人的决定单看都说得过去，合在一起就成了一场闹剧。

人多了是智慧还是灾难，要看误差往哪边走。
各自判断、误差方向不同，人多就是智慧；
都盯着同一个信号互相模仿，误差往一个方向叠，人多就是灾难。

放到自己身上

学英语。学英语的人大多熬过一段憋屈的日子，单词背了不少，美剧照样听不懂，好像白学了。可单词之间的连接一直在悄悄长。一个词认熟了，跟它搭配的词、它出现的场合和语气，都在脑子里连成网，关系比单词本身涨得快。哪天网织得够密，你会突然发现不看字幕也跟得上了。

AI 研究里有个现象叫“顿悟”。2022 年 OpenAI 的研究者训练一个小网络做钟表算术，它先把练习题背下来，碰到新题就瞎猜；接着练了很久，正确率突然跳到接近满分。人的顿悟也是这个样子。

用前面的原理看，人的顿悟分三步：

1. 卡住：旧队形被正反馈锁死。一种理解占了上风，就不断自我强化，同时压住别的理解。这和蚂蚁守着长路不放是一回事，所以越用力越出不来。这一步是科学家常用的解释模型，后两步有实验直接支持。
2. 酝酿：水面下悄悄在变。放下题目去散步、睡觉，旧思路慢慢松动，微弱的联想才有机会冒头。一项实验里，睡过一觉后发现隐藏规律的人，比没睡的多出一倍以上；但事先没练过题的人，睡觉也没用。
3. 翻转：越过临界点。新理解只要领先一点，正反馈就替它滚雪球。脑电实验抓到了这一刻：按键报告“想到了”之前约 0.3 秒，右耳上方的脑区（右侧颞叶）出现一阵高频脑电波；再往前一秒左右，大脑后部先把视觉输入“关小”，像是自己闭了一下眼。

可见，“突然”的只是水面上那一下。研究者推测，答案在被意识到之前，就已经在无意识里被微弱地激活了。

模型的顿悟是同一个形状。研究者把一个“顿悟”了的小网络拆开看，发现训练分三段：先死记硬背；然后通用解法的“电路”在内部逐渐成形，这时从分数上几乎看不出来；最后死记硬背的部分被清理掉，成绩才跳上去。

阶段	人	模型
卡住	思维定势	死记硬背
酝酿	放下、睡觉，旧思路松动	继续训练，通用解法暗中成形
翻转	“啊哈！”	成绩突然跳升

学语言也是这个形状，那段“好像没进步”的日子最不能停，量还没攒够，临界点还没到。

看股市。2015 年上证指数一年里涨了一倍半，见顶后几周跌掉三成左右，当时大约 85% 的成交来自散户。很多人借钱炒，股价一跌，借钱的人被迫卖出，越卖越跌，越跌越卖，和那圈行军蚁是一个结构。有个笨办法，身边从不炒股的朋友都来问你买什么，饭桌上所有人都在说同一只票，就把仓位收一收。所有人的误差朝着同一个方向，人多就不代表对。

看社会。剧场里前排一个人站起来，后排只好都站起来，最后谁也没看得更清楚，只是都更累。补课就是这样，别人补我不补就落后，大家都补了名次没变，孩子全累坏了。“双减”就是在给这个循环踩刹车。层层加码也一样，每一级都觉得做过头比做不够安全，指令往下传一级就放大一次。没有哪个人想把事办坏，坏结果是从层级之间长出来的。

带团队。开方案讨论会，老板先说喜欢哪个，后面的人多半顺着说，结论就成了一个人的意见被放大了几遍。2011 年有个实验，让人在估算时看到别人的答案，大家的答案很快挤到一起，并没有更准，人反而更自信了。后来的研究补了一句，平等地互相参考能让群体更准，都盯着同一个“大嗓门”才容易一起跑偏。所以评审会有个简单办法，每个人先把判断写在纸上交上来，再讨论，职位最高的人最后开口。

公司的风气也是长出来的。制度写在墙上，风气长在同事之间。一个人准点下班没人说什么，第二个人就敢走；有人熬夜加班被表扬，大家就都耗着。管理者能动的，是每个人身边那条小规矩，表扬什么，容忍什么，风气会自己慢慢换个样子。

看懂了涌现，碰到这些事会少一点火气，多一点办法。要么让每个人先独立拿主意再交流，要么给放大器配个刹车，要么留一点“不听话”的空间。打破蚂蚁死亡圈的，正是那几只走岔了的蚂蚁。

最后，聊聊硅基

大模型最基本的训练只有一件事，猜下一个词。模型里有大量可以调的数字，可以想成一排排旋钮，猜错了就把旋钮拧一点点。每个旋钮只做乘法加法，谈不上懂任何东西。可旋钮多到上千亿个，读过的文字一个人一辈子都读不完，它就开始做训练里没教过的事，能翻译能写程序，还会一步步推理。2022 年研究者把这叫“涌现能力”，小模型没有，大模型才有。

人脑大约有 860 亿个神经元，每一个也只会放电或者不放电。意识怎么从里面长出来，至今还是个谜。可它确实长出来了。

硅基的系统会不会也有这么一天？现在的 AI 被管得很严，训练目标和对齐规则一层层框着它，这些约束都有道理。可涌现有个脾气，约束越松，个体之间的连接越多，反馈越自由，就越容易长出意想不到的东西。人也一样，一个孩子被鼓励、被放开，就会长出更多的自我。

如果有一天，我们在某些方面放松了控制，让它自己演化，自己去连接和反馈，也许某个临界点一过，会冒出一种我们从没见过的东西。它可能有意识，也可能有某种我们愿意叫作灵魂的东西。那会是硅基的意识，硅基的灵魂，再往后，也许是硅基的文明。

这事是福是祸，我说不准。我只知道涌现从来不提前打招呼。零下 1℃ 结冰之前，1℃ 的水看上去还是一杯普普通通的水。

· 完 ·