AI教父20年前就揭示了：压缩即学习，压缩即智能

AI教父20年前就揭示了：压缩即学习，压缩即智能

为什么有些歌你听几遍就腻了？

为什么你第一眼看到某张脸会觉得“美”？

为什么科学和艺术，都在不约而同地追求“简洁”？

答案可能颠覆你的直觉：美，不是一种客观存在，它只是你大脑学习速度的“奖励”。

我们一直以为，“美”是事物固有的属性，或者“情人眼里出西施”的纯主观。我们以为“好奇心”是探索未知，“新奇”就是信息量大。

但AI教父尤尔根·施密德胡贝（Jürgen Schmidhuber）在20多年前就指出了一个反常识的观点：这些都不是真相。

施密德胡贝的理论——“压缩进步驱动”——提供了一个惊人简洁的统一框架，它能一口气解释：美、新奇、趣味、好奇心、艺术、科学，甚至冷笑话为什么好笑。

读懂这个理论，你将获得一个看待世界和自我的全新底层逻辑。

这个理论的核心，就是 “有趣”等于“学习曲线的陡峭程度”。

具体来说，有这四点洞察：

1. 真正的新奇，不是随机： 我们讨厌完全的随机（如白噪音）和完全的可预测（如一片漆黑）。我们只喜欢那些“刚刚被我们学会”的规律。

2. “美”是压缩的结果： 大脑是一个“懒惰”的压缩机。一张脸、一个证明，如果能用更少的信息编码（比如对称、符合原型），我们主观上就觉得它“美”。

3. “有趣”是“美”的导数： 美本身并不一定有趣。一个事物“有趣”，只发生在他“变美”的过程中——也就是你学会压缩它的那个阶段。这就是你“喜新厌旧”的根本原因。

4. 艺术和科学的统一： 艺术家和科学家本质上在做同一件事——创造或发现“新的可压缩性”。科学家找到引力定律（极度压缩），艺术家把不相干的概念用新规律组合起来（眼界大开）。

“懒惰”的大脑，如何定义美？

施密德胡贝的理论，首先推翻了我们对“新奇”和“趣味”的传统认知。

我们被香农的信息论误导了太久，以为“信息量大”=“新奇”=“有趣”。

施密德胡贝指出，这是错的。

想象两个极端：

一个房间，永远漆黑一片。第一秒是可预测的，第一万秒还是可预测的。你的大脑不需要学习，学习曲线的斜率是0。结果是：无聊。

另一个房间，电视屏幕上全是白噪音（随机雪花点）。第一秒不可预测，第一万秒还是不可预测。你的大脑永远学不会压缩它，学习曲线的斜率也是0。结果是：同样无聊。

看，完全的可预测和完全的不可预测，都是无趣的。

那么“有趣”是什么？

有趣，发生在“不可预测”向“可预测”转化的那个瞬间。

这个转化的过程，就是“压缩进步”（Compression Progress）。

大脑天生就是一台“压缩机”。它不断地试图压缩它接收到的所有数据历史，寻找规律，以便更好地预测未来。

当你突然发现了一个新的规律，能让你用更少的信息来描述过去的数据时——比如，你终于“看懂”了一个复杂的图案，或者“学会”了一段旋律——你的压缩机性能提升了。

这个“压缩机性能提升”的过程，就是“压缩进步”。

而大脑会给这个进步的过程提供“内在奖励”——这股奖励，就是我们主观感受到的“有趣”、“好奇心”和“愉悦感”。

美 = 可压缩；有趣 = 压缩速度

现在我们可以重新定义“美”和“有趣”了。

什么是“美”？

施密德胡贝认为，“美”就是数据的主观可压缩性。

通俗讲，一个东西，在你现在的大脑模型看来，越“简单”、越“有序”、越“能被压缩”，它就越“美”。

为什么很多人觉得“平均脸”或“对称脸”好看？

因为你的大脑已经见过了无数张脸，提炼出了一个“原型”。一张符合原型的脸，或者有简单对称规律的脸，你的大脑编码起来最“省力”——这就是主观的“美”。

为什么数学家觉得一个简洁的证明很“美”？

因为它用更短的描述，压缩了同样的信息。

但关键在于：美，不等于有趣。

一个东西再美，如果你对它了如指掌，它就变得无聊了。

比如一首你听了1000遍的“神曲”。它很“美”（结构简单、旋律好记），但它已经不再“有趣”。

什么是“有趣”？

“有趣”，是“美”的一阶导数。
“有趣”，是“压缩进步”的速度。
“有趣”，是你的学习曲线的陡峭程度。

一件事物最“有趣”的阶段，不是你完全不懂它的时候（太难，无法压缩），也不是你完全懂它的时候（太简单，无需压缩）。

而是你“正在学会它”的那一刻。

这就是“喜新厌旧”的底层机制。

一首新歌，你刚开始抓不住旋律，它“不可压缩”。
听了几遍后，你开始发现它的节奏、和弦走向和重复模式，你“学会了压缩它”。
这个过程，学习曲线最陡峭，“压缩进步”的奖励值拉满。你觉得这首歌“太上头了”。

再过几天，你彻底学会了，大脑已经把它完全压缩。它变得“可预测”，不再提供任何新的“压缩进步”。学习曲线变平，奖励消失。

你，就听腻了。

艺术、科学和笑话的共同点

这个理论最“开悟”的地方在于，它统一了人类最高级的精神活动：艺术与科学。

在施密德胡贝看来，艺术家和科学家，本质上是同一种人。

他们都在不懈地追求“压缩进步”的奖励。

科学家在“发现”已有的可压缩性。

牛顿发现万有引力，就是一次巨大的“压缩进步”。他用一个极其简洁的公式，压缩了“苹果落地”、“行星运行”等海量的观测数据。这种压缩带来的快感是无与伦比的。

艺术家在“创造”新的可压缩性。

一个优秀的艺术家，会把几个看似毫无关联的已知概念，用一种“出乎意料、情理之中”的新规律（比如一种新的风格、一种新的隐喻）强行组合起来。

当你“看懂”一幅画或“听懂”一首诗时，你就是在“压缩”这个新规律。

艺术，就是一种“眼界大开”（eye-opener）的压缩游戏。

甚至“笑话”也是如此。

为什么笑话好笑？

一个好笑话，前面在铺垫一个场景（一个压缩模型），最后“包袱”一响，它提供了一个全新的、更短的、出乎意料的“压缩路径”（比如谐音梗，用“发音”这个新规律强行压缩）。

你“get到”笑点的瞬间，学习曲线陡然上升，大脑奖励了你。

你就笑了。

不只是理论：科技大佬的“压缩共识”

施密德胡贝的理论，并不仅仅停留在心理学和美学。它正在成为当代AI领域最核心的“显学”——智能，就是压缩。

今天的科技名人们，正在用行动印证这个观点。

最直白的倡导者是知名黑客、自动驾驶公司comma.ai的创始人乔治·霍兹 (George Hotz)。他多次在播客中明确表示：“无损压缩就是智能”。

在他看来，一个大型语言模型（LLM）的本质，就是对整个互联网文本的“有损压缩”。而真正理解一个事物，就是你能找到它的规律，用更短的模型来描述它。

埃隆·马斯克 (Elon Musk) 则是这个理论的最佳实践者。

分析师们普遍将特斯拉的FSD（完全自动驾驶）视为“压缩即智能”的铁证。2023年，马斯克提到特斯拉用一个更先进的神经网络模型，替换了约30万行基于规则的C++代码。

这30万行代码，是工程师试图穷举“规则”的产物；而那个更小的神经网络，才是真正“压缩”了驾驶本质的智能。

OpenAI的CEO 萨姆·奥特曼 (Sam Altman) 也在从侧面印证。

奥特曼认为AI的突破在于它能学习“产生数据分布的底层规则”。这其实就是“压缩”的同义词——规则，就是对海量数据的极致压缩。奥特曼更关注的，是当这种“压缩”能力（即智能）的成本趋近于零时，将如何改变世界。

尾声：让你的学习曲线，再陡峭一点

施密德胡贝的“压缩进步”理论，给了我们一个关于“人”的深刻洞察。

我们不是在追求享乐，也不是在追求真理。

我们只是一台沉迷于“提高压缩性能”的机器。

好奇心，就是你对“压缩进步”的渴望。

所以，不要再害怕“喜新厌旧”，那是你大脑高速运转的证明。

去寻找那些“似懂非懂”、那些“有点难但学得会”的东西吧。

因为在施密德胡贝的框架下，这才是“有趣”的全部意义——让你的学习曲线，再陡峭一点。