本文利用“银河参议院”的隐喻来解释“千脑理论”（Thousand Brains theory）的意识模型，认为人类觉得 AI 生成的内容缺乏吸引力，是因为当我们的心智理论（Theory of Mind）网络检测到缺乏意图时就会关闭，从而阻止了通过逆向工程进行学习这种高代谢消耗的过程。
📝 详细摘要
本文探讨了神经科学与 AI 的交叉领域，利用“千脑理论”来解释人类如何处理信息。作者将大脑建模为一个由不断预测和纠错的“参议员”（神经元）组成的层级系统，解释了心智理论（ToM）网络在人类学习中的关键作用。核心论点是，人类通过对他人行为背后的意图进行逆向工程来学习。当遇到 AI 生成的艺术作品时，ToM 网络无法找到创作者的意图，导致“生成式崩溃”（generative crash），大脑为了节省代谢能量而停止参与。这为为什么合成内容与人类创作的作品相比往往显得空洞或无趣，提供了一个令人信服的认知框架。
💡 主要观点
- 大脑的功能就像一台层级预测机器。 神经元就像银河参议院中的参议员，不断预测感官输入，并根据来自更高层级的反馈进行纠错，以最大限度地减少预测误差。
💬 文章金句
- 心智理论网络是认知同理心的所在地，并利用镜像神经元进行纠错。
- 我们通过对塑造我们世界的决策进行逆向工程来学习。
- 对于 AI 生成的数据，仲裁者从未看到任何有价值的东西来放宽规则——数据中没有可供学习的意图。
📊 文章信息
AI 评分：86
来源：LessWrong
作者：Abraham Haskins
分类：人工智能
语言：英文
阅读时间：11 分钟
字数：2583
标签： LessWrong, 认知科学, 心智理论, 主动推理, 生成式 AI