一、引言
人比狗聪明，狗比猫聪明。这是常识。
但这个"聪明"到底差在哪里？差在行为吗？差在会说话、会用工具吗？
本文提出一个更根本的尺度：差在可能性。
二、可能性数量级
定义 1（可能性数量级）。一个智能体在做出任何判断时，其"模型"能够同时展开、权衡的可能性分支的数量，称为该智能体的可能性数量级，记为 O。
猫在判断"眼前这个物体"时，它的模型只能展开少数几个分支：能吃、不能吃、危险、不危险。它的可能性数量级很低，所以它的行为单调——几乎每一个动作都可以被预测。
狗的可能性数量级比猫高一个等级：它能展开"这个人是主人、是陌生人、是威胁、是玩伴"等更多分支，还能组合"现在 + 情绪 + 环境"等维度。所以狗的行为比猫复杂，更难预测。
人更高。人在判断一件事时，可以同时展开几十个、上百个可能性分支，并对它们进行递归的组合。这就是"人比狗聪明"的结构根源。
三、主假说
假说（可能性数量级假说）。智能的本质，是判断可能性的数量级。一个智能体越聪明，其模型在判断时可展开的可能性分支越多；越笨，其分支越少，行为越单调、越可预测。
这不是一个新观察，而是一个被反复验证的事实，只是换了一个名字：
范德比尔特大学的 Herculano-Houzel 测量了多个物种大脑皮层的神经元数量，得出明确结论：大脑皮层神经元的数量，决定着一个动物"内在心理状态的丰富程度"和"对将要发生事情的预判能力"——即，神经元数量是智力的标志。
数据：人大脑皮层约 160 亿个神经元，狗约 5.3 亿，猫约 2.5 亿。
神经元，就是"模型"的物理载体。神经元数量，就是模型的大小。模型大小，就是可能性数量级的物理上限。
更关键的一个反例：棕熊的大脑体积是猫的十倍，但它的皮质神经元数量和猫大致相同，所以棕熊并不比猫聪明多少——决定智力的不是脑体积，是神经元的数量，是模型的大小。
四、同物种内：自我限制的可能性数量级
俗语说："人与人之间的差距，比人与狗之间的差距都大。"
这句话若按"模型大小"来理解是矛盾的：所有人的大脑皮层神经元数量都在同一量级（约 160 亿），凭什么个体差距比人狗之间还大？
本文的解释是：人的基础模型（硬件）相同，但每个人自我限制的可能性数量级不同。
一个聪明的人，不限制自己的可能性——面对一个问题，他让模型展开几十个、上百个分支，所以他表现出复杂、灵活、难以预测的行为。
一个笨的人，自己把可能性砍掉了——面对问题，他只让模型展开两三个分支（"行/不行""对/错""好人/坏人"），所以他的行为单调、僵硬、容易被预测。
硬件一样，软件不同——这里的"软件"，是自我施加的可能性限制。这就是"人与人差距比人狗差距大"的结构解释：人狗之间差的是硬件的数量级，人与人之间差的是自我施加的限制，而限制，比硬件更能拉开差距。
五、精神疾病的两种方向
这个假说还能统一解释精神疾病的两种相反形态。
方向一：可能性数量级塌缩——痴呆。
痴呆（智力障碍、退行性痴呆）的本质，是模型的可能性数量级急剧下降。一个人原本能展开上百个分支，病变后只能展开几个、甚至一个，于是行为变得极度单调、可预测——"这个人呆掉了"。
方向二：可能性数量级失控上升——精神分裂。
精神分裂是相反的方向：可能性数量级没有下降，反而上升了，但失去了控制。
一个精神分裂患者的模型，能展开比常人更多的可能性分支——他能把看似无关的事物联系起来，能看到常人看不到的关联。这就是为什么精神分裂谱系的人常常表现出惊人的创造力：流行病学研究反复发现，精神分裂症和双相情感障碍患者的亲属中，有更高比例从事创造性职业。
但代价是：可能性分支太多了，多到主体无法收束。常人展开一百个分支，能收束到一个行动；精神分裂展开一千个分支，收不回来了——思维散漫、言语不连贯、妄想丛生。创造性，和失控，是同一件事的两面：可能性上去了，控制没跟上。
这也解释了那个令人不安的现象：某些创造力极强、技术极精湛的人，同时是连环杀手。这不是巧合，是同一个结构：可能性数量级远超常人，但收束能力没有同步。可能性给了他天才，失控给了他毁灭。
六、与人工智能的同构
这个假说，与人工智能的经验事实严格同构：
一个大模型的"参数量"，就是它的"可能性数量级"。参数量越大，模型在生成时能展开的可能性分支越多，能力越强——从几亿参数的小模型，到千亿参数的大模型，能力的跃迁，本质上就是可能性数量级的跃迁。
而"模型失控"（幻觉、胡言乱语），正是可能性数量级上升但控制（对齐）没有跟上的表现——与精神分裂同构。
智能体，无论碳基还是硅基，都在服从同一条规律：智能 = 可能性数量级；失控 = 可能性数量级上升而控制缺席。
七、结论
判断一个智能体聪不聪明，不要看它的行为，要看它的模型能展开多少种可能性。
可能性多，是聪明；可能性少，是单调；可能性多到收不回来，是疯狂。
智能的本质，就是可能性的数量级。
（本文出自林小黑的“结构认知”系列，首发于“今晚狗蛋看局”。更多用结构学重新理解世界的内容，见 gitee.com/samforce/structural-cognition。）
