这是一次实验：从文案、图形到配音，整支视频都由 AI 生成。上一期讲了大模型怎么用、内部怎么算；这一期回答一个更根本的问题：**为什么预测下一个词，会产生智能？**
视频把神经科学和深度学习两条线放在一起讲：
· 生物如何产生智能：神经元的积分放电（LIF 方程）、赫布学习与 NMDA 受体、STDP、Oja 规则（赫布学习 = 主成分压缩）、多巴胺与时序差分误差、三种学习系统、信用分配之谜
· 表征与记忆：视觉层级、稀疏编码、概念细胞、网格细胞与“概念空间的地图”、Hopfield 网络、互补学习系统、海马体预演、N400
· 语言与预测：语言网络与推理网络分离；链式法则、交叉熵 = 熵 + KL、损失即压缩率；预测何时会逼出世界模型（行星轨道 vs Othello）
· 剖开 Transformer：叠加与 Johnson–Lindenstrauss、注意力的数学、注意力 = 现代 Hopfield 网络、线性注意力 = 赫布式快速权重 = 一步梯度下降、前馈层 = 键值记忆、残差流、RoPE
· 电路：归纳头、两跳推理的因果验证、模加法的傅里叶算法与“顿悟”
· 汇合与边界：原理对照表、TC⁰ 与思维链、softmax 稀释、幻觉的机制来源、数据效率与持续学习的差距
画面中的标签区分了“实验确证”“数学等价 / 定理”“形式相似”和“仍有争议 / 未解”。注意力与梯度下降的等价只在线性化模型中严格成立；网格细胞与 RoPE 只是形式相似；预测误差神经元、强化学习的作用等仍有争论。资料检索于 2026 年 10 月。配音为 1.25 倍速。如有不准确之处，欢迎在评论区指出。
⏱ 章节
00:00 开场：这是一次 AI 教学实验
00:56 01 智能的起点：记忆、比较与行动
02:11 02 神经元：积累证据，做出决定
03:56 03 学习：突触如何记住经验
07:29 04 表征与记忆：概念、地图与回放
11:26 05 人类的特别之处与语言
12:32 06 预测为什么会逼出建模
14:33 07 概念如何住在向量里
15:53 08 注意力：会检索、会学习的记忆
19:00 09 前馈层、残差流与位置
20:53 10 从部件到思维：电路
23:36 11 两条线的汇合与边界
文案与图形：AI（Claude）｜配音：Gemini 语音合成
