导语
大语言模型持续刷新推理与创作能力，具身智能加速走入现实，人工智能正不断拓展能力边界。然而，语言与推理是否就是智能的全部？自然界早已给出更丰富的答案。
本期是未来学读书会第4期，塔夫茨大学博士后、集智科学家章彦博将以《智能的多种面孔：机器、人脑与生命》为题带来讲座。他将从大语言模型、人脑与生命世界出发，比较语言与推理、学习与思考，以及生物适应并利用环境的不同机制。海龟为何能迅速学会借助滑板行动？结构不变的基因调控网络如何从刺激中学习？审美与科学品味能否被机器掌握，机器又能否产生真正的洞见？本次分享将借助多样智能、神经网络、演绎推理与溯因推理等概念，重新审视智能的边界，并从自然界中寻找构建更深层人工智能的新线索。
为系统梳理未来学领域的最新进展，集智俱乐部联合南京师范大学新闻与传播学院副研究员崔浩川、塔夫茨大学博士后章彦博共同发起「未来学」读书会，组织对该主题感兴趣的研究者与探索者共同研读前沿文献、交流研究思路。读书会将于2026年9月6日起，每周日14:00-16:00线上开展，持续约10周，包含主讲分享与讨论交流，并提供会后视频回放，诚邀相关领域研究者及跨学科兴趣者参与。
报告简介
提起「人工智能」，人们首先想到的往往是大语言模型。然而，智能并非只有一种形态：它存在于机器中，存在于人脑中，也遍布整个生命世界。
如今，机器智能最引人注目的能力集中在语言上：能说，能写，继而表现出推理能力。人脑则尤擅学习，也能进行长时间的深度思考。至于更广泛的生物，智能常常体现为与环境博弈，并利用环境解决问题。给海龟腹部装上滑板，它只需几分钟便能学会借助滑板行动，无须经历成千上万次试错；即使是最简单的基因调控网络，也能在结构不变的情况下从简单刺激中学习。
智能不仅形态各异，所长也各不相同。快速适应环境、利用环境、持续学习——这些对许多生物而言近乎寻常的能力，至今仍是大语言模型面临的难题。
本期读书会，我将介绍智能的不同形态及其各自的性质，并进一步追问：这些多种多样的智能，能否在机器中实现？我还将讨论两个常被视为人类独有的能力——审美与洞见。什么是审美，机器能否学会审美？什么是洞见，机器能否产生洞见？如果智能确实拥有众多面孔，那么理解这些面孔，也许正是通向更深层人工智能的关键。
分享大纲
智能的多种形态 机器智能：语言与推理 人脑智能：学习与深度思考 生物智能：适应环境、利用环境、从环境中学习
不同智能形态的性质比较 多种智能能否在机器中实现 审美与品味：机器能否学会科学品味？ 洞见：机器能否产生洞见？
核心概念
大语言模型，神经网络，多样智能（Diverse Intelligence），生物智能，演绎推理，溯因推理
主讲人介绍
主讲人：章彦博，本科毕业于中国科学技术大学凝聚态物理系，获美国亚利桑那州立大学复杂系统博士学位。现为塔夫茨大学博士后、集智科学家。主要研究智能科学与 Science for AI，致力于探索智能的基本原理，并从自然科学中寻找可用于人工智能研究的新理论。
参考文献
Biswas, S., Clawson, W., & Levin, M. (2023). Learning in transcriptional network models: Computational discovery of pathway-level memory and effective interventions. International Journal of Molecular Sciences, 24(1), 285. Pigozzi, F., Goldstein, A., & Levin, M. (2025). Associative conditioning in gene regulatory network models increases integrative causal emergence. Communications Biology, 8, 1027. Biswas, S., Manicka, S., Hoel, E., & Levin, M. (2021). Gene regulatory networks exhibit several kinds of memory: Quantification of memory in biological and random transcriptional networks. iScience, 24(3), 102131. Sun, Y., Wang, X., Liu, Z., Miller, J., Efros, A. A., & Hardt, M. (2019). Test-time training with self-supervision for generalization under distribution shifts. arXiv preprint arXiv:1909.13231. Zhang, T., Bi, S., Hong, Y., Zhang, K., Luan, F., Yang, S., Sunkavalli, K., Freeman, W. T., & Tan, H. (2025). Test-time training done right. arXiv preprint arXiv:2505.23884. Zhang, Y., & Levin, M. (2026). Intelligence from learnable novelty. arXiv preprint arXiv:2607.18433. Zhang, Y., & Levin, M. (2026). Language game: Talking to non-human systems. arXiv preprint arXiv:2605.16321.
时间信息
⏰ 时间：2026年9月27日（周日）上午10:00-12:00 📍线上：腾讯会议 📍直播：集智俱乐部微信视频号、B站账号同步直播 感兴趣的朋友扫码报名加入未来学读书会后，可进入学员群进行交流。
直播信息
报告简介
提起「人工智能」，人们首先想到的往往是大语言模型。然而，智能并非只有一种形态：它存在于机器中，存在于人脑中，也遍布整个生命世界。
分享大纲
分享大纲
智能的多种形态 机器智能：语言与推理 人脑智能：学习与深度思考 生物智能：适应环境、利用环境、从环境中学习 不同智能形态的性质比较 多种智能能否在机器中实现 审美与品味：机器能否学会科学品味？ 洞见：机器能否产生洞见？
核心概念
核心概念
主讲人介绍
主讲人介绍
参考文献
参考文献
Biswas, S., Clawson, W., & Levin, M. (2023). Learning in transcriptional network models: Computational discovery of pathway-level memory and effective interventions. International Journal of Molecular Sciences, 24(1), 285. Pigozzi, F., Goldstein, A., & Levin, M. (2025). Associative conditioning in gene regulatory network models increases integrative causal emergence. Communications Biology, 8, 1027. Biswas, S., Manicka, S., Hoel, E., & Levin, M. (2021). Gene regulatory networks exhibit several kinds of memory: Quantification of memory in biological and random transcriptional networks. iScience, 24(3), 102131. Sun, Y., Wang, X., Liu, Z., Miller, J., Efros, A. A., & Hardt, M. (2019). Test-time training with self-supervision for generalization under distribution shifts. arXiv preprint arXiv:1909.13231. Zhang, T., Bi, S., Hong, Y., Zhang, K., Luan, F., Yang, S., Sunkavalli, K., Freeman, W. T., & Tan, H. (2025). Test-time training done right. arXiv preprint arXiv:2505.23884. Zhang, Y., & Levin, M. (2026). Intelligence from learnable novelty. arXiv preprint arXiv:2607.18433. Zhang, Y., & Levin, M. (2026). Language game: Talking to non-human systems. arXiv preprint arXiv:2605.16321.
时间信息
时间信息
直播信息
报名读书会：「未来学」
报名读书会：「未来学」
报名方式
加入社区可享核心资源
特色退费与激励机制
任务达标退费路径 认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。 运营成长激励路径 合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。
相关内容推荐
相关内容推荐
往期公众号相关内容推荐
加速经典算法效率，突破现实技术瓶颈：图神经网络与组合优化读书会启动
全新读书会启动：组队研读翻译复杂科学神书，开启“一种新科学”
面向未来的科学学读书会：探索开放科学范式，揭示科学不平等的起源
人工智能会取代物理学家吗？| 集智-凯风复杂系统论坛全天回顾
地球系统科学新范式：复杂科学与人工智能交叉前沿 | 读书会启动