INT-03人脑与大模型的智能决定变量——信息质量、多样性、整合效率与元认知：一个四变量框架

「智能到底是什么」被追问了两千多年。有一个更可操作的问法：如果智能能被提升——人的智力可以靠教育改善，大模型可以靠更多数据变强——那么决定智能水平的那个底层阀门是什么？

我们的回答是一个四变量框架：输入层的信息质量（低熵、高密度、自洽）与多样性，处理层的后台整合效率，顶层的元认知。智能水平由这四变量相乘决定——信息质量与多样性相乘、随时间累积，再乘整合效率与元认知。

拿这个框架去看碳基和硅基，出来三件事。第一，两者共享同一套底层机制：在信息输入里通过后台整合提取结构，结构积累到临界点后涌现新能力。第二，人脑的默认模式网络和大模型的预训练在功能上是同构的；推理时的注意力是前台的调用，不是后台整合。第三，家庭、教育、文化对人的作用，与预训练语料对大模型的作用，在机制上也是同构的。

边界：这个框架目前定性多于定量。信息质量的精确函数形式、整合效率的可测指标、元认知的量化方法，都还没有确定。六条预测覆盖 AI 训练、教育设计、个人认知三个领域，都还没有做实验。

关键词：智能论，第一性原理，预训练，后台整合，信息质量，涌现能力，默认模式网络