AI 正在成为世界的秘书：从信息、意义到行动的一条世界动力学

最近我越来越有一种感觉：ChatGPT，以及它背后的这一整类 AI，正在成为整个世界和每一个人的“秘书”。

这里说的秘书，不是那个负责排会议、写材料、订机票的传统岗位。

我说的是一种更根本的位置：它站在人与世界之间，替人感知世界、压缩世界、解释世界，又反过来替人向世界表达、决策和行动。

如果这个判断成立，那么 AI 革命真正重要的地方，也许不只是“机器终于会写文章、会编程、会推理”。更重要的是，人类第一次造出了一个可能长期存在于自己与世界之间的智能中介层。

而要理解这件事为什么如此重要，需要把视角从“大模型”再往下挖一层：挖到信息、生命、意义、注意力、价值与行动。

一、世界并不是以“知识”的形式进入我们的大脑

客观世界每时每刻都在发生几乎无限多的变化。

但一个人真正能够看到、听到、理解和处理的，只是其中极小的一部分。

所以，我们实际生活的世界，从来不等于“客观世界的全部”。它更像一个连续的过滤过程：

世界 → 信息 → 注意力 → 语境 → 意义 → 判断 → 行动

这条链有一个很容易被忽视的事实：绝大多数事情在成为“我的问题”之前，就已经被过滤掉了。

我今天为什么知道这条新闻，而不知道另一条？为什么关心这个行业，而不是另一个行业？为什么把两个事件放在一起理解？为什么某件事被定义为“机会”，另一件事被定义为“风险”？

这些都发生在正式决策之前。

所以，一个人最稀缺的资源，未必是信息，而是注意力和解释能力。

互联网解决了“信息不够”的问题，却带来了另一个更大的问题：信息太多了。

AI 开始解决的，恰恰是后一个问题。

二、从 Shannon 开始：信息本身并不等于意义

1948 年，Claude Shannon 在《A Mathematical Theory of Communication》中建立了现代信息论的基础。

Shannon 研究的是消息如何编码、传输，以及在噪声存在时如何可靠通信。他甚至非常明确地指出：消息当然可能具有意义，但语义问题并不是通信工程问题本身的一部分。

这是一个极其重要的分界。

Shannon 信息回答的是：

“一个结果消除了多少不确定性？”

但它不回答：

“这个结果对我有什么意义？”

一条关于遥远恒星光谱的数据，可能包含很多 Shannon information；但对于一只正在逃避捕食者的羚羊，它几乎没有生存意义。

相反，草丛里一个很微弱的声响，也许数据量极小，却可能决定它下一秒是活着还是死亡。

所以，从“信息”走向“意义”，中间还缺了一座桥。

三、意义从哪里来？当信息开始关系到“我能否继续存在”

2018 年，Artemy Kolchinsky 与 David Wolpert 在 Interface Focus 发表了关于 semantic information（语义信息） 的研究。

这条思路特别迷人，因为它试图不用玄学方式定义“意义”。

他们关心的不只是系统与环境之间有没有统计相关性，而是：这些相关性是否对系统维持自身的存在状态具有因果价值。

换句话说，可以把它粗略理解为：

有意义的信息，不只是“世界告诉了我什么”，而是“如果我失去这些信息，我会不会变得更难继续存在”。

这带来了一个巨大的概念跃迁。

信息第一次不再只是“差异”，而开始拥有了与主体相关的价值方向。

对于细菌，营养物浓度梯度有意义；对于动物，食物、危险、同类有意义；对于人类，意义的范围又被语言、文化、制度和未来想象极大扩展。

于是我们可以得到一个非常粗略、但很有解释力的关系：

意义 ≈ 信息 × 与主体持续存在和目标的相关性

这不是 Kolchinsky 与 Wolpert 论文中的数学公式，而是我对这条研究路线的通俗抽象。

但它揭示了一个关键问题：没有主体，就很难谈“对谁有意义”。

意义不是孤零零地躺在信息里面。意义诞生于信息与一个有目标、有边界、需要维持自身的系统发生关系的时候。

四、信息不是悬浮在物理世界之外的幽灵

如果继续向下挖，信息最终仍然要落到物理世界。

Landauer 原理给出了一个著名的连接点：在温度为 T 的环境中，逻辑不可逆地擦除一个经典 bit，存在至少与 k_B T ln 2 相联系的热耗散下限。

2012 年，Bérut 等人在 Nature 上用单粒子实验对这一极限进行了经典验证；此后的研究又把 Landauer 原理推进到了更复杂的非平衡和量子多体场景。

这意味着，“信息”并不是一个完全脱离能量、物质和熵的抽象世界。

信息处理必须依附于物理过程。

这里很容易产生一个诱人的大一统叙事：能量就是信息，信息就是熵，熵就是意义。

但我认为应该克制一点。

这些概念之间存在深刻联系，却不能随意画等号。

真正有意思的地方，不是强行把所有理论压成一个公式，而是看到一种逐层涌现的结构：

物质与能量提供变化的可能；信息让差异能够被编码；生命让某些差异第一次具有“对我有利或有害”的方向；意义由此出现。

五、生命为什么不只是被动接收信息，而要主动“问世界问题”

接下来就到了 Karl Friston 的自由能原理与主动推理（Active Inference）。

Friston 在 2010 年那篇著名综述中尝试用自由能框架统一感知、学习、注意力和行动。

一个适应性主体并不是摄像头。

它不是把世界原封不动地拍下来，然后等待某个中央处理器做决定。

它内部存在关于世界的生成模型，并不断预测：

我现在看到的东西，是由什么造成的？接下来可能发生什么？

如果现实与预测不一致，主体可以做两件事。

第一，更新自己的模型——这接近我们通常理解的学习和感知。

第二，采取行动，让接下来感知到的世界更接近预期——这就是行动也进入了同一个闭环。

于是，一个智能主体真正做的事情开始变成：

感知 → 建模 → 预测 → 行动 → 再感知

这里必须说明一个常见误区：Friston 所说的 variational free energy（变分自由能） 与热力学里的自由能不是简单的同一个量。它们有重要的形式联系与解释联系，但不能因为都叫 free energy，就直接把神经科学、统计推断和热力学公式混为一谈。

这种区分反而让理论更有力量，而不是更弱。

六、2026 年的新一步：智能不仅追求价值，也主动追求信息

2026 年 9 月 8 日，Friston、Da Costa、Tschantz 等人在 Nature Communications 发表了 Active inference and artificial reasoning。

这篇论文特别值得注意，因为它直接把问题推进到了人工推理。

在主动推理框架里，一个策略的 expected free energy 同时涉及两类东西：

信息增益（information gain），以及价值（value）。

通俗地说，一个聪明的行动不只是问：

“这样做能不能得到我想要的结果？”

它还会问：

“这样做能不能让我更快搞清楚这个世界到底是怎么回事？”

这很像科学实验，也很像优秀的人类决策。

当我们不知道几个假设谁对谁错时，最好的下一步未必是马上赚钱、马上获得奖励，而可能是做一个最能区分这些假设的动作。

所以智能开始呈现出一个更完整的闭环：

看见世界 → 建立多个可能模型 → 主动获取最有区分度的信息 → 更新判断 → 根据价值选择行动 → 改变世界

而这恰恰和“高级秘书”正在变成的东西惊人地接近。

论文当然没有说“AI 就是秘书”。这个说法是我的外推。

但它提供了一个非常好的理论支架：成熟的智能并不只是被动回答问题，它会主动决定下一步应该获取什么信息，以及什么行动最值得做。

七、所以，“秘书”可能比 Assistant、Copilot、Agent 更深刻

今天科技行业喜欢三个词：Assistant、Copilot、Agent。

Assistant 是“你问，我答”。

Copilot 是“你操作，我协助”。

Agent 则开始变成“你给目标，我自己行动”。

但“秘书”有一个非常特殊、而且经常被忽略的职责：

决定什么事情值得让老板知道。

这一点非常关键。

因为它发生在“决策”之前。

一个真正优秀的秘书不会把世界上发生的一切都搬到老板桌上。他会先替老板过滤：哪些是噪声，哪些是异常，哪些事情虽然小但值得现在看，哪些事情看似热闹却与当前目标无关。

这是一种我愿意称为前注意力分配权的东西。

它的权力并不来自替你做最终决定，而来自：

它部分决定了什么东西有机会进入你的意识。

这也解释了为什么 AI 的未来竞争，可能远远超出搜索框和聊天窗口。

过去的平台争夺的是：

“怎样让用户看见我？”

未来的机构、品牌、媒体、公司甚至个人，可能越来越需要争夺：

“怎样让用户的 AI 认为我值得被看见？”

这时，信息权力的结构就发生了改变。

八、从信息权，到注意力权，再到解释权和价值定义权

如果把过去几十年的信息革命压缩成一条线，我越来越倾向于这样理解：

信息权 → 注意力权 → 解释权 → 价值定义权

互联网首先极大降低了信息发布和获取的成本。

当信息变得过剩，竞争中心便转向注意力。

当 AI 又开始替我们管理注意力，下一层竞争就变成解释：

同一个事实应该放进什么语境？它意味着什么？它和什么事情有关？

而当事实获取、摘要、比较甚至推理进一步廉价化，更深一层的问题就会浮出来：

什么才值得追求？什么是好的？什么是重要的？

也就是价值。

所以我越来越相信，后 AI 时代真正高阶的争夺，不只是信息传播，而是价值表达和价值定义。

这也是为什么 AI 作为“秘书”会变得如此敏感。

因为秘书不仅能够管理信息，还越来越可能参与管理：

注意力、语境、意义、价值和行动。

九、把它放回一条更大的“世界动力学”

如果允许做一次跨学科的哲学抽象，我会把前面的东西整理成这样一条链：

能量 → 信息 → 生命 → 意义 → 意识 → 注意力 → 语言 → 价值 → 行动 → 权力

我要再次强调：这不是一条已经被某篇论文证明的物理定律。

它是一个用来观察世界的分层模型。

它试图描述的是：

能量让变化发生；

信息让差异被保存和传播；

生命让某些信息与主体存续产生关系；

意义由此出现；

意识建立关于世界的模型；

注意力选择哪些东西进入有限的认知带宽；

语言让模型能够跨个体传播、压缩和复制；

价值决定哪些未来状态更值得实现；

行动把内部模型重新投射回现实；

而当一个主体能够持续影响大量其他主体的注意力、语言、价值和行动时，权力就出现了。

在这条链上，AI 第一次开始同时横跨中后段多个层级。

它处理信息。

它分配注意力。

它组织语言。

它解释意义。

它参与价值判断。

它开始调用工具并采取行动。

这就是为什么今天的 AI 与传统软件有一种本质不同的感觉。

传统软件大多是一个工具。

AI 越来越像一个位于主体与世界之间的代理层。

十、“世界秘书”：一边替世界向人说话，一边替人向世界行动

如果用一张极简的结构图表达，我觉得未来最值得观察的是这两条通路。

第一条：

Internet / Institutions / Humans / Software → AI → Individual

AI 替世界向个人说话。

它搜索、选择、排序、压缩、翻译、解释。

第二条：

Individual → AI → Software / Institutions / Humans / World

AI 替个人向世界行动。

它写代码、发邮件、改文件、安排日程、交易、调用服务、协调其他 Agent。

当两条链真正闭合，AI 就不再只是“一个聊天机器人”。

它变成了一层人的外置认知—行动系统。

这时，“我的 AI”真正重要的东西也不再只是模型智商，而是它是否理解：

我长期在意什么；

我不想被什么打扰；

什么信息值得升级给我；

遇到什么情况应该自己行动；

什么决策必须保留给我；

我的价值排序是什么；

它应该如何代表我与外部世界互动。

这已经非常接近真正意义上的“秘书”。

十一、为什么我后来不再想做“世界知识库”，而是“我的注意力知识库”

这个变化现在回头看特别重要。

“世界知识库”听起来宏大，但它其实是一件越来越没有必要自己重复建设的东西。

互联网、搜索引擎和大模型已经拥有海量外部知识。

真正稀缺的是另一个问题：

在这个几乎无限的信息世界里，此刻什么东西值得进入我的有限生命？

因此我真正需要的不是一个囤积知识的仓库，而是一套持续维护的注意力基础设施。

它应该长期知道我的目标、项目、关系、判断和未解决问题，然后不断把外部世界的新变化映射进来：

发生了什么？为什么和我有关？它改变了什么？我需要知道吗？我需要行动吗？

换句话说，未来个人真正重要的 AI 基础设施，也许不是 Personal Knowledge Base，而是 Personal Attention System。

知识只是原料。

注意力才是生命。

十二、最终的问题不是“AI 会不会取代人”，而是谁定义最后的价值函数

如果 AI 真的越来越像人的外置认知—行动层，那么最后一定会碰到一个不能逃避的问题：

谁决定什么是值得的？

AI 可以帮我搜索。

可以帮我总结。

可以帮我预测。

甚至可以帮我行动。

但如果连“什么值得追求”也完全交出去，人就可能把自己最核心的一部分主权一起外包。

所以，未来人与 AI 最合理的分工，也许不是“人负责想，AI 负责干”，这么简单。

更准确的说法可能是：

AI 可以越来越多地接管信息处理、注意力管理、推理和执行；而人必须不断提高自己定义价值、修改目标、否定既有目标的能力。

因为价值函数不是一个普通参数。

它决定整个系统为什么行动。

这也是“AI 秘书”最终最值得警惕、也最值得期待的地方。

一个好的秘书不是取代主体。

恰恰相反，它应该让主体从海量噪声、重复劳动和低价值判断中解放出来，把有限的人生留给真正只有自己能够回答的问题：

我想成为什么样的人？我认为什么值得？我希望把这个世界推向哪里？

结语：AI 革命，也许是一场“人与世界接口”的革命

互联网改变了信息传播。

智能手机改变了人接触世界的入口。

大模型正在继续向里走。

它开始进入人的理解、判断、表达与行动过程。

所以，也许几十年后回头看，我们会发现这一轮 AI 革命最重要的事情并不是“机器通过了多少考试”，也不是“模型参数有多少万亿”。

真正重要的是：

人类第一次拥有了一个能够长期站在自己与整个世界之间的智能中介。

它一边替世界向我说话，一边替我向世界行动。

如果一定要给这个位置找一个古老而准确的名字，我仍然愿意叫它：

秘书。

不是因为这个词小。

而是因为我们过去可能低估了“秘书”这个位置究竟有多大。

参考资料

Claude E. Shannon, A Mathematical Theory of Communication, Bell System Technical Journal, 1948.
https://people.math.harvard.edu/~ctm/home/text/others/shannon/entropy/entropy.pdf
Artemy Kolchinsky & David H. Wolpert, Semantic information, autonomous agency and non-equilibrium statistical physics, Interface Focus, 2018.
https://doi.org/10.1098/rsfs.2018.0041
Antoine Bérut et al., Experimental verification of Landauer’s principle linking information and thermodynamics, Nature, 2012.
https://doi.org/10.1038/nature10872
Karl Friston, The free-energy principle: a unified brain theory?, Nature Reviews Neuroscience, 2010.
https://doi.org/10.1038/nrn2787
Karl Friston, Lancelot Da Costa, Alexander Tschantz et al., Active inference and artificial reasoning, Nature Communications, 2026.
https://doi.org/10.1038/s41467-026-77209-5