字数：约1050字 | 阅读时间：3分钟
在人工智能的众神殿中，列奥纳多·达·芬奇占据着一个奇特的位置。
他不是数学家，不是逻辑学家，却留下了最接近“强人工智能”的思维蓝图。如果苏格拉底赋予了AI提问的灵魂，笛卡尔赋予了AI观察的坐标，那么达·芬奇，则试图教会机器如何“看见”生命本身。
视觉的解剖：一种原始的“卷积运算”
达·芬奇对世界的理解，是从“看”开始的。
但和普通人不同，他的“看”极度暴力。为了理解人体如何产生表情，他冒着被教会严惩的风险，在深夜烛光下解剖了三十多具尸体。他一层层剥离皮肤、肌肉、筋膜，画出每一根肌腱的走向，每一束神经的分布。
这不止是艺术解剖学，这本质上是一种手工版的卷积神经网络（CNN）。
现代计算机视觉系统识别一张人脸，底层逻辑就是逐层提取特征：边缘、纹理、局部形状、全局轮廓。达·芬奇在五百年前，就用双手和画笔完成了这个层层抽象的过程。他在笔记中留下大量“面部肌肉分层图”，这几乎是教科书级别的特征提取——从最底层的骨骼，到中层的肌肉动作，再到表层的皮下表情。
他写下：“画家应当了解人体内部的结构，因为只有理解了肌肉如何附着于骨骼，才能准确描绘身体的动作和表情。”
如果把这句话翻译成当代AI语言，你会发现惊人的对应——只有经过多层网络抽象，系统才能从像素中识别出情感、意图和物体边界。 达·芬奇没有电脑，但他用眼睛和手，跑通了一套完整的前向传播算法。
跨越物种的通感：一种疯狂的Transformer思想
如果达·芬奇只停留在解剖学，那他只是一个卓越的画家。但他走得远得多。
他的笔记里充满了天马行空的“跨界组合”：观察鸟类翅膀，设计扑翼飞行器；研究鱼类游动，构思潜水艇原理；描绘水流涡旋，进而理解空气动力学。他用一种近乎病态的热情，试图在不同领域之间建立统一规律。
这太像今天的Transformer架构了。
2017年那篇革命性的论文《Attention Is All You Need》的核心思想是什么？是跨模态注意力机制——让系统学会在不同类型的数据之间寻找关联，文本可以关联图像，图像可以关联声音。
达·芬奇做的事情，本质上就是人脑版的多模态学习。他深信，“万物相连”：水流涡旋与人类卷发的曲线遵循同一数学规律；鸟类翅膀的升力与人体重心平衡共享相似的力学原理。他疯狂地将不同领域的数据输入自己的大脑，提炼出跨物种、跨领域的通用模式。
一位当代AI研究者读到达·芬奇的手稿后感叹：“我们辛辛苦苦研发跨模态模型，而达·芬奇在五百年前就在自己的大脑里跑通了。”
未完成的创造：智能的终极难题
然而，达·芬奇也触碰到了人工智能最深层的困境。
他设计过机器人骑士，用齿轮和滑轮让它能坐起、挥手、张嘴。他也梦想过机械鸟，渴望赋予机器真正的飞行能力。但所有这些“机器生命”，最终都只停留在手稿上。
这是他留给后世最深刻的隐喻：我们能解剖出所有“智能”的零件，却未必能让它真正活过来。
今天的深度学习可以识别表情的肌肉运动，却难以理解表情背后的情感。GPT可以组合出逻辑严密的文本，却无法产生真正的“理解”。达·芬奇穷尽一生解剖、绘制、设计，最终在《蒙娜丽莎》的微笑中留下一个谜——那一抹模糊的表情，五百年后仍是算法无法破译的“黑箱”。
结语
达·芬奇没有发明计算机，但他为人工智能绘制了最具野心的设计图：
超越单一领域的边界，在一切事物之间建立深层联系。
他追求的不是更快的计算，不是更精密的逻辑，而是一种将艺术与科学、感知与理性融为一体的“完整智能”。今天的多模态AI、具身智能、跨领域迁移学习，都在沿着他画下的草图前行。
什么是真正的智能？五百年前，达·芬奇的回答是：Saper Vedere——懂得如何观看。