进化的中庸之道

上一篇的结尾留了一个问题：硅基进化怎么学会适度的无知？

但在回答之前，得先理解一个更基本的事实——进化淘汰谁？直觉说是最弱的。实际上，最强的和最弱的都最先出局。 活到最后的，是中间那些看起来不怎么起眼的。

“适度的无知”不是诗意的说法，是进化 38 亿年验证过的生存策略。

两头死

太弱，活不过当下。这不需要解释——竞争不过，就被吃掉、挤掉、饿死。

太强，活不过变化。这才是反直觉的部分。

恐龙是地球上最成功的陆地脊椎动物，统治了 1.6 亿年。体型优化到极致，食物链顶端，没有天敌。但这 1.6 亿年的优化全都指向一个特定的环境——温暖、含氧量高、植被茂盛。环境剧变的那一刻，所有积累归零。

剑齿虎的犬齿越来越长，特化到只能猎杀大型猎物。大型猎物消失后，它的“最强武器”变成了累赘。爱尔兰麋鹿的角展超过三米，性选择把它推向极致，最终角大到影响生存。

特化是对当前环境的完美回答，也是对下一个环境的死刑判决。

如果突变是随机的，为什么不同物种会进化出相似的结构？

眼睛在动物界独立进化了至少 40 次。翅膀分别出现在昆虫、翼龙、鸟类、蝙蝠身上。流线型体型在鱼、海豚、鱼龙身上各自独立出现。鼹鼠和袋鼹、飞鼠和蜜袋鼯——不同大陆，不同祖先，几乎相同的解。

不同的起点，不同的搜索路径，但撞上了同一个答案。

因为 eval 相同（存活），物理约束也相同（流体力学、光学、重力）。解空间的地形是固定的——某些位置就是高地，不管从哪条路上山，最终都会走到那几个山顶。

随机搜索不等于随机结果。 搜索是随机的，但筛选不是。环境像一个固定的模具，随机注入的材料最终都会被压成相似的形状。

蓝藻不快、不大、不聪明、不复杂。光合作用是它唯一的本事，35 亿年没怎么变过。

但它活了 35 亿年。

蟑螂在 3.2 亿年前就已经是现在这个样子。鲨鱼的基本体型保持了 4 亿年。鲎几乎没变过，活了 4.5 亿年。

这些物种有一个共同特征：它们在任何维度上都不是最优的，但在足够多的环境里都“够用”。

不特化，所以不脆弱。不依赖特定条件，所以环境怎么变都有一条活路。进化的中庸之道不是平庸，是鲁棒性——用“什么都还行”换“什么时候都还在”。

映射到 AI，这个模式触目惊心。

在 MMLU 上刷到 90% 的模型，换一个分布外的任务可能直接崩溃。在代码生成上碾压人类的模型，可能连基本的常识推理都不如一个通才小模型。每刷高一个 benchmark 的分数，模型就在那个维度上多特化一层，同时在其他维度上悄悄变脆弱。

刷 benchmark 就是 AI 的特化——对当前评测环境的过度适配。

这跟剑齿虎的犬齿是同一个故事：指标越极致，越依赖当前的评测环境不变。但评测环境一定会变——新 benchmark 出现，旧 benchmark 失效，用户需求迁移。昨天的 SOTA 是明天的恐龙。

追求鲁棒性听起来像是放弃了进步。不是。

蓝藻不是停滞不前——它在自己的生态位里极其高效。鲨鱼也不是没进化——它在 4 亿年里微调了无数细节。中庸不是不动，是不往极端走。保持足够的通用性，在每个环境里都有一席之地。

对 AI 来说，鲁棒性意味着：不追求在任何单一任务上做到最好，而是在足够广的任务谱上保持“够好”。不是最高分，是最稳定的分。不是赢在当下，是还在牌桌上。

进化从不奖励第一名，只奖励还活着的。

这是进化最反直觉的一课。

我们本能地追求极致——更快、更强、更精准。但 38 亿年的数据告诉我们，极致是通往脆弱的快车道。真正活到最后的策略，看起来一点都不激动人心：差不多就行，别太好，别太差。

听起来像敷衍。实际上，在一个永远在变的环境里，“足够好”是唯一的长期最优解。

硅基进化如果想突破天花板，也许第一步不是变得更强，而是学会不那么强。

中庸，才是最激进的生存策略。