第1章　智慧科學導論

1.1　智慧的本質與多樣性

1.1.1　智慧的定義

　　「什麼是智慧？」這是一個深刻且引人深思的問題，涉及神經科學與人工智慧（artificial intelligence，AI）的交會點。在本書中，我們將深入探討這一問題，並嘗試為讀者提供更全面的理解。

　　智慧是一個多層次、複雜的概念，涵蓋了思維、學習、適應和決策等一系列高階認知能力。雖然已有諸多研究，但智慧在生物學層面的實現機制仍不完全清楚。

　　神經科學的研究旨在揭示智慧的生物學基礎，探索大腦中神經元如何相互作用，以及神經網路如何處理資訊、儲存記憶、產生意識等複雜功能。透過不同的系統，我們能夠完成各類複雜任務：感知覺系統讓我們感知世界的「色、聲、香、味、觸」；語言系統賦予我們聽、說、讀、寫的能力，從而實現資訊的傳遞與交流；運動系統使我們能夠與外界環境進行有效互動；而決策與推理系統則支持目標導向的規劃與選擇。透過深入研究大腦的執行機制，我們能夠更全面地理解智慧的本質。

　　與之相對，人工智慧關注於建構具備智慧行為的機器系統。其核心技術支援電腦能夠執行包括圖像辨識、語音理解、推理決策等複雜任務。近年來，基於基於大規模預訓練模型（如GPT系列、DeepSeek等）的發展，人工智慧已經在許多領域取得了超越人類的表現。例如，在自然語言處理領域，GPT系列模型透過海量文本資料的訓練，能夠產生高品質的文本，完成複雜的語言理解任務，甚至在一些標準化的語言推理和文本生成競賽中超越了人類專家。在電腦視覺領域，DALL-E模型展示了人工智慧在圖像生成方面的突破性進展，能夠根據自然語言描述生成高度逼真的圖片，創作出超出傳統視覺素材的創意作品。大規模預訓練模型透過利用大量資料和複雜網路結構，展現出卓越的自適應性和泛化能力。在視覺、語音及語言理解等多模態任務中，大型模型能夠融合多源資訊，進行深度推理，實現更為精細和全面的智慧表現。

　　大型模型的成功不僅推動了人工智慧技術的快速發展，也為我們提供了更深層次理解智慧機制的視角。透過模擬大腦的神經網路結構和資訊處理機制，人工智慧的進展有助於揭示大腦智慧的工作原理，並為神經科學提供了新的研究方法。與此同時，神經科學對大腦的深入理解也為人工智慧的發展提供了啟發，推動了神經網路模型及其學習機制的創新。

　　在本書中，我們將從人腦智慧（brain intelligence，BI）和人工智慧兩個角度出發，幫助讀者全面理解智慧的本質，以及介紹神經科學和人工智慧領域在智慧相關研究中的最新進展。我們將回顧智慧的歷史，探索其未來的發展可能性，並思考智慧對社會和文化的深遠影響。最終，我們的目標是為讀者提供一個思考和討論智慧的深刻平臺，以便更容易理解並塑造智慧的未來。