2019年，新西蘭交通局收到一份奇怪的投訴：米爾福德峽灣隧道口的交通錐總是出現(xiàn)在不該出現(xiàn)的地方。施工隊最初以為是惡作劇，直到調(diào)取監(jiān)控——一群啄羊鸚鵡（Kea）正把交通錐拖進(jìn)車道，聽見汽車引擎聲就暫停，等車輛被迫停下后，立刻圍上去討食。

這套"移動路障→逼停車輛→獲取食物"的因果鏈，不是人類教的。交通局工程師向當(dāng)?shù)孛襟w確認(rèn)，這些鳥完全自學(xué)成才。它們甚至學(xué)會了聽隧道回聲判斷來車距離，卡準(zhǔn)時機制造擁堵。

一個野生鳥群，獨立復(fù)現(xiàn)了人類收費站的商業(yè)邏輯。

鳥腦神經(jīng)元密度是靈長類的2倍

這事讓我查了一晚上文獻(xiàn)。鸚鵡的聰明不是 anecdotes（軼事），是神經(jīng)解剖學(xué)的事實。

2016年《PNAS》的一項研究測量了28種鳥類的腦神經(jīng)元數(shù)量。結(jié)果很反直覺：鸚鵡大腦單位質(zhì)量的神經(jīng)元密度，是靈長類的兩倍。一只重400克的非洲灰鸚鵡，腦神經(jīng)元總數(shù)和一只重4公斤的獼猴相當(dāng)。

更關(guān)鍵的是神經(jīng)元分布。哺乳動物的新皮層負(fù)責(zé)高級認(rèn)知，但鳥類沒有新皮層——它們有"端腦核"（pallial nuclei），結(jié)構(gòu)完全不同，功能卻高度趨同。趨同進(jìn)化（convergent evolution）在這里玩了個魔術(shù)：完全不同的硬件，跑出了類似的智能操作系統(tǒng)。

新西蘭奧塔哥大學(xué)的鳥類認(rèn)知研究者Amalia Bastos在2020年的論文里記錄過更精細(xì)的案例。她訓(xùn)練的啄羊鸚鵡能看懂概率：兩個罐子，一個裝80%黑球20%橙球，另一個相反。鸚鵡會選擇更可能掏出橙球的罐子，哪怕實驗者隨機打亂罐子位置。

這種"統(tǒng)計推斷"能力，一度被認(rèn)為是人類和少數(shù)靈長類的專利。

鏡子測試、伊索寓言與工具制造

怎么測鳥有多聰明？學(xué)界沒有統(tǒng)一標(biāo)準(zhǔn)，但有幾項經(jīng)典實驗。

鏡子測試（mirror test）測的是自我認(rèn)知。給動物身上畫個它自己看不見的顏色標(biāo)記，看會不會對著鏡子去摸自己身上的標(biāo)記。狗和貓都失敗了。歐亞喜鵲通過了，是極少數(shù)通過的非哺乳動物之一。你家樓下的喜鵲，自我認(rèn)知可能比金毛強。

伊索寓言測試（Aesop's Fable task）更直觀。窄管里漂著食物，水面太低夠不著。烏鴉、松鴉和禿鼻鴉會往里丟石頭抬高水位——而且它們能分辨重物（有用）和輕物（沒用）。這個實驗名字來自公元前600年的寓言，但鳥不需要讀過書。

新喀里多尼亞烏鴉是工具制造的天花板。它們會摘樹枝，用喙加工成鉤狀，從樹洞里勾幼蟲。野生個體還會保存工具，隨身攜帶。2018年《自然·通訊》的野外觀察記錄到，一只烏鴉把加工好的鉤狀工具插在樹縫里，第二天回來取走繼續(xù)用。

制造工具、保存工具、計劃未來——這套認(rèn)知套餐，曾經(jīng)只寫在人類進(jìn)化史的章節(jié)里。

交通局給鳥建健身房：一場認(rèn)知軍備競賽

說回新西蘭的交通錐事件。交通局的應(yīng)對策略很有意思：第一步換更重的錐桶，鸚鵡推不動了；第二步，在公路旁建"啄羊鸚鵡健身房"——帶機關(guān)的喂食器和拼圖玩具，分散它們的注意力。

一個政府部門，因為野生動物太聰明，被迫升級基礎(chǔ)設(shè)施。這不像野生動物管理，更像產(chǎn)品經(jīng)理在應(yīng)對灰產(chǎn)。

但這場博弈沒有終點。啄羊鸚鵡的社會學(xué)習(xí)能力極強，幼鳥通過觀察成年個體獲取技能。一只鳥破解了新機關(guān)，整個"馬戲團(tuán)"（circus，英語里一群啄羊鸚鵡的正式叫法）都會跟進(jìn)。健身房的設(shè)計必須持續(xù)迭代，否則很快失效。

Bastos在2022年的訪談里提過另一個細(xì)節(jié)：她的實驗鸚鵡會"偷懶"。當(dāng)任務(wù)變得過于復(fù)雜，它們會放棄最優(yōu)解，改用次優(yōu)但更省力的策略。"它們不是機器，"她說，"會計算投入產(chǎn)出比。"

這種務(wù)實的認(rèn)知風(fēng)格，可能是野外生存的壓力塑造的。新西蘭沒有原生哺乳動物捕食者，啄羊鸚鵡的祖先在島上進(jìn)化出極強的探索性和社交性——但也因此極度依賴學(xué)習(xí)，幼鳥死亡率很高，學(xué)不會覓食的個體活不過第一個冬天。

智能在這里是雙刃劍：高認(rèn)知靈活性帶來創(chuàng)新，但也意味著更長的發(fā)育期和更高的學(xué)習(xí)成本。

當(dāng)AI開始研究鳥腦

鸚鵡和烏鴉的研究正在影響人工智能。傳統(tǒng)深度學(xué)習(xí)依賴海量數(shù)據(jù)和固定架構(gòu)，但鳥類用極小的腦容量（相對哺乳動物）實現(xiàn)了靈活推理、工具使用和因果推斷。

2023年，DeepMind發(fā)表了一項對比研究：用類似鴉科動物的認(rèn)知任務(wù)測試AI模型。結(jié)果發(fā)現(xiàn)，當(dāng)前最先進(jìn)的強化學(xué)習(xí)算法在"物理直覺"任務(wù)上表現(xiàn)接近烏鴉幼鳥的水平——但樣本效率遠(yuǎn)低于生物。烏鴉用幾十次嘗試學(xué)會的規(guī)則，AI需要百萬次模擬。

神經(jīng)科學(xué)家Susana Herculano-Houzel（她就是前面提到的神經(jīng)元計數(shù)研究的主導(dǎo)者）在2022年的綜述里提出一個框架：智能的"硬件限制"可能比算法更重要。鳥類用高密度神經(jīng)元和分布式處理，在能量受限的小型大腦里實現(xiàn)了高效計算。

這對邊緣計算和機器人有直接啟示。如果你的無人機需要在電池耗盡前完成復(fù)雜決策，鳥腦可能比人腦更值得參考。

新西蘭交通局大概不會想到，他們給鸚鵡建的健身房，某種程度上是跨物種的認(rèn)知實驗場。人類和鳥類的智力博弈，從公路管理延伸到了算法設(shè)計。

下次看到喜鵲在垃圾桶旁開瓶蓋，或者烏鴉把堅果扔到馬路上等汽車壓碎——你會意識到，這不是本能，是它們在用和你一樣的因果推理，解決和你一樣的資源獲取問題。

唯一的問題是：當(dāng)鸚鵡學(xué)會用更隱蔽的方式制造交通擁堵，交通局的下一輪升級會是什么？給每只鳥發(fā)KPI考核，還是直接招進(jìn)產(chǎn)品團(tuán)隊？