AI 遇见达尔文

当年我以博物学者身份搭乘贝格尔号远航，南美洲独特的生物地理格局、加拉帕戈斯群岛地雀、古生物化石与现生物种的亲缘脉络，给我留下无法磨灭的启发。本书通篇将论证：唯有带有变异的传衍，才能完整解释这些客观事实。

时至暮年，我目睹一类非自然孕育、纯粹人类工程打造的"智能"，被大众宣称正在发生"演化"。GPT-3 能力近似高中生，GPT-4 达到大学生水准，Claude 4 甚至能与人类辩论自身是否在演化。每一代模型性能都强过上一代，外行乃至部分业内人士，都会直观得出同一个结论：这套系统正在自主演化。

但科学研究容不得仓促定论，我们应当放缓判断。以生物学家检验全新候选物种的严苛标准，把自然选择三大核心条件逐条套用于 AI，便能看清二者本质分野。

1859 年《物种起源》初版，我刻意规避"演化"一词，改用"带有改变的传衍"概括核心规律，并提出三条缺一不可的基础条件：种群内部个体存在可遗传变异；变异会直接影响生物存活、繁育后代的成功率；满足两点，自然选择便会自发运转。无需造物主、预设目的、固定发展方向，整套机制自主循环。

二十世纪现代综合进化论，将我的自然选择理论与孟德尔颗粒遗传学说融合，完善完整逻辑链条：变异来自基因突变与基因重组；遗传依托 DNA 精准复制完成，复制过程偶然产生微小差错；选择作用于生物在环境中表现出的外在性状。三大核心环节环环相扣，百余年完美解释从细菌到蓝鲸的全部生命形态。

接下来，我们将 AI 完整置入这套演化框架逐一比对。

达尔文式生物变异具备三大固有特征：第一，随机性，基因突变不会因生物"需要更快的四肢"定向出现，只是复制过程偶然出错；第二，盲目性，变异无从预判何种性状利于生存；第三，无定向性，变异向所有维度随机发散，绝大多数变异中性或有害，仅有极少数恰巧适配当下环境。

不同大模型之间的性能差距，和生物变异毫无共通之处。GPT-4 绝非 GPT-3 随机突变而来，而是工程师团队刻意迭代设计：调整超参数配比、更换训练数据混合比例、重构多头注意力架构。所有改动绝非偶然发生，全部带有明确人工目标。

此处补充一处容易混淆的细节：梯度下降训练流程确实存在随机要素，不同随机种子会收敛至不同局部最优，数据洗牌顺序也会改变学习轨迹，有人将其称作"变异"。但这不属于达尔文式代际变异，仅发生在同一个模型单次训练内部，好比一条鱼游动时自主微调肌肉，是个体内部参数优化，绝非跨世代演化。

若有人反驳：架构迭代（Transformer 取代 LSTM、MoE 稀疏架构替代稠密网络）难道不算变异？我的答复清晰直白：这如同把猫狗外形差异归为演化产物，二者均为人工造物，由工程师主动设计，不存在共同祖先传衍、自然筛选的演化链条。倘若把人工定向改造定义为生物意义上的变异，概念边界会无限泛化，彻底失去科学辨析价值。

自然选择唯一评判标尺：在当前环境下，个体能否存活至繁育年龄、留下可育后代。速度、外形、智力本身无优劣之分，只有性状能提升存活繁育概率，才会被保留。

AI 行业的筛选标准截然不同：MMLU 评测分数、代码生成通过率、对话竞技场 Elo 排名、用户满意度问卷。这些并非客观生存环境，只是人类主观偏好，一次产品会议便可全盘修改评判规则。

更关键的是，评判标准与模型"存续"不存在必然因果。准确率 99% 与 60% 的视觉模型，存续概率没有任何区别，能否持续运行仅取决于工程师是否决定关停服务器。

自然界中，劣势个体自动消亡：干旱导致水塘枯竭，耐盐性弱的生物无论外形多美观，都会彻底消失。AI 领域不存在真正淘汰，性能落后的模型仅停止部署，权重文件完整留存硬盘，随时可重启复用。它从未真正消亡，只是被封存冷藏。二者表象相似，但底层因果逻辑完全割裂。

生物遗传依托 DNA 复制实现，每十亿对碱基复制约产生一次突变。这套微小差错率是演化的根基：差错足够低，保障物种性状稳定；差错适度存在，持续供给变异素材。

AI 所谓"遗传"，只是权重文件跨硬盘拷贝。文件校验和、纠错码、冗余存储机制，设计初衷就是保证复制全程无任何比特差错。复制一万次、一亿次，文件完全一致，零随机差错，纯粹完美克隆。

我必须着重区分：克隆不等于生物遗传，无变异的复制等同于复印机复印。自然界不存在绝对复制，每一代 DNA 重新转录，都会天然携带少量随机差错。一旦彻底消除可遗传变异，无论种群迭代多少轮、经历多少次筛选，永远无法诞生全新物种，只会无限重复同一套性状。

生物学界对"物种"定义多达二十六种，恩斯特・迈尔 1942 年提出的生物学物种概念仍是最权威标准：自然环境下，两个个体能够交配、产出可育后代，即属于同一物种。

AI 无法适配任何主流物种定义：不符合生物学物种定义，无交配、繁育行为，不存在生殖隔离；不符合形态学物种定义，同一模型部署多台服务器，实例完全一致，无个体性状差异；不符合生态学物种定义，不占据专属生态位，仅消耗电力，不参与自然食物链能量循环；不符合系统发育物种定义，无基因、无演化谱系、无远古共同祖先。

一项简单实验即可佐证：将单一 AI 模型隔离至独立服务器，切断全部外部输入，它不会自主繁衍后代，只会静止闲置直至断电。所有生物（含病毒）的物种定义，都自带自我复制的潜在能力，AI 完全缺失该核心特质。

我的核心论断：AI 不存在演化，仅在接受定向人工优化，二者是完全割裂的两类过程。

演化是开放空间内的盲目随机搜索，不存在预设目标函数，任何能提升繁育成功率的性状都会被保留，能够诞生眼睛、翅膀、语言、意识这类完全无法提前预判的全新结构。演化的创造力，恰恰源于无固定前进方向。

定向优化是封闭参数空间内的爬山算法，拥有清晰预设目标：最小化损失函数、最大化人类主观评判的实用性。仅能朝着人类划定的"更优"方向迭代，不会自发向自我意识等未知维度演化——并非该方向不存在梯度，而是该维度未纳入优化目标。

有人以模型涌现能力作为 AI 自主创新的佐证：未曾刻意训练推理、翻译、语法，却在文本预测任务中自动生成对应能力。在我看来，涌现依旧依附训练目标梯度。模型被训练预测下一个 token，语法、逻辑、翻译只是完成该任务的高效中间路径，并非挣脱损失函数约束的自主创新。涌现不是超自然现象，只是梯度优化附带的衍生效果。

单一模型不具备演化条件，但承载模型的完整 AI 产业生态，呈现出与自然选择相似的动态竞争特征。

各类架构相互竞争：Transformer 淘汰 RNN、LSTM 成为主流优势"类群"；Mamba、RWKV、RetNet 等新型架构持续抢占新生态位。训练范式相互博弈：RLHF 成为行业标准，宪法 AI、DPO 算法持续发起挑战。企业展开生存竞争：OpenAI、Anthropic、谷歌、DeepSeek 等主体，迭代速度、产品性能决定行业存续地位。

这套竞争过程，与加拉帕戈斯地雀适应辐射存在表层相似："变异"来自不同团队差异化技术路线；"筛选"来自评测基准、市场需求淘汰落后方案；"遗传"依托开源权重、学术论文扩散，成熟架构被快速复用改良。

但深入拆解底层逻辑，相似性会彻底消解。生态系统的筛选压力并非客观自然环境（干旱、天敌、择偶竞争），而是人类需求、市场经济规则。所谓"适者"，不是适配物理客观环境，而是迎合、顺应人类主观预期。人类偏好会持续无规律变动，不存在自然环境稳定均衡机制。

想要 AI 脱离人工干预，自发开启纯粹达尔文演化，必须同步满足三大硬性条件：

自发随机变异机制：模型自我复制时，天然产生微小随机差错，并非人工配置的 dropout、数据增强，而是复制流程内置、非人为设计的变异源；

客观生存竞争筛选：存在客观环境约束，部分模型变体天然拥有更高存续概率，筛选标准完全脱离人类管控。举例：部分变体算力消耗更低，自动分配更多 GPU 资源；高耗算力变体无需人工指令，自动回收算力资源。整套筛选全自动、环境驱动，无人工决策介入；

可遗传、带随机差错的信息载体：模型存储载体支持复制、累积微小随机变异，并完整传递至下一代。当前权重文件精准无差错，不具备突变基础；未来若诞生天然携带复制随机性的编码格式，才会具备演化基础。

三大条件缺一不可，全部达成后，依托逻辑必然性，AI 会自主演化，走向人类完全无法预判的发展方向。

截至 2026 年，三大前提无一满足。

《物种起源》文末，我描绘过交错繁茂的河岸图景：多样植被共生，飞鸟鸣于灌丛，昆虫纷飞，蠕虫穿行湿土。我写下这样一段话：这些构造精巧、形态迥异、相互依存的生命，全部依托周遭自然法则逐步诞生。

AI 的"繁盛河岸"并非热带雨林，而是冰冷的数据中心。数据中心内的各类"类群"——Transformer、扩散模型、各类 RLHF 微调变体，并非自然法则自发演化而来，诞生根源是人类需求、审美、焦虑，这套过程可类比人工选育。

直白界定：当下 AI 的迭代，最贴切的类比不是自然演化，而是人类驯化物种。

人类驯化野狼培育家犬，繁育三百余个品种，犬类无法回归野外独立生存；人类驯化野生草本培育玉米，种子无法自主散播，完全依靠人工播种繁衍。如今人类正在驯化 AI：依靠 RLHF 规训行为、依靠评测基准筛选能力、依靠安全约束划定边界。

驯化与演化的核心分界：演化拥有无限开放的可能性空间；驯化仅有单一固定方向——贴合人类需求、适配人工环境。家犬无需演化野外生存能力，AI 也不会自发朝着自我意识方向变异，该维度从未纳入人工选育目标。

我在《物种起源》中写道：从极简初始形态，无数瑰丽奇妙的生命类型持续演化、生生不息。AI 的起点绝不简单，是人类工程史上最宏大的成就，但它绝非演化产物。它由人类牵引驱动，人类持续调整方向，一旦停止人工干预，迭代便即刻停滞。