【我儘量避免寫長文，但是這個問題太複雜，壓縮再壓縮，還是兩千多字。望你耐心看完，因為問題太重大】
最近AI圈有一場很有意思的爭吵。
一邊是Meta的首席科學家楊立昆，圖靈獎得主，AI界的老前輩。他拍桌子說：ChatGPT這類大語言模型走錯路了，再怎麼燒錢也到不了真正的智能，是死路一條。他自己跑去創業，融了超過十億美元，要做」世界模型」。
另一邊是OpenAI、Google、Anthropic這些公司，一邊繼續往大語言模型里砸錢，一邊說：你看我們的模型多厲害，什麼都能聊，什麼都能寫，眼看着AGI（通用人工智能）就要來了。
兩邊都是聰明人，都有錢，都有數據，為什麼吵成這樣？
因為他們爭的，表面上是技術路線，骨子裏是一個誰也沒說清楚的老問題：
語言和這個世界，到底是什麼關係？
這個問題沒搞清楚，誰說自己找到了AI的出路，都是吹牛。
大語言模型錯在哪裏？
楊立昆的批評，用大白話說就是一句話：「ChatGPT這類模型，學的是怎麼說話，不是怎麼理解世界。」
你把人類幾千年寫下來的所有文字餵給它，它學會了在什麼場合該接什麼話，該用什麼詞。它預測的是」下一個詞應該是什麼」，而不是」這件事在現實中是怎麼運作的」。
打個比方：有個人把所有的烹飪書都背下來了，能跟你聊各種菜的做法頭頭是道。但他從來沒進過廚房，從來沒聞過油煙，從來沒切過菜。你真的覺得他懂做菜嗎？
楊立昆說，大語言模型就是這個背食譜的人。它對語言的掌握令人嘆為觀止，但它對世界的理解，可能還不如一隻貓。
貓知道東西從桌上推下去會掉到地上。貓知道空間、重力、因果。這些知識不是從文字裏學來的，是從每天的摸爬滾打里長出來的。
所以楊立昆要做的世界模型，就是讓AI像貓一樣，通過與物理世界的交互來學習——而不是只靠讀書。
那世界模型就一定對嗎？
也不見得。
大語言模型的支持者反駁說：你低估了語言。人類幾千年的智慧都壓縮在文字裏了，語言裏不只有詞，還有大量的物理常識、因果關係、生活經驗。你說ChatGPT不懂物理？它能解很多物理題呢。
這個反駁也有道理。語言不是憑空產生的，它是人類與世界打交道的結晶。從某種程度上說，學透了語言，確實也學到了不少關於世界的東西。
所以問題就卡在這裏了：「語言裏裝得下整個世界嗎？還是世界裏有些東西，是語言永遠說不清楚的？」
別以為這是新問題。哲學家一百多年來就在吵這個，但沒吵出結果。
維特根斯坦說過一句名言：「我的語言的界限，就是我的世界的界限。「意思是，你能想到什麼、理解什麼，取決於你的語言能表達什麼。聽起來好像在說語言就是一切。
但他後來又改口了。他說，語言的意義不是靠語言自己撐起來的，而是靠你用語言時候的那些具體場合——你在幹什麼，在哪裏，跟誰說。語言必須嵌在真實的生活里才有意義，光有符號是不夠的。
這其實幫了楊立昆一把。一個只讀文本、從沒跟世界打過交道的AI，恰恰缺的就是維特根斯坦說的那種」生活」的底子。
梅洛-龐蒂說得更直接：理解這件事，根本不是腦子裏的符號運算，而是身體跟世界的接觸。嬰兒在會說話之前，就已經知道怎麼抓東西、怎麼保持平衡了。身體的感知比語言更根本。
這就更像楊立昆的思路了：先有身體與世界的交互，才有真正的理解。
德里達的立場最極端：文本之外什麼都沒有，所有意義都在符號遊戲裏，你跳不出語言去抓住什麼」真實的世界」。
這個說法如果成立，楊立昆的整個計劃就垮了——因為他想讓AI去理解的那個」物理世界」，本來就是個幻覺？
但德里達有個繞不過去的問題：你說石頭是軟的，石頭不會因此變軟。現實有一種語言改變不了的硬度。這種」推回來」的力量，不是語言能解釋的，恰恰說明語言之外有個真實的東西存在。
三個陣營吵來吵去，其實有一個共同的毛病：他們研究的都是」已經有智慧的人」，而不是」智慧怎麼從零長出來」。
這對AI來說是致命的缺口。因為AI工程師需要的不是」描述智慧是什麼樣子」，而是」智慧是怎麼生長出來的」。這兩件事差得很遠。
另外，「語言與世界是一還是二」這個問題本身，可能也問錯了。
它假設語言和世界是兩個東西，然後問它們是不是同一個。但事實可能是：這根本不是兩個獨立的東西在那裏等着被比較，而是一個持續發展的過程。
世界先於語言存在，這是肯定的——宇宙已經138億歲了，語言才幾十萬年。語言從世界裏長出來，這也是肯定的——是生物進化和社會發展的產物。但語言一旦長出來，就反過來改造世界——人類給東西命名，命名創造分類，分類影響認知，認知改變行為，行為改變現實。語言和世界一直在互相塑造，分不開，也化不成一個。
所以不是」語言等於世界」，也不是」語言和世界完全是兩回事」，而是兩者一直在相互生成，一直在動，永遠沒有一個靜止的終態。這個圖景，現有的哲學框架裝不下。
說到這裏，AI到底缺什麼就比較清楚了。
缺的不是更多數據，不是更大模型，不是更好的硬件。缺的是一套能回答這個問題的理論：
一個系統，怎樣才能既會操作符號，又真正理解符號背後的東西？這中間的橋，是怎麼搭起來的？
楊立昆說要用世界模型，讓AI跟物理世界打交道——方向有道理，但他的方案還沒有解釋清楚，跟世界打完交道之後，物理經驗是怎麼變成可以推理的抽象概念的。這個」從感知到思維」的跳躍，仍然是個黑箱。
大語言模型的路線說語言裏什麼都有——部分正確，但沒有解釋清楚語言的意義約束力從哪裏來。為什麼有些話是對的，有些話是錯的？不能說」因為別的語言這麼說」，那是循環論證。
兩條路都走到了一堵牆前面，牆上寫着：意義是什麼？理解是什麼？
這是哲學問題，不是工程問題。在這堵牆被打通之前，工程師們不管往哪個方向跑，都是在黑暗裏摸索。
為什麼說出路在哲學
有人會說：哲學有什麼用，解決不了實際問題。這話在大多數時候是對的。但AI是個例外。
因為搭建AI系統，每一個設計決策背後都有一個哲學假設。用什麼方式表示知識？用什麼標準判斷對錯？用什麼結構組織推理？這些選擇，表面是工程問題，骨子裏是在回答」智能是什麼」這個哲學問題。
現在的麻煩是，工程師們在做這些選擇的時候，用的哲學假設都沒有經過認真檢驗。楊立昆假設物理世界比語言更根本——這是個哲學立場，不是工程事實。大語言模型假設語言可以自足——這也是個哲學立場，不是工程事實。
兩撥人拿着未經檢驗的哲學假設，各自燒幾百億美元，賭哪個假設是對的。
這不是科學，這是賭博。
如果有人能真正把」意義是怎麼在符號和感知之間流動」這件事說清楚——不是詩意地描述，而是清晰地、能被工程參考的方式說清楚——那將直接改變AI的路線選擇，價值不亞於任何一項重大技術突破。
牛頓之前，人們關於運動有各種哲學爭論，沒有答案。牛頓發明了微積分，給了一個可以精確計算的工具，爭論就結束了。AI現在需要的，是類似微積分的東西——一個關於意義和理解的精確理論，能夠讓」語言與世界的關係」這件事變得可以被嚴格討論、被操作化、被檢驗。
這個理論還不存在。誰做出來，誰就找到了AI的出路。
